Il capex delle Big Tech sta per superare il cash flow 📊
Epoch AI ha pubblicato un nuovo data insight sulla spesa in infrastrutture AI degli hyperscaler: stima che entro il Q3 2026 gli investimenti in capex supereranno il flusso di cassa operativo.
Dentro troverete:
📌 Il sorpasso: capex aggregato oltre il cash flow entro Q3 2026
📌 NVIDIA: oltre il 60% del compute totale installato
📌 Il resto: Google e Amazon a coprire gran parte del compute rimanente
📌 Il trend: capex cresciuto molto più velocemente dei ricavi
📌 I dati: parte del database Epoch AI su oltre 3.500 modelli ML
Lo trovate qui 👉 https://epoch.ai/data-insights/hyperscaler-capex-vs-cash-flow
Epoch AI ha pubblicato un nuovo data insight sulla spesa in infrastrutture AI degli hyperscaler: stima che entro il Q3 2026 gli investimenti in capex supereranno il flusso di cassa operativo.
Dentro troverete:
📌 Il sorpasso: capex aggregato oltre il cash flow entro Q3 2026
📌 NVIDIA: oltre il 60% del compute totale installato
📌 Il resto: Google e Amazon a coprire gran parte del compute rimanente
📌 Il trend: capex cresciuto molto più velocemente dei ricavi
📌 I dati: parte del database Epoch AI su oltre 3.500 modelli ML
Lo trovate qui 👉 https://epoch.ai/data-insights/hyperscaler-capex-vs-cash-flow
❤3🤣3❤🔥1
Aggiornare un package una volta è facile, farlo per 12 release di fila molto meno ⛓️
SWE-Chain valuta i coding agent su catene di upgrade reali, dove ogni versione si costruisce sulla precedente proprio come succede nella manutenzione vera di un progetto.
Dentro troverete:
📌 Dataset: 12 catene di upgrade su 9 package Python reali
📌 Scala: 155 transizioni di versione, 1.660 requisiti verificati
📌 Risultato: i migliori agenti risolvono in media meno del 50% dei task
📌 Top performer: Claude Opus 4.7 su Claude Code al 60,8% di resolving
Lo trovate qui 👉 https://arxiv.org/abs/2605.14415
SWE-Chain valuta i coding agent su catene di upgrade reali, dove ogni versione si costruisce sulla precedente proprio come succede nella manutenzione vera di un progetto.
Dentro troverete:
📌 Dataset: 12 catene di upgrade su 9 package Python reali
📌 Scala: 155 transizioni di versione, 1.660 requisiti verificati
📌 Risultato: i migliori agenti risolvono in media meno del 50% dei task
📌 Top performer: Claude Opus 4.7 su Claude Code al 60,8% di resolving
Lo trovate qui 👉 https://arxiv.org/abs/2605.14415
❤2
Se in questo periodo state cercando nuove opportunità, su Datapizza Jobs abbiamo due posizioni che potrebbero interessarvi! 🙌
1️⃣ Sales Industry Leader - Pubblica Amministrazione e Difesa in Datapizza
💸 RAL: 70k-80k
💡 Esperienza: 6+ anni
📍 Ibrido su Milano
🙌 Tecnologie: Sales Strategy, Account Management, Capacità di negoziazione, Data & AI, Business Development, Result driven, Pubblica Amministrazione e Difesa
👉 https://bit.ly/4qBVybO
2️⃣ AI Transformation Leader in Azzurrodigitale
💸 RAL: 60k-80k
💡 Esperienza: 5+ anni
📍 Ibrido su Padova
🙌 Tecnologie: AI Expert, Evaluation di soluzioni GenAI, RAG e Agenti, Sistemi multi-agente, AI Tools, People Management, Project management
👉 https://bit.ly/4zvVf6b
E se avete domande sulle posizioni, noi siamo qui! 🙌
1️⃣ Sales Industry Leader - Pubblica Amministrazione e Difesa in Datapizza
💸 RAL: 70k-80k
💡 Esperienza: 6+ anni
📍 Ibrido su Milano
🙌 Tecnologie: Sales Strategy, Account Management, Capacità di negoziazione, Data & AI, Business Development, Result driven, Pubblica Amministrazione e Difesa
👉 https://bit.ly/4qBVybO
2️⃣ AI Transformation Leader in Azzurrodigitale
💸 RAL: 60k-80k
💡 Esperienza: 5+ anni
📍 Ibrido su Padova
🙌 Tecnologie: AI Expert, Evaluation di soluzioni GenAI, RAG e Agenti, Sistemi multi-agente, AI Tools, People Management, Project management
👉 https://bit.ly/4zvVf6b
E se avete domande sulle posizioni, noi siamo qui! 🙌
❤2👍1💯1
Un agente AI puo' davvero comportarsi come un ricercatore, dall'idea alla pubblicazione? 🔬
Questa suite di benchmark valuta LLM frontier e harness agentici su tutto il ciclo di vita della ricerca scientifica, non solo su un singolo task isolato.
