AI FRONTIER
Signals worth understanding before they become obvious.
Verifica formale di app web full-stack scritte da agenti con PDD Kit
Microsoft Research presenta il Proof-Driven Development (PDD) e PDD Kit, che converte l'intento dello sviluppatore in specifiche formali Verus, dimostra che il codice scritto dall'agente soddisfa tale specifica per ogni input e ricorre ai test dove la dimostrazione non arriva.
- PDD Kit viene eseguito all'interno di Chopin di GitHub Next ed è stato usato per verificare formalmente la logica di login di Pet Store, uno storefront in Rust.
- Il backend di Pet Store usa Axum e SQLite, lo storefront è un'app Leptos compilata in WebAssembly, e insieme totalizzano circa 5.000 righe di Rust.
- La verifica formale è eseguita da Verus, un linguaggio di dimostrazione per Rust co-sviluppato da Microsoft Research, Carnegie Mellon University, VMware Research, ETH Zurich e altre istituzioni.
- PDD Kit etichetta ogni risultato come verifica formale (una dimostrazione matematica) o verifica empirica (test), e rende esplicito il confine della Trusted Computing Base.
Per i team che rilasciano codice generato da agenti, PDD Kit mostra un percorso concreto per vincolare gli agenti con specifiche formali e sostituire la revisione umana riga per riga con dimostrazioni più test.
Nessun agente IA supera il 12 per cento nel nuovo benchmark di lavoro reale di SemiAnalysis
SemiAnalysis ha introdotto un nuovo benchmark di lavoro reale per misurare le prestazioni dei modelli su attività specifiche, e l'abstract dell'articolo riporta che nessun agente IA supera il 12 per cento su di esso.
- L'abstract dell'articolo riporta che nessun agente IA supera il 12 per cento nel nuovo benchmark di lavoro reale di SemiAnalysis.
- Il benchmark è descritto come una misura delle prestazioni dei modelli su attività specifiche.
Per gli sviluppatori di IA, un tetto del 12 per cento per gli agenti su attività di lavoro reale indica un margine di miglioramento sostanziale in quest'area.
VAR-Q: quantizzazione della cache KV senza tuning per la generazione visiva autoregressiva di immagini e video
Il paper propone VAR-Q, un framework di quantizzazione della cache KV senza tuning che raggruppa lungo gli assi caratteristica e blocco, usando i confini di blocco forniti gratuitamente dal ciclo di generazione ed eliminando la necessità di rilevamento degli outlier o calibrazione. Il paper riporta quantizzazione a bas...
- Il paper riporta quantizzazione a bassi bit su nove modelli che coprono entrambi i paradigmi, riducendo la memoria KV fino al 78,5% con una degradazione della qualità trascurabile.
- Il paper riporta batch di inferenza 6 volte più grandi.
- L'analisi ha rilevato che l'ablazione di un piccolo insieme di canali con valori enormi fa collassare la generazione, mentre l'ablazione di un insieme corrispondente di canali non outlier lascia la qualità intatta.
- Gli outlier si organizzano lungo due assi, caratteristica e blocco, e questa struttura deriva da due meccanismi indipendenti: bias di proiezione e scattering indotto da RoPE.
Per gli sviluppatori che distribuiscono la generazione visiva autoregressiva di immagini e video, VAR-Q indica che la quantizzazione con raggruppamento ai confini di blocco senza calibrazione può ridurre drasticamente la memoria KV e amplia...
Uno sguardo più da vicino a Phonon TTS: lancio di voce on-device di alta qualità in testa ai benchmark
Phonon è il modello text-to-speech on-device di Gradium, rilasciato in due dimensioni di circa 65 MB e 75 MB, che parla inglese, francese, tedesco, spagnolo e portoghese senza server né rete.
- Phonon 31m è Apache 2.0, quindi utilizzabile gratuitamente, anche in prodotti commerciali; gli altri modelli sono CC BY-NC, gratuiti per progetti non commerciali.
- Phonon 31m ha 30.788.354 parametri e il suo tokenizer audio 10.305.313 parametri.
- Sul Hugging Face Open TTS Leaderboard, Phonon è primo per intelligibilità in tedesco e spagnolo, e tra i primi tre in ogni lingua valutata.
- Guida il benchmark di streaming su CPU per il tempo al primo audio e supporta più di 10 backend, tra cui CPU, GPU e NPU.
Per chi sviluppa voce on-device, Phonon offre un modello piccolo di uso commerciale nella versione 31m con Apache 2.0, mentre la copertura multilingue resta sotto licenza non commerciale.
Mille percorsi in meno verso root
OpenAI ha costruito una pipeline autonoma che ha trovato, validato e generato patch per 948 vulnerabilità di escalation di privilegi locali nel kernel Linux.
- La pipeline ha trovato 948 vulnerabilità di escalation di privilegi locali nel kernel Linux.
- La pipeline ha validato le vulnerabilità trovate.
- La pipeline ha generato patch per tali vulnerabilità.
Automatizzare dalla scoperta alla generazione di patch può accorciare sensibilmente il ciclo di correzione della sicurezza del kernel.
AGIBOT presenta GO-3 Preview e conquista il primo posto in tre benchmark di IA incarnata
AGIBOT ha presentato GO-3 Preview e ha conquistato il primo posto in tre benchmark di IA incarnata.
- AGIBOT ha presentato GO-3 Preview.
- Ha conquistato il primo posto in tre benchmark di IA incarnata.
Per gli sviluppatori di IA incarnata, il primo posto di GO-3 Preview in tre benchmark merita attenzione, ma servono dettagli concreti di valutazione per giudicare la capacità reale.
Tencent lancia Hy4 ed entra tra i principali modelli di IA open source al mondo
Tencent ha lanciato Hy4, che secondo il titolo entra tra i principali modelli di IA open source al mondo.
- La fonte è Tencent, e il titolo afferma che Tencent ha lanciato Hy4.
- Il titolo afferma che Hy4 entra tra i principali modelli di IA open source al mondo.
Per gli sviluppatori di IA, Hy4 è un nuovo modello open source di Tencent da seguire, ma le informazioni fornite non indicano dimensione dei parametri, benchmark o dettagli di licenza.
Omni-Encoder: scalare un SigLIP2 condiviso tra immagine, video, audio e rappresentazioni audio-visive
Il paper presenta Omni-Encoder, un singolo SigLIP-2 Vision Transformer con parametri completamente condivisi che ottimizza congiuntamente end-to-end input di immagine, video, audio e audio-visivi, invece di collegare a posteriori encoder per modalità a uno spazio ancora congelato.
- Il paper riporta risultati competitivi su 16 benchmark in tutte e quattro le modalità con un unico set di parametri condivisi.
- Il paper riporta che l'addestramento congiunto migliora ciascuna modalità rispetto alla sua controparte addestrata separatamente.
- Lo stadio di input include un tokenizer audio con convoluzione 1D che converte spettrogrammi mel in token allineati alle patch visive.
- Un embedding posizionale rotatorio multimodale parametrizzato da timestamp assoluti colloca frame visivi e segmenti audio in un sistema di coordinate spazio-temporali unificato.
Per i team che costruiscono sistemi multimodali, ciò suggerisce che un backbone condiviso con accumulo dei gradienti su modalità alternate possa superare l'addestramento per modalità più collegamento a posteriori, ma la stabilità va validat...