Today’s frontier report
Research Pool → Multi-Scout → Editor → Edition
3qk7 · AI LOCAL LABS TECHNICAL SCOUTING

AI FRONTIER

Signals worth understanding before they become obvious.

2026-11-11
01
testagentscapability unlock

Presentiamo AlphaProof Code: una svolta nella verifica approfondita di software complesso

I ricercatori di Google DeepMind hanno usato AlphaProof Code, un framework agentico, per verificare formalmente proprietà di sicurezza chiave del codice reale del protocollo Signal, con agenti che hanno generato oltre sei milioni di righe di Lean.

  • AlphaProof Code è un framework agentico multi-LLM in cui esperti umani decidono con l'IA cosa dimostrare e un gruppo di agenti IA esegue le dimostrazioni.
  • Gli agenti hanno generato oltre sei milioni di righe di Lean per dimostrare proprietà di sicurezza dell'implementazione del protocollo crittografico di Signal.
  • La revisione umana ha riguardato solo l'uno per cento della base di codice, mentre Lean ha verificato automaticamente il resto.
  • Il processo di verifica ha richiesto quattro settimane, un compito che storicamente richiede anni a team di esperti.

Per chi costruisce IA, questo mostra che la dimostrazione multi-agente unita alla verifica automatica di Lean può estendere la verifica formale dal livello di progettazione al codice compilato reale, concentrando la revisione umana su una f...

Google DeepMind
02
testresearchbenchmark jump

Presentazione del benchmark Multimodal Knowledge Agent

Google presenta il benchmark Multimodal Knowledge Agent per misurare le prestazioni dei modelli su attività specifiche.

  • Il benchmark si chiama Multimodal Knowledge Agent benchmark.
  • La fonte è blog.google.
  • L'abstract dell'articolo afferma che propone o utilizza una nuova valutazione di tipo benchmark per misurare le prestazioni dei modelli su attività specifiche.

Gli sviluppatori di IA possono usare questo benchmark per valutare agenti di conoscenza multimodali su attività specifiche.

blog.google
03
watchinferenceincremental

OpenRouter aggiunge Baidu ERNIE-Light-DT-1.0

ERNIE-Light-DT-1.0 si basa su modelli GLM open source e integra i risultati di ricerca del grande modello Lightning di Baidu Search, con Baidu Sparse Attention (BSA) e compressione della cronologia guidata dal feedback per ridurre l'archiviazione della cache KV e i costi di calcolo.

  • La finestra di contesto è di 1.024.000 token, con fino a 131.072 token di completamento.
  • Il prezzo è di 1,13 $ per milione di token in input e 3,94 $ per milione in output, con lettura della cache a 0,113 $ per milione di token.
  • È ospitato da un unico provider, Baidu Qianfan, con throughput di 83 tok/s, latenza di 1,05 s e uptime del 100,00% su 3 giorni.
  • Supporta le chiamate di funzione tramite tools e tool_choice e gli output strutturati tramite schema JSON in response_format.

Per chi gestisce contesti da un milione di token, BSA e la compressione della cronologia sono i meccanismi da misurare su carichi reali di documenti e sessioni lunghe, dove domina il costo della cache KV.

OpenRouter Models
04
testmodelscapability unlock

Nuovo modello OpenRouter: Thinking Machines Inkling 2 Small (gratuito)

Inkling 2 Small è un modello di ragionamento multimodale mixture-of-experts di Thinking Machines Lab, con 17B di parametri attivi su 594B totali, e il primo modello della seconda generazione Inkling. È stato addestrato con apprendimento per rinforzo su attività di coding a lungo orizzonte in numerosi agent harness, acc...

  • 17B di parametri attivi su 594B totali.
  • Finestra di contesto di 1.048.576 token, con fino a 131.072 token di completamento.
  • Accetta input testuali e immagini e restituisce testo; nessun supporto audio.
  • L'endpoint gratuito è disponibile solo per l'uso con agent harness, e prompt e output vengono registrati e usati per migliorare i modelli di Thinking Machines Lab.

Gli sviluppatori hanno un modo a costo zero di provare un modello di coding agentico con contesto da 1M, ma i termini di registrazione dell'endpoint gratuito implicano che non vi si debbano inviare dati riservati o personali.

OpenRouter Models
05
testresearchcapability unlock

RL-ATTACK: un attacco avversario black-box generalizzato ai modelli linguistici tramite apprendimento per rinforzo

Il paper propone un framework di apprendimento per rinforzo black-box addestrabile che impara dal modello target a generare trasformazioni avversarie su misura, invece di indovinare le trasformazioni da conoscenze esterne. Riporta minore accuratezza post-attacco, maggiore efficienza nelle query e migliore preservazione...

  • Sull'inferenza in linguaggio naturale, il paper riporta di portare l'accuratezza post-attacco al 2% entro 20 query.
  • Contro modelli linguistici generativi, l'attaccante addestrato raggiunge costantemente un'accuratezza post-attacco inferiore rispetto all'attaccante non addestrato.
  • Rispetto a una forte baseline basata su ottimizzazione, il paper riporta vittorie in 4 delle 6 configurazioni.
  • Il paper sperimenta molteplici design di ricompensa e configurazioni di addestramento e non trova alcun design o configurazione costantemente dominante.

Per i costruttori di IA, ciò indica che gli attaccanti black-box possono essere addestrati dai segnali del modello target per esporre vulnerabilità con meno query nella valutazione di sicurezza.

arXiv cs.CL
06
watchagentsnew architecture

Obsidian Security lancia un motore di policy runtime per controllare le azioni degli agenti IA

Obsidian Security ha lanciato un motore di policy runtime per controllare le azioni degli agenti IA. Il lancio è stato riportato da Unite.AI.

  • Obsidian Security ha lanciato un motore di policy runtime per controllare le azioni degli agenti IA.
  • Il lancio è stato riportato da Unite.AI.

Per chi sviluppa agenti IA, l'applicazione delle policy a runtime significa che le azioni degli agenti possono essere vincolate al momento dell'esecuzione invece di basarsi solo sulla configurazione statica prima del deployment.

Unite.AI