Dentro troverete:
📌 Copertura: ideazione, letteratura, esperimenti, scrittura del paper
📌 Target: modelli frontier e harness agentici a confronto diretto
📌 Metodo: task pensati per simulare il lavoro reale di un ricercatore
📌 Risultato: gap ancora ampio tra agenti e ricercatori umani sul ciclo completo
Lo trovate qui 👉 https://arxiv.org/abs/2606.07462
Questa suite di benchmark valuta LLM frontier e harness agentici su tutto il ciclo di vita della ricerca scientifica, non solo su un singolo task isolato.
Dentro troverete:
📌 Copertura: ideazione, letteratura, esperimenti, scrittura del paper
📌 Target: modelli frontier e harness agentici a confronto diretto
📌 Metodo: task pensati per simulare il lavoro reale di un ricercatore
📌 Risultato: gap ancora ampio tra agenti e ricercatori umani sul ciclo completo
Lo trovate qui 👉 https://arxiv.org/abs/2606.07462
❤2👍1🥴1
Creare dataset con l'AI, senza scrivere una riga di codice 🧮
Hugging Face ha lanciato AI Sheets, un tool open source che vi permette di costruire, arricchire e trasformare dataset usando modelli AI direttamente da un'interfaccia a foglio di calcolo. Potete usare migliaia di modelli open del Hub tramite Inference Providers, oppure far girare tutto in locale.
Dentro troverete:
📌 Zero codice: interfaccia a celle, come un foglio di calcolo
📌 Migliaia di modelli: accesso diretto ai modelli open del Hub
📌 Locale o cloud: scegliete tra Inference Providers e modelli locali
📌 Arricchimento dati: generate, pulite e trasformate colonne con un prompt
Lo trovate qui 👉 https://huggingface.co/blog/aisheets
Hugging Face ha lanciato AI Sheets, un tool open source che vi permette di costruire, arricchire e trasformare dataset usando modelli AI direttamente da un'interfaccia a foglio di calcolo. Potete usare migliaia di modelli open del Hub tramite Inference Providers, oppure far girare tutto in locale.
Dentro troverete:
📌 Zero codice: interfaccia a celle, come un foglio di calcolo
📌 Migliaia di modelli: accesso diretto ai modelli open del Hub
📌 Locale o cloud: scegliete tra Inference Providers e modelli locali
📌 Arricchimento dati: generate, pulite e trasformate colonne con un prompt
Lo trovate qui 👉 https://huggingface.co/blog/aisheets
🔥7❤4👍3
Le skill dei vostri agenti possono allenarsi da sole 🛠️
SkillOpt di Microsoft è un optimizer open source che allena skill testuali riutilizzabili per agenti LLM "congelati", senza toccare i pesi del modello. Basta un documento di skill che si aggiorna da solo, con edit validati e nessuna chiamata extra a inferenza.
