Autore: Federico Torrielli
Autore: Federico Torrielli
Federico Torrielli è redattore della sezione Academia di MagIA, insieme a Giovanni Siragusa.
Dottorando in Intelligenza Artificiale presso l'Università degli studi di Torino, studia in particolare i large language models, l'AI generativa e la teoria dell'allineamento AI. Nel suo lavoro quotidiano, lavora con architetture Transformer-based, modelli di diffusione e pipeline NLP per sviluppare soluzioni innovative per la comprensione e la generazione del linguaggio.
Proveniente da una formazione in informatica con una laurea magistrale in Intelligenza Artificiale, Federico è anche un appassionato di classicismo, convinto dell'importanza di comprendere il passato per prevedere il futuro. È un giornalista tech con un focus sui progressi dell'AI e NLP, e un sostenitore del software Open Source e dello sviluppo guidato dalla community.
Leggi tutti i contenuti di Federico Torrielli.
-
Priming LLM: Come Google DeepMind studia (e limita) l’interferenza nei modelli linguistici
Uno studio di Google DeepMind sul fenomeno del priming offre insight preziosi su come i nuovi dati permeano la conoscenza degli LLM.
-
Chain-of-Thought: l’AI ragiona davvero come dice?
Il Chain-of-Thought è uno strumento potente che offre una finestra sui processi interni dei modelli, che però può essere opaca o distorta.
-
Intelligenza artificiale: piccoli modelli linguistici sfidano i giganti grazie a una nuova tecnica di scaling
Lo studio sul Test-Time Scaling apre nuove prospettive per lo sviluppo dell'intelligenza artificiale. Leggi su MagIA
-
I grandi modelli pensano allo stesso modo: un nuovo studio svela i rischi per la supervisione dell’IA
Un nuovo studio esplora come la somiglianza tra modelli influenzi la loro valutazione e supervisione. Leggi l'articolo su MagIA
-
DeepSeek-R1: Il modello che sfida OpenAI con il reinforcement learning e rivoluziona il ragionamento delle AI
Mentre i large language model continuano a evolversi, un nuovo protagonista entra in scena: DeepSeek-R1, un modello sviluppato da DeepSeek-AI che rivaleggia con i modelli più avanzati di OpenAI grazie a un approccio innovativo basato sul reinforcement learning (RL). Senza dati supervisionati iniziali, questo modello ha “imparato a ragionare” autonomamente, superando sfide matematiche, di coding…
-
Il genoma comprime l’intelligenza: come un “collo di bottiglia genomico” spiega le abilità innate degli animali
Come fa un ragno appena nato a tessere una ragnatela perfetta senza alcuna esperienza? Come possono i cuccioli di balena nuotare abilmente pochi istanti dopo la nascita? Queste domande affascinano scienziati e appassionati da decenni. Un recente studio intitolato “Encoding innate ability through a genomic bottleneck” di Sergey Shuvaev e colleghi offre una risposta rivoluzionaria…
-
Gli “Embeddings”: la rivoluzione silenziosa dell’Intelligenza Artificiale nella documentazione tecnica
Gli embeddings promettono di trasformare radicalmente il modo in cui gestiamo e organizziamo la documentazione tecnica
-
I limiti del ragionamento matematico dei Large Language Models
Un nuovo studio condotto dai ricercatori di Apple mette in luce limiti significativi nelle capacità di ragionamento matematico delle moderne Intelligenze Artificiali, anche quelle più avanzate. La ricerca, pubblicata a ottobre 2024, ha analizzato in modo approfondito come i Large Language Models (LLM) – i modelli alla base di sistemi come ChatGPT – affrontano problemi…
-
Un nuovo framework per migliorare il ragionamento dei large language models: il “Diagram of Thought”
Il Diagram of Thought (DoT) è un framework che struttura il ragionamento e potenzia le capacità dei LLM su problemi complessi.
-
L’Intelligenza Artificiale è una bolla speculativa? Un nuovo studio di Yale lo conferma
Secondo uno studio condotto a Yale, l'attuale entusiasmo per l'IA presenta le caratteristiche di una bolla speculativa. Leggi su MAgIA