WikiSkill tiene il wiki lontano dall'agente che esegue: la conoscenza serve a chi scrive le skill, e il trasferimento tra modelli sposta la partita.
Adriano Amalfi
7 min di lettura
IFM ha corretto il proprio punteggio Terminal-Bench 2.1 da 70,2% a 66,9% con la procedura di Artificial Analysis. Il numero giusto vive solo nel testo.
Adriano Amalfi
6 min di lettura
Stessa settimana, stesso modello, due punteggi: 99,9% dichiarato da OpenAI, 62,7% verificato da ARC Prize. Il meccanismo che li separa è l'harness.
Adriano Amalfi
6 min di lettura
741% di codice in più, 20% di release in più: i coding agent spostano il collo di bottiglia dallo scrivere al rivedere.
Adriano Amalfi
8 min di lettura
Un'AI da 100mila dollari ha trovato in 60 ore una falla in HAWK sfuggita a due anni di revisione NIST. Il problema non è l'attacco: è la velocità.
Adriano Amalfi
7 min di lettura
Black Forest Labs ha annunciato FLUX 3, ma chiamarlo "generatore video" significa non cogliere il punto. È un modello del mondo fisico che sta già guidando robot nella produzione Audi.
Adriano Amalfi
7 min di lettura
I manager programmano con più successo dei software engineer. Il dato Anthropic su 400.000 sessioni Claude Code ridisegna chi può creare software, e come.
Adriano Amalfi
9 min di lettura
Anthropic ha scoperto che Claude ragiona in uno spazio silenzioso, leggibile e modificabile. Non è coscienza: è un debugger per la mente di un LLM.
Adriano Amalfi
7 min di lettura
Quando una dimostrazione nasce dall'output di un sistema e non dall'intuizione umana, cambia il significato stesso della scoperta.
Adriano Amalfi
2 min di lettura
I modelli piccoli eguagliano i giganti. Ma la distillazione concentra il valore, non lo diffonde.
Adriano Amalfi
3 min di lettura
Due gruppi indipendenti dimostrano che l'RL puro per agenti tool-using collassa. La soluzione non è un reward migliore, ma un verifier che si evolve insieme al modello.
Adriano Amalfi
9 min di lettura