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.

2026-11-20
01
testmodelscost collapse

DaisyRose-27B: spingere la frontiera dell'efficienza del post-training

RadixArk rilascia DaisyRose-27B, il suo primo modello, costruito su Qwen3.8-27B e addestrato con apprendimento per rinforzo tramite Miles su task agente a lungo orizzonte, con sessioni fino a 1M di token, partendo da appena 1.200 task selezionati in 18 giorni su 144 GPU H200.

  • Il pass@1 su Terminal-Bench 4.1 migliora dal 5,6% al 12,0%.
  • I checkpoint sono disponibili sotto Apache 2.0 in BF16, FP8 e NVFP4.
  • Il modello mantiene architettura, tokenizer, template di chat, comprensione delle immagini e finestra di contesto da 256K token di Qwen3.8-27B.
  • L'addestramento è durato settimane su 144 H200, per un totale di 63.000 GPU-ore.

Per chi costruisce agenti, DaisyRose-27B mostra che circa 1.200 task selezionati e 18 giorni di addestramento possono raddoppiare un punteggio di benchmark terminale pubblicando al contempo checkpoint sotto Apache 2.0.

Hugging Face Blog
02
watchdeveloperincremental

Come la Performance Factory di OpenAI mantiene veloce ChatGPT

OpenAI ha costruito la Performance Factory, un sistema di workflow basati su Codex che individua e corregge problemi di prestazioni per contribuire a mantenere ChatGPT veloce.

  • La Performance Factory è un sistema di workflow basati su Codex.
  • Individua e corregge problemi di prestazioni.
  • OpenAI afferma che l’obiettivo è contribuire a mantenere ChatGPT veloce.

Per i team che costruiscono prodotti di IA, questo mostra come i workflow di generazione di codice possano automatizzare la diagnosi e la correzione delle prestazioni invece di affidarsi solo alla messa a punto manuale.

OpenAI News
03
testresearchincremental

Una teoria differenziale dei compromessi qualità-risorse per la selezione di modelli di IA: la frontiera multirisorsa e il suo prezzo minimax

Il paper sviluppa una teoria differenziale che rappresenta le frontiere qualità-risorse come una curva piana indipendente dal prezzo, collegando il numero effettivo di canali di risorse attivi, N_eff = s²/κ, alla profondità di errore logaritmico rimanente, ΔS = ln(ε/ε∞). Quando ciascuna delle N risorse contribuisce con...

  • Il paper riporta di aver valutato la teoria su 117 frontiere pubblicate.
  • La teoria deriva prezzi delle risorse minimax λ*_i = α_i/(N+1) con un rimpianto esatto nel caso peggiore di ln(N+1) nat.
  • Quando ciascuna delle N risorse contribuisce con un canale attivo, la teoria fornisce la regola operativa senza parametri N_eff = 1 in unità erogate.
  • La teoria è implementata nel pacchetto open source nn-rank, che deriva i prezzi dalla qualità e dal costo misurati, classifica i candidati e riporta le scelte supportate e il rimpianto minimax.

I costruttori di IA possono usare nn-rank per derivare i prezzi delle risorse dalla qualità e dal costo misurati e classificare i candidati senza tassi di cambio scelti a mano, ottenendo anche una garanzia quantificata di rimpianto minimax.

arXiv stat.ML
04
testresearchcapability unlock

Bits, Not Boxes: selezione dei layer senza etichette per la localizzazione visiva nei VLM

Il paper presenta WhereBits, che trasforma i bit where-to-look misurati su domande non etichettate in un prior sui layer e li combina con punteggi contrastivi per testa per selezionare i layer che localizzano l'oggetto richiesto, senza annotazioni di box o regole fisse.

  • Il paper riporta che WhereBits raggiunge un'accuratezza di pointing su COCO di 0,72, contro 0,22 di mean attention.
  • Su otto VLM, WhereBits eguaglia l'accuratezza di pointing dei layer ottimizzati con box su COCO e RefCOCO e ordina meglio i token target.
  • Il vantaggio si mantiene su una famiglia di modelli tenuta da parte e a risoluzioni più alte.
  • Nello zoom-in senza addestramento, i suoi ritagli aumentano l'accuratezza di V* di 6,0 punti sotto valutazione a scelta forzata.

Per chi costruisce pipeline di localizzazione con VLM, la selezione dei layer può essere ricalibrata per un nuovo modello o una nuova risoluzione usando solo domande non etichettate, eliminando la necessità di annotazioni di box.

arXiv cs.CV
05
testmodelsopen source unlock

Tencent pubblica Hy4-flash: modello MoE multimodale con 220B parametri e 12B attivi

Hy4-flash di Tencent adotta un'architettura Mixture-of-Experts con 220B parametri totali e 12B attivi per token, accetta nativamente input testuali e visivi, supporta una finestra di contesto fino a 1M token ed è rilasciato con licenza Tencent Hy License.

