Agosto 2026
PROVE di Xiaomi: metriche no‑reference RC‑S e RC‑T e un benchmark video reale per valutare l’object removal
MiLM Plus (Xiaomi) pubblica PROVE: due metriche perception‑aligned (RC‑S per la coerenza spaziale, RC‑T per quella temporale) che non richiedono ground truth, accompagnate dal dataset PROVE‑Bench e codice Apache 2.0.
Quando la confidenza del modello inganna: cos'è la miscalibration
Le percentuali di confidenza fornite dai modelli AI spesso non corrispondono alla probabilità reale di essere corretti: questo fenomeno si chiama miscalibration. L'articolo spiega il problema e offre indicazioni pratiche per verificare rapidamente l'affidabilità di una percentuale.
LTX‑2.5: un world model video open‑weights ottimizzato per GPU locali
LTX ha rilasciato LTX‑2.5, un world model open‑weights per generazione video e applicazioni real‑time ottimizzato per GPU NVIDIA locali. Nei benchmark pubblicati, la generazione on‑prem è molto più veloce rispetto a alternative chiuse; la release promette multishot coerente e opzioni per robotics.
Perché le chat dimenticano le istruzioni
Le chat tendono a dare più peso al testo recente: questo articolo spiega perché le istruzioni iniziali possono perdere influenza e suggerisce come ridurre il problema ripetendo o sintetizzando le regole vicino alla richiesta.
ByteDance Seed presenta SeedRealtime: un LLM audio‑visuale full‑duplex per interazione multimodale in tempo reale
ByteDance Seed ha presentato SeedRealtime, un modello end‑to‑end che fonde audio, video e testo per interazioni full‑duplex su stream continui. È già integrato nell'app Doubao ma manca un report tecnico, pesi aperti e API pubbliche.
LLM observability ed evaluation: confronto 2026 e raccomandazioni per chi mette AI in produzione
Un confronto delle principali piattaforme di LLM observability del 2026 mostra come tracing profondo, valutazioni automatiche e monitoring di produzione siano diventati infrastruttura critica; OpenTelemetry GenAI è lo standard di portabilità da richiedere.
Una parola cambia tutto: come la formulazione del prompt influenza le risposte dei modelli istruiti
Anche modelli instruction‑tuned possono rispondere in modo diverso se cambia una parola o il tono del prompt. Scopri perché accade e come eseguire micro‑test rapidi per valutare la stabilità dei tuoi prompt.
Reflex XY: tutorial su visualizzazioni Python scalabili con rendering a milioni di punti, streaming e mark personalizzati
Un tutorial illustra le capacità della libreria Python XY (Reflex) per creare visualizzazioni interattive scalabili: composizione di più mark, rendering density per milioni di punti, streaming, selezioni col ritorno al kernel e mark riutilizzabili.
Pipeline multimodale RAG con NVIDIA NeMo Retriever, NIM hosted e LanceDB
Un tutorial tecnico descrive come combinare NVIDIA NeMo Retriever, endpoint NIM hosted, LanceDB, reranking vision-language e generation grounded per trasformare PDF multimodali in conoscenza indicizzata e citabile.
Quando la ricerca inganna l'AI: rischi dei sistemi RAG
I sistemi RAG possono rendere più convincenti risposte sbagliate se il materiale recuperato è errato. Scopri perché la presenza di un estratto non garantisce la verità e quali verifiche pratiche eseguire.