#research
risultati
-
NeuroVFM: un foundation model per il neuroimaging addestrato con Vol-JEPA su MRI e CT clinici non curati
Un team dell’University of Michigan pubblica su Nature Medicine NeuroVFM, un modello che impara anatomia e patologia del…
-
BYOKG e GraphRAG per la ricerca farmaceutica su AWS
Un’architettura GraphRAG con Neptune Analytics, Bedrock e il toolkit open source BYOKG-RAG per interrogare in linguaggio naturale un…
-
Ensemble di forecast pesati con l’entropia invece della distanza
Quando MSE e RMSE non separano più i modelli, un approccio basato sulla Shannon entropy dei residui prova…
-
TabFM: Google porta i foundation model sui dati tabellari
Un foundation model per classification e regression su tabelle mai viste, in un singolo forward pass e senza…
-
Correlazioni spurie: nascono dal campione piccolo, non dai dati grandi
Un’analisi su Towards Data Science smonta un’intuizione comune: con pochi soggetti, correlazioni alte compaiono per puro caso. La…
-
LingBot-VA 2.0: il modello video-action di Robbyant pensato nativamente per la Physical AI
Robbyant (Ant Group) pre-addestra da zero un DiT causale video-action per la manipolazione robotica generalista, invece di adattare…
-
Il J-lens di Anthropic: guardare cosa un LLM sta calcolando prima che lo scriva
Anthropic ha costruito il Jacobian lens per osservare i layer intermedi di Claude Opus 4.6. In un caso…
-
SensorFM: il foundation model di Google per la salute da wearable
Google Research presenta SensorFM, un foundation model per dati da wearable pre-addestrato su oltre un trilione di minuti…
-
DPO: allineare i modelli alle preferenze umane senza reinforcement learning
La Direct Preference Optimization allinea gli LLM alle preferenze umane senza la complessità del reinforcement learning. Spieghiamo l’idea…
-
Le leggi di scala di Chinchilla: più dati, non solo più parametri
Il paper Chinchilla ha mostrato che molti LLM erano sottoaddestrati: a parità di budget di calcolo, conviene bilanciare…