Il modello in sé, analizzato: famiglie, architetture, compromessi.
Che cosa segue gli LLM? L'era post-transformer.
L’eccitazione attorno all’IA segue un ritmo: all’incirca ogni tre anni, l’architettura su cui tutti stanno scommettendo viene sostituita da qualcosa di più recente. La prossima transizione si sta già delineando nei laboratori di ricerca.
Test di velocità LLM su RTX 4080 con 16 GB di VRAM
Esecuzione locale di grandi modelli linguistici (LLM) garantisce riservatezza, funzionamento offline e zero costi di API. Questo benchmark rivela esattamente cosa ci si può aspettare da 14 popolari LLM su Ollama su una RTX 4080.
Repository Python in tendenza nel gennaio 2026
L’ecosistema Python di questo mese è dominato da Claude Skills e dagli strumenti per agenti AI. Questa panoramica analizza i repository Python più in tendenza su GitHub.
Scegli il gestore dei pacchetti Python giusto
Questo completo guida fornisce un background e un dettagliato confronto tra Anaconda, Miniconda e Mamba - tre potenti strumenti che sono diventati essenziali per gli sviluppatori Python e i data scientist che lavorano con dipendenze complesse e ambienti di calcolo scientifico.
Guida tecnica per la rilevazione del contenuto generato da AI
La proliferazione del contenuto generato dall’IA ha creato una nuova sfida: distinguere la scrittura umana autentica da “AI slop” - testo sintetico di bassa qualità, prodotto in massa.
Unificare testo, immagini e audio in spazi di embedding condivisi
Embeddingi cross-modal rappresentano un passo avanti significativo nell’intelligenza artificiale, consentendo di comprendere e ragionare su diversi tipi di dati all’interno di uno spazio di rappresentazione unificato.
Distribuisci l'AI enterprise su hardware economico con modelli open source.
La democratizzazione dell’IA è qui. Con LLM open-source come Llama, Mistral e Qwen che ora competono con i modelli proprietari, i team possono costruire potenti infrastrutture AI utilizzando hardware consumer - riducendo drasticamente i costi mantenendo il controllo totale sulla privacy dei dati e sul deployment.
Impara a configurare l'ambiente Linux per il lavoro di data science
Linux è diventato il sistema operativo di fatto per i professionisti del data science, offrendo flessibilità senza pari, prestazioni elevate e un’ampia ecosistema di strumenti.
Buon framework per ETS/MLOPS con Python
Apache Airflow è una piattaforma open source progettata per creare, pianificare e monitorare i flussi di lavoro in modo programmabile, interamente in codice Python, offrendo un’alternativa flessibile e potente rispetto agli strumenti tradizionali, manuali o basati sull’interfaccia utente.
Un po' di tempo fa ho addestrato un riconoscitore oggetti AI
Un freddo giorno d’inverno a luglio… che è in Australia… ho avuto un forte bisogno di addestrare un modello AI per rilevare barre di armatura in calcestruzzo non chiuse…
Stai pensando di installare una seconda GPU per le LLM?
Come le lane PCIe influenzano le prestazioni dei LLM? Dipende dal compito. Per l’addestramento e l’inferenza multi-GPU - la riduzione delle prestazioni è significativa.
L'IA richiede molta energia...
Nel bel mezzo del tumulto del mondo moderno, sto qui confrontando le specifiche tecniche di diverse schede adatte ai compiti di IA (Deep Learning, Rilevamento Oggetti e LLM). Tuttavia, sono tutte incredibilmente costose.
L'intero set di strumenti MM* è in fine della vita...
Ho utilizzato MMDetection (mmengine, mdet, mmcv) parecchio, E ora sembra che non sia più disponibile. Peccato. Mi piaceva il suo model zoo.