Dentro troverete:
📌 Come funziona: un optimizer trasforma i rollout in edit su un unico file di skill
📌 Validazione: ogni modifica è accettata solo se migliora lo score
📌 Risultati: fino a +24,8 punti nel loop agentico di Codex
📌 Portabilità: le skill si trasferiscono tra modelli e harness diversi
Lo trovate qui 👉 https://github.com/microsoft/SkillOpt
SkillOpt di Microsoft è un optimizer open source che allena skill testuali riutilizzabili per agenti LLM "congelati", senza toccare i pesi del modello. Basta un documento di skill che si aggiorna da solo, con edit validati e nessuna chiamata extra a inferenza.
Dentro troverete:
📌 Come funziona: un optimizer trasforma i rollout in edit su un unico file di skill
📌 Validazione: ogni modifica è accettata solo se migliora lo score
📌 Risultati: fino a +24,8 punti nel loop agentico di Codex
📌 Portabilità: le skill si trasferiscono tra modelli e harness diversi
Lo trovate qui 👉 https://github.com/microsoft/SkillOpt
🔥1💯1
Se in questo periodo state cercando nuove opportunità, su Datapizza Jobs abbiamo due posizioni che potrebbero interessarvi! 🙌
1️⃣ AI Transformation Leader in Azzurro Digitale
💸 RAL: 60k-80k + MBO 💡 Esperienza: 5+ anni 📍 Ibrido a Padova 🙌 Tecnologie: AI Expert, Evaluation di soluzioni GenAI, RAG e Agenti, Sistemi multi-agente, AI Tools, People Management, Project management
👉 https://bit.ly/4qHWmfl
2️⃣ AI Transformation Lead - Datapizza
💸 RAL: 45-55k 💡 Esperienza: 6-8 anni 📍 Ibrido su Milano (3-4 giorni a settimana in sede) 🙌 Tecnologie: AI ExpertEvaluation di soluzioni GenAIAI TransformationAI ToolsChange Management
👉 https://bit.ly/3SVoxe8
E se avete domande sulle posizioni, noi siamo qui! 🙌
1️⃣ AI Transformation Leader in Azzurro Digitale
💸 RAL: 60k-80k + MBO 💡 Esperienza: 5+ anni 📍 Ibrido a Padova 🙌 Tecnologie: AI Expert, Evaluation di soluzioni GenAI, RAG e Agenti, Sistemi multi-agente, AI Tools, People Management, Project management
👉 https://bit.ly/4qHWmfl
2️⃣ AI Transformation Lead - Datapizza
💸 RAL: 45-55k 💡 Esperienza: 6-8 anni 📍 Ibrido su Milano (3-4 giorni a settimana in sede) 🙌 Tecnologie: AI ExpertEvaluation di soluzioni GenAIAI TransformationAI ToolsChange Management
👉 https://bit.ly/3SVoxe8
E se avete domande sulle posizioni, noi siamo qui! 🙌
❤1🌭1
Il toolkit robotics open source di Hugging Face si aggiorna 🤖
LeRobot v0.6.0 è il rilascio più grande di sempre per la libreria open source di robotica di Hugging Face: chiude il loop imagine-evaluate-improve per l'AI embodied, con nuovi modelli, benchmark e strumenti di training.
Dentro troverete:
📌 World model policies: VLA-JEPA, FastWAM, LingBot-VA per "immaginare" il futuro
📌 Nuovi VLA: GR00T N1.7, MolmoAct2, EO-1, EVO1 e altri
📌 Valutazione: 6 benchmark di simulazione unificati in lerobot-eval
📌 Training: FSDP e cloud training su HF Jobs
📌 Dataset: supporto depth, annotazione automatica e caricamento 2x più veloce
Lo trovate qui 👉 https://huggingface.co/blog/lerobot-release-v060
LeRobot v0.6.0 è il rilascio più grande di sempre per la libreria open source di robotica di Hugging Face: chiude il loop imagine-evaluate-improve per l'AI embodied, con nuovi modelli, benchmark e strumenti di training.
