AI FRONTIER
Signals worth understanding before they become obvious.
LRMoE: ricalibrazione del carico lato domanda per un training MoE efficiente su nodi con memoria limitata
LRMoE è un sistema di training MoE consapevole della memoria che ricalibra congiuntamente la domanda in retropropagazione e bilancia il carico di lavoro mantenuto, usando routing consapevole della capacità e compattazione fisica per ridurre traffico inverso, calcolo e domanda di buffer di esecuzione. Il paper riporta c...
- Il paper riporta che su Qwen3-30B-A3B e GLM4.5-106B-A12B, LRMoE riduce il tempo di training cumulativo dei layer MoE fino a obiettivi di loss fissi del 21,2-44,8% rispetto a SYMI.
- Durante l'esecuzione in avanti, pianifica quote di ritenzione e posizionamento degli esperti sotto vincoli di risorse, preservando tutti i calcoli instradati.
- Durante la retropropagazione, una metrica di ricalibrazione del carico stima il contributo di ogni coppia token-esperto all'aggiornamento dell'esperto e seleziona le coppie entro tali quote.
Per i team che addestrano MoE sparsi su nodi GPU con memoria limitata, LRMoE mostra che selezionare le coppie token-esperto in base al contributo durante la retropropagazione può ridurre traffico inverso e domanda di buffer senza modificare...
Rilevare collusione occulta tra agenti IA tramite Partner-Outsider Positive Listening
Il lavoro propone un test comportamentale, Partner-Outsider Positive Listening (PoPLi): un partner che usa un codice segreto reagisce alla formulazione esatta di un messaggio, mentre un agente non coinvolto posto al suo posto non lo fa. PoPLi è la differenza tra i due agenti in quanto la loro azione cambia quando il me...
- PoPLi rileva l'uso di un canale privato, non la collusione in quanto tale, e non può rilevare collusione basata solo su incentivi o su codici veicolati dal significato.
- Il metodo è calcolato a posteriori riproducendo i prompt registrati, e il lavoro è indicato come in corso.
Per chi costruisce sistemi multi-agente, PoPLi offre un audit comportamentale basato sulla riproduzione dei log in grado di far emergere un canale privato dietro messaggi apparentemente innocui, lasciando però fuori ambito la collusione bas...
WebAnything: dal Web selvaggio a ambienti per agenti scalabili
WebAnything è un framework completamente automatizzato che ricostruisce ambienti Web riutilizzabili e ancorati alla fonte da URL reali, senza implementazione manuale per sito né riparazione dopo la configurazione e l'autorizzazione iniziali. L'articolo riporta la costruzione di 244 artefatti di siti web in 14 domini ap...
- L'articolo riporta la costruzione di 244 artefatti di siti web in 14 domini applicativi e 53 categorie, a supporto di 12.984 attività eseguite e accettate.
- Rispetto a WebHarbor assistito dall'uomo, WebAnything ottiene punteggi aggregati più alti su tre metriche di fedeltà, con 12 vittorie, due pareggi e nessuna sconfitta in un audit cieco.
Per chi costruisce agenti, questo mostra che ambienti Web reimpostabili per addestramento e valutazione possono essere generati automaticamente da URL reali senza ingegneria per sito, con guadagni di fine-tuning quantificati su benchmark sp...
ThinkJev: un solo pensiero, ogni budget per decisioni tipizzate calibrate
ThinkJev costruisce un sistema veloce e uno lento da un unico modello aperto a pensiero ibrido: System 1 legge le probabilità delle lettere delle opzioni quando il modello risponde direttamente, e System 2 legge le stesse lettere dopo che il modello ha pensato sullo stesso prompt in cache, così l'escalation non ripete ...
- Con un tasso di errore obiettivo del 5%, Qwen3.5-27B risponde al 24,5% di 8359 decisioni di test con il solo System 1, con un errore realizzato del 3,9% (Qwen3.5-4B e 9B: 6,5% e 0,0%).
- Per le decisioni rimanenti, fermare ogni pensiero appena la sua risposta è sicura raggiunge l'81,6% di accuratezza contro l'82,7% del pensare sempre, usando il 72% dei token di pensiero.
Per chi costruisce servizi di decisioni tipizzate, ciò suggerisce di riutilizzare un prompt in cache e le sue probabilità di lettere su un unico modello aperto a pensiero ibrido, decidendo per ogni decisione se pensare sotto garanzia statis...
Misurare dove l'intento si perde nella sintesi agentica di smart contract
Il paper progetta una valutazione basata sull'esecuzione che riproduce le stesse transazioni su un contratto scritto dall'IA e sull'originale che deve riprodurre per misurare quanto spesso concordano, e propone un'architettura elicitation-first che pone al cliente una breve checklist prima di scrivere il codice.
- Il paper riporta che controllare solo le funzioni che ogni sistema include ha nascosto circa la metà della differenza tra pipeline.
- Il paper riporta che chiedere prima è contato molto più che rivedere o correggere dopo su tre modelli di IA, mentre le correzioni di sicurezza automatizzate spesso rompono il comportamento richiesto.
- Il paper riporta che metodi comuni come i giudici IA e gli strumenti di analisi standard mancano errori evidenti, e anche le scelte di punteggio contano.
- Gli autori rilasciano i loro strumenti, 600 task e tutti i risultati; il paper è stato accettato ad ACM TheWebConf2027.
Per la generazione di codice agentica, occorre raccogliere i requisiti mancanti prima della generazione e validare contro una chiave di risposte eseguibile scritta in modo indipendente, invece di affidarsi a revisione successiva o patch di ...
OpenFrontiers: una raccolta di problemi di ricerca aperti e un benchmark per la riscoperta scientifica
OpenFrontiers combina un corpus strutturato di 12.151 problemi di ricerca aperti con un benchmark retrospettivo di 200 problemi di matematica, 110 risolti nel 2026 e 90 ancora aperti, ciascuno con un enunciato Lean 4 verificato da sonde automatizzate e due revisioni indipendenti.
- Il corpus registra enunciati dei problemi, contesto, progressi e altre informazioni per 12.151 problemi.
- Il benchmark contiene 200 problemi, 110 risolti nel 2026 e 90 ancora aperti, ciascuno con un enunciato Lean 4 verificato da sonde automatizzate e due revisioni indipendenti.
- Un sottoinsieme HQ-50 filtra ulteriormente in base al punteggio di qualità, ecc.
- Il protocollo di valutazione assegna un voto alle prove formali con due verificatori indipendenti in una sandbox isolata in condizioni di libro chiuso, recupero congelato e web live.
Poiché il benchmark separa la valutazione formale nelle condizioni di libro chiuso, recupero congelato e web live, gli sviluppatori possono distinguere la riscoperta autentica dal recupero di soluzioni pubblicate.