ultimi articoli
Come il Decadimento dei Vincoli Rende Fragili gli Agenti LLM nel Backend
Scopri come gli agenti LLM perdono fino a 30 punti percentuali di accuratezza quando devono rispettare vincoli strutturali complessi nella generazione di codice backend. L'analisi su 80 task e 8 framework rivela che i difetti più comuni sono a livello del data layer (query e ORM). Un'analisi essenziale per sviluppatori e ricercatori di ingegneria del software basata su intelligenza artificiale.
Z-Anime: Modello Anime con Fine-Tuning Completo su Z-Image Base
Z-Anime è un fine-tuning completo dell'architettura Z-Image Base di Alibaba, non un merge LoRA. Offre qualità elevata, diversità stilistica, supporto per prompt in linguaggio naturale e negative prompt, con varianti BF16, FP8, GGUF e AIO. Compatibile con 8GB VRAM e pronto per training LoRA.
Juggernaut Z: un fine-tuning cinematografico per Z-Image
Juggernaut Z è un fine-tuning di Z-Image Base, ottimizzato per illuminazione drammatica, messa a fuoco nitida, texture della pelle più naturale e miglioramenti nell'anatomia e nella composizione. Include pesi completi, varianti FP16, FP8 e quantizzazioni GGUF. Ideale per lavori editoriali, concettuali e cinematografici.
SANA-WM: Modello mondiale bidirezionale per video di un minuto
SANA-WM è un world model bidirezionale open-source che genera video 720p di un minuto con controllo 6-DoF. Basato su un diffusion transformer ibrido lineare, è addestrato su 213K video pubblici e funziona su meno di 8 GB VRAM. Include un raffinatore LTX-2 per decodifica ad alta fedeltà.
Sovranità digitale e IA: la terza via dell'Europa
Analisi del dibattito su come l'Europa possa bilanciare innovazione, regolamentazione e collaborazione internazionale nell'IA, puntando su fiducia, accessibilità e sovranità condivisa, con contributi da esperti globali.
AI tra Cina, USA e Europa: sovranità digitale e cooperazione
Sintesi del dibattito tra esperti su Cina, Stati Uniti e Unione Europea: modelli di AI, regolamentazione, accesso alle risorse e il ruolo della cooperazione internazionale per una sovranità digitale condivisa.
Suite LLM greca di Sophia AI per la sovranità digitale
Sophia AI presenta una suite completa di modelli AI in lingua greca, focalizzata su sovranità tecnologica, linguistica e dei dati. Include modelli di testo, immagini, video, voce e un agente di ricerca. I modelli superano i benchmark aperti greci del 50%, con garanzie di conformità GDPR e AI Act.
AI Sovrana: la nuova frontiera della sovranità digitale
Un panel discute le motivazioni dietro le strategie di AI sovrana: preservazione culturale, sicurezza nazionale, indipendenza tecnologica. Esempi da Eswatini e Malesia, con focus su regolamentazione leggera e sostenibilità.
Guida pratica a TartarusAI CLI: terminale AI senza censure
TartarusAI CLI è il terminale ufficiale per l'agente AI senza filtri. Supporta sicurezza informatica, penetration testing, deoffuscamento e refactoring di interi repository. Billing solo in criptovaluta, nessuna carta di credito.
Can I Finetune This: Guida pratica al fine-tuning LLM su GPU consumer
Scopri come stimare il consumo di VRAM per il fine-tuning di modelli linguistici di grandi dimensioni su GPU consumer. Include benchmark reali, calibrazione automatica e generazione di script di addestramento pronti all'uso con Hugging Face e PEFT.
LongLive-2.0: Infrastruttura Parallela NVFP4 per Video Lunghi
LongLive-2.0 presenta un'infrastruttura parallela basata su NVFP4 per l'intero flusso di addestramento e inferenza nella generazione di video lunghi. Include addestramento AR con parallelismo di sequenza bilanciato (Balanced SP) e quantizzazione NVFP4 per ridurre memoria e accelerare GEMM. Per l'inferenza su GPU Blackwell, supporta W4A4 e cache KV quantizzata, oltre a decodifica VAE asincrona. Raggiunge speedup fino a 2.15x in addestramento e 1.84x in inferenza, con 45.7 FPS per il modello 5B.
Inside Talkie: il modello linguistico addestrato solo su testi pre-1931
Scopri Talkie, un modello linguistico da 13B parametri sviluppato da Nick Levine, Alec Radford e David Duvenaud, addestrato solo su 260 miliardi di token di testi pubblicati prima del 1931. Analizziamo le fonti, le capacità, le limitazioni e le reazioni della comunità. Un'esplorazione approfondita di questo esperimento di generalizzazione AI.