  • 220B parametri totali (inclusi 64B parametri Engram) con 12B parametri attivi per token; il backbone linguistico a 42 layer comprende un layer denso e 41 layer MoE.
  • Lunghezza di contesto di 1M (1.048.576 token); l'encoder visivo è adattato da SigLIP2-So400m-Patch16-Res512 ed è collegato al backbone tramite un proiettore MLP.
  • Un drafter integrato a 5 layer, DFly2 (0,85B parametri), riutilizza la cache KV e gli indici sparse del modello target per il decoding speculativo a contesto lungo.
  • I pesi aperti sono rilasciati con Tencent Hy License come Hy4 flash, Hy4 flash-FP8 e il modello pre-addestrato Hy4 flash-base.

Per gli sviluppatori, Hy4-flash unisce 12B parametri attivi a un contesto di 1M token e all'input visivo nativo, e la riduzione riportata della cache KV con decoding oltre 150 token/s potrebbe ridurre memoria e costi nel serving a contesto ...

Hugging Face Trending
06
watchothercapability unlock

I modelli OpenAI fanno progredire il design dei chip: ottimizzati circuiti del silicio Jalapeño e migliorati progetti di core RISC-V

OpenAI afferma che i suoi modelli hanno ottimizzato circuiti usati nel silicio Jalapeño e migliorato progetti di core RISC-V, mostrando progressi nel design dei chip assistito dall'IA con GPT-6 Astra.

  • I modelli OpenAI hanno ottimizzato circuiti usati nel silicio Jalapeño.
  • I modelli OpenAI hanno migliorato progetti di core RISC-V.
  • OpenAI presenta questo come un progresso nel design dei chip assistito dall'IA con GPT-6 Astra.

Per i team di design dei chip, questo indica che i modelli OpenAI vengono applicati a lavoro reale su circuiti in silicio e progetti di core RISC-V, non solo a dimostrazioni concettuali.

OpenAI News
07
watchresearchincremental

Articolo: la controllabilità del ragionamento a catena può ridurne la monitorabilità

L'articolo mette alla prova il rischio del monitoraggio del ragionamento a catena tramite addestramento al controllo di persona: fine-tuning supervisionato su tracce di ragionamento matematico riscritte nelle voci di diverse persona. Ciò induce una capacità più ampia di controllo del CoT, sebbene l'addestramento non co...

  • L'addestramento è un fine-tuning supervisionato su tracce di ragionamento matematico riscritte nelle voci di diverse persona, senza esempi di elusione dei monitor nei dati.
  • Nelle valutazioni di intervento, l'occultamento esplicito porta spesso la monitorabilità vicino a zero.

I team che costruiscono monitor per agenti dovrebbero considerare il fine-tuning di persona come un fattore che può indebolire la monitorabilità del CoT e testare prompt di trasparenza mirati come mitigazione.

arXiv cs.AI
08
testdeveloperincremental

Perché il tuo job di fine-tuning dura più di quanto dicano i FLOPs

Dharma-AI ha confrontato stime analitiche basate sui FLOPs con predittori appresi su 272 job SFT di produzione (circa 7.382 GPU-ore su NVIDIA H200): la baseline FLOP ha raggiunto solo R² 0,31, mentre un regressore CatBoost che usa solo informazioni disponibili prima del dispatch ha raggiunto R² 0,98.

  • 272 esecuzioni SFT per un totale di circa 7.382 GPU-ore, eseguite su 1, 2 o 4 GPU H200 su 1-4 nodi, con durate da 1,6 a 172,4 ore.
  • La baseline FLOP (MFU 30%) ha ottenuto R² 0,31 e MAE 12,41 h; con MFU 45% l'R² è stato 0,18 e con MFU 60% è stato 0,01.
  • CatBoost ha raggiunto R² 0,98, MAE 1,71 h ed errore mediano 0,51 h in validazione incrociata a 5 fold, usando solo feature di configurazione disponibili prima del dispatch.
  • Il modello analitico Calculon ha prodotto stime corrispondenti a una mediana di solo l'11% del tempo reale osservato.

Per gli scheduler su cluster GPU condivisi, un predittore a gradient boosting basato sulla configurazione può fornire stime di durata utilizzabili prima del dispatch, cosa che il calcolo basato solo sui FLOPs non consente.

Hugging Face Blog