Dentro troverete:
📌 World model policies: VLA-JEPA, FastWAM, LingBot-VA per "immaginare" il futuro
📌 Nuovi VLA: GR00T N1.7, MolmoAct2, EO-1, EVO1 e altri
📌 Valutazione: 6 benchmark di simulazione unificati in lerobot-eval
📌 Training: FSDP e cloud training su HF Jobs
📌 Dataset: supporto depth, annotazione automatica e caricamento 2x più veloce
Lo trovate qui 👉 https://huggingface.co/blog/lerobot-release-v060
🔥5❤1
Gli agenti AI messi alla prova su task lunghi da terminale 💻
I benchmark da terminale esistenti misurano solo task brevi, risolvibili in pochi minuti. Long-Horizon-Terminal-Bench cambia approccio: valuta gli agenti su compiti lunghi, con un sistema di reward denso che premia anche i progressi parziali.
Dentro troverete:
📌 Il problema: i benchmark classici ignorano il progresso intermedio
📌 La soluzione: reward grading denso per misurare anche i risultati parziali
📌 L'obiettivo: capire quanto un agente regge in task complessi e prolungati
Lo trovate qui 👉 https://arxiv.org/abs/2607.08964
I benchmark da terminale esistenti misurano solo task brevi, risolvibili in pochi minuti. Long-Horizon-Terminal-Bench cambia approccio: valuta gli agenti su compiti lunghi, con un sistema di reward denso che premia anche i progressi parziali.
Dentro troverete:
📌 Il problema: i benchmark classici ignorano il progresso intermedio
📌 La soluzione: reward grading denso per misurare anche i risultati parziali
📌 L'obiettivo: capire quanto un agente regge in task complessi e prolungati
Lo trovate qui 👉 https://arxiv.org/abs/2607.08964
❤6
Tutti i numeri sull'AI del primo trimestre 2026 📊
CB Insights ha pubblicato il suo report trimestrale sullo stato dell'AI, con dati su funding, startup, settori più caldi e le mosse delle Big Tech nel primo trimestre dell'anno.
Dentro troverete:
📌 Funding: dove sono finiti davvero i miliardi investiti in AI
📌 Settori: quali verticali stanno crescendo più velocemente
📌 Startup: le aziende emergenti da tenere d'occhio
📌 Big Tech: le strategie delle grandi aziende sull'AI
Lo trovate qui 👉 https://www.cbinsights.com/research/report/ai-trends-q1-2026/
CB Insights ha pubblicato il suo report trimestrale sullo stato dell'AI, con dati su funding, startup, settori più caldi e le mosse delle Big Tech nel primo trimestre dell'anno.
Dentro troverete:
📌 Funding: dove sono finiti davvero i miliardi investiti in AI
📌 Settori: quali verticali stanno crescendo più velocemente
📌 Startup: le aziende emergenti da tenere d'occhio
📌 Big Tech: le strategie delle grandi aziende sull'AI
Lo trovate qui 👉 https://www.cbinsights.com/research/report/ai-trends-q1-2026/
❤3❤🔥2
Gli agenti LLM messi alla prova in ambienti reali, non ideali 🌐
La maggior parte dei benchmark valuta gli agenti in scenari semplificati, con tool puliti e input perfetti. AgentGym2 fa il contrario: testa gli agenti in ambienti "de-idealizzati" che assomigliano molto più al mondo reale.
Dentro troverete:
📌 Ambienti realistici: niente tool interface pre-impacchettate
📌 Input imperfetti: gli agenti devono gestire dati incompleti o sporchi
📌 Copertura ampia: più scenari e più tipologie di task rispetto ai benchmark classici
Lo trovate qui 👉 https://arxiv.org/abs/2607.05174
La maggior parte dei benchmark valuta gli agenti in scenari semplificati, con tool puliti e input perfetti. AgentGym2 fa il contrario: testa gli agenti in ambienti "de-idealizzati" che assomigliano molto più al mondo reale.
