IT · Edizione internazionale · 18/10/2026
Inferama ogni giorno · 18/10/2026
Le novità più importanti sull’intelligenza artificiale dal bollettino precedente, selezionate per rilevanza editoriale.
Periodo delle novità: 17/10/2026 08:30 → 18/10/2026 08:30 (Europe/Madrid).
RLHF: cos’è, come funziona e quali sono i suoi limiti
L’apprendimento per rinforzo da feedback umano usa giudizi o preferenze per orientare l’addestramento di un modello. Il flusso tipico comprende la generazione di risposte, la raccolta di confronti, l’addestramento di un modello di ricompensa e l’ottimizzazione di una politica; ogni fase comporta scelte e limiti da distinguere.
Leggi l’articolo →
Reranking: definizione, funzionamento e limiti nei sistemi di recupero
Il reranking è la seconda fase di scoring nei sistemi di recupero che valuta le coppie query-documento per migliorare la precisione. Questa scheda spiega il funzionamento tecnico, distingue tra architetture a un passo e a due fasi e analizza i limiti operativi nei pipeline RAG e nella ricerca semantica.
Leggi l’articolo →
Come strumentare un’applicazione di IA per analizzare errori, latenza e consumi
Una guida pratica per registrare ogni richiesta e le sue fasi senza archiviare indiscriminatamente dati sensibili. Include uno schema di eventi, un esempio di strumentazione, criteri di privacy, dashboard diagnostiche e una procedura per analizzare gli errori e distinguere l’uso segnalato dall’API dagli addebiti finali.
Leggi l’articolo →
Progettare il degrado sicuro: guida per le automazioni con IA
Come definire gli stati di errore, le politiche di recupero e i test di accettazione per evitare effetti duplicati nei flussi automatizzati con intelligenza artificiale.
Leggi l’articolo →
AesCode 32B: protocollo di verifica per i costi di deployment locale e self-hosted
Guida operativa per auditare i costi reali di AesCode 32B, distinguendo tra specifiche tecniche confermate da Microsoft e variabili economiche che richiedono stime interne, dato che non esistono tariffe pubbliche API per questo modello.
Leggi l’articolo →
DeepSeek aggiorna V4.1-Flash e apre le API di ricerca e Fetch
V4.1-Flash-1017 migliora i risultati dichiarati da DeepSeek nei task agentici e riduce il costo medio per task nella sua valutazione DeepSWE. L'azienda offre anche Search e Fetch tramite API; i benchmark del nuovo checkpoint sono, al momento, test interni.
Leggi l’articolo →
GGUF, quantizzazione e VRAM: calcolare la memoria per eseguire modelli in locale
Q4_K_M, Q5_K_M e Q8_0 non indicano da soli quanta memoria serve. Scopri come stimare i pesi, calcolare la cache KV e verificare una configurazione con test di velocità e qualità specifici per il tuo compito.
Leggi l’articolo →
Analizzare il feedback dei clienti con l'IA: guida alla scelta tra ricerca, classificazione e generazione
Come distinguere tra localizzare commenti, scoprire temi, applicare categorie note e redigere sintesi per selezionare l'approccio tecnico adeguato in base al volume, alla struttura e alla tolleranza all'errore.
Leggi l’articolo →
Come verificare il codice SQL generato dall’IA prima di usarlo
Una query può essere eseguita senza errori e calcolare comunque una metrica in modo errato. Questo protocollo spiega come controllare JOIN, filtri e aggregazioni, testare la query in un ambiente controllato e confrontare i risultati con riferimenti noti.
Leggi l’articolo →
Articolo 10 dell'AI Act: requisiti per i dati di addestramento e applicazione pratica
Analisi giuridico-operativa dei criteri di qualità, governance e documentazione richiesti dal Regolamento (UE) 2024/1689 per i set di dati dei sistemi di IA ad alto rischio.
Leggi l’articolo →