Dentro troverete:
📌 Ambienti realistici: niente tool interface pre-impacchettate
📌 Input imperfetti: gli agenti devono gestire dati incompleti o sporchi
📌 Copertura ampia: più scenari e più tipologie di task rispetto ai benchmark classici
Lo trovate qui 👉 https://arxiv.org/abs/2607.05174
❤3🔥1💔1
Se in questo periodo state cercando nuove opportunità, su Datapizza Jobs abbiamo due posizioni che potrebbero interessarvi! 🙌
1️⃣ Software Engineer (.NET) - Imatra
💸 RAL: 45k - 55k
💡 Esperienza: 4+ anni
📍 Full Remote, con la disponibilità di recarsi in sede a Rimini quando richiesto
🙌 Tecnologie: C#, .NET, SQL, PostgreSQL, ReactGCP
👉 https://bit.ly/4y957Bi
2️⃣ Senior Software Engineer - Datapizza
💸 RAL: 40k - 55k
💡 Esperienza: 4+ anni
📍 Full Remote
🙌 Tecnologie: Effect, Docker, Typescript, TanStack, AWS, Next.JS, Bun
👉 https://bit.ly/4h5NeOa
E se avete domande sulle posizioni, noi siamo qui! 🙌
1️⃣ Software Engineer (.NET) - Imatra
💸 RAL: 45k - 55k
💡 Esperienza: 4+ anni
📍 Full Remote, con la disponibilità di recarsi in sede a Rimini quando richiesto
🙌 Tecnologie: C#, .NET, SQL, PostgreSQL, ReactGCP
👉 https://bit.ly/4y957Bi
2️⃣ Senior Software Engineer - Datapizza
💸 RAL: 40k - 55k
💡 Esperienza: 4+ anni
📍 Full Remote
🙌 Tecnologie: Effect, Docker, Typescript, TanStack, AWS, Next.JS, Bun
👉 https://bit.ly/4h5NeOa
E se avete domande sulle posizioni, noi siamo qui! 🙌
❤3
Un benchmark per capire se gli agenti sono davvero proattivi 🎯
UniClawBench valuta gli agenti su task reali con un sistema a tre agenti: un executor, un supervisor nascosto e uno user agent che simula feedback multi-turno senza svelare i criteri di valutazione.
Dentro troverete:
📌 Executor agent: esegue il task richiesto
📌 Supervisor nascosto: valuta la qualità senza essere visibile all'agente
📌 User agent: simula un utente reale con feedback multi-turno
📌 L'obiettivo: misurare la proattività, non solo l'esecuzione
Lo trovate qui 👉 https://arxiv.org/abs/2607.08768
UniClawBench valuta gli agenti su task reali con un sistema a tre agenti: un executor, un supervisor nascosto e uno user agent che simula feedback multi-turno senza svelare i criteri di valutazione.
Dentro troverete:
📌 Executor agent: esegue il task richiesto
📌 Supervisor nascosto: valuta la qualità senza essere visibile all'agente
📌 User agent: simula un utente reale con feedback multi-turno
📌 L'obiettivo: misurare la proattività, non solo l'esecuzione
Lo trovate qui 👉 https://arxiv.org/abs/2607.08768
🔥2
Inferenza LLM in tempo reale: il corso con Cerebras ⚡
DeepLearning.AI, in collaborazione con Cerebras, ha lanciato Fast LLM Inference with Cerebras: un corso per costruire applicazioni LLM che rispondono in tempo reale sfruttando il Wafer-Scale Engine (WSE-3).
Dentro troverete:
📌 L'hardware: come funziona l'inferenza sul chip Wafer-Scale di Cerebras
📌 I casi d'uso: applicazioni latency-sensitive come la personalizzazione live
📌 I workflow multi-tool: gestire più chiamate in tempo reale senza colli di bottiglia
📌 Gli insegnanti: un team di ingegneri Cerebras che condivide esempi pratici
📌 Il formato: corso breve, gratuito e diretto sui casi d'uso reali
Ecco a voi il link! 👉 https://www.deeplearning.ai/courses/fast-llm-inference-with-cerebras
DeepLearning.AI, in collaborazione con Cerebras, ha lanciato Fast LLM Inference with Cerebras: un corso per costruire applicazioni LLM che rispondono in tempo reale sfruttando il Wafer-Scale Engine (WSE-3).
Dentro troverete:
📌 L'hardware: come funziona l'inferenza sul chip Wafer-Scale di Cerebras
📌 I casi d'uso: applicazioni latency-sensitive come la personalizzazione live
📌 I workflow multi-tool: gestire più chiamate in tempo reale senza colli di bottiglia
📌 Gli insegnanti: un team di ingegneri Cerebras che condivide esempi pratici
📌 Il formato: corso breve, gratuito e diretto sui casi d'uso reali
Ecco a voi il link! 👉 https://www.deeplearning.ai/courses/fast-llm-inference-with-cerebras
❤4
Un nuovo paradigma per il ragionamento degli agenti 🗺️
Il paper MAP (Map-then-Act) propone un approccio in due fasi per il ragionamento interattivo degli agenti su orizzonti lunghi: prima si costruisce una mappa dell'ambiente, poi si agisce sulla base di quella mappa.
Dentro troverete:
📌 Il problema: gli agenti perdono coerenza sui task che durano molti step
📌 La fase di mapping: costruzione esplicita di una rappresentazione dell'ambiente
📌 La fase di azione: decisioni prese sulla mappa invece che step-by-step alla cieca
📌 I test: valutazioni su scenari interattivi a orizzonte lungo
📌 I risultati: miglioramenti misurabili rispetto agli approcci reattivi classici
Lo trovate qui 👉 https://arxiv.org/abs/2605.13037
Il paper MAP (Map-then-Act) propone un approccio in due fasi per il ragionamento interattivo degli agenti su orizzonti lunghi: prima si costruisce una mappa dell'ambiente, poi si agisce sulla base di quella mappa.
Dentro troverete:
📌 Il problema: gli agenti perdono coerenza sui task che durano molti step
📌 La fase di mapping: costruzione esplicita di una rappresentazione dell'ambiente
📌 La fase di azione: decisioni prese sulla mappa invece che step-by-step alla cieca
📌 I test: valutazioni su scenari interattivi a orizzonte lungo
📌 I risultati: miglioramenti misurabili rispetto agli approcci reattivi classici
Lo trovate qui 👉 https://arxiv.org/abs/2605.13037
❤3
La guida IBM al prompt engineering, aggiornata al 2026 ✍️
IBM ha aggiornato la sua guida al prompt engineering con tecniche pratiche per ottenere risposte più accurate dai modelli, incluso l'uso di RAG, summarization e input strutturati come il JSON.
Dentro troverete:
📌 RAG: come combinare prompt e retrieval per risposte più precise
📌 Structured input: usare JSON e schemi per guidare il modello
📌 Tecniche pratiche: esempi concreti applicabili da subito
📌 Risorse extra: repository GitHub con casi d'uso reali
La trovate qui 👉 https://www.ibm.com/think/prompt-engineering
IBM ha aggiornato la sua guida al prompt engineering con tecniche pratiche per ottenere risposte più accurate dai modelli, incluso l'uso di RAG, summarization e input strutturati come il JSON.
Dentro troverete:
📌 RAG: come combinare prompt e retrieval per risposte più precise
📌 Structured input: usare JSON e schemi per guidare il modello
📌 Tecniche pratiche: esempi concreti applicabili da subito
📌 Risorse extra: repository GitHub con casi d'uso reali
La trovate qui 👉 https://www.ibm.com/think/prompt-engineering
👍5❤🔥3❤1💯1
Se in questo periodo state cercando nuove opportunità, su Datapizza Jobs abbiamo due posizioni che potrebbero interessarvi! 🙌
1️⃣ AI Engineer (Team AI & GenAI Development) in Generali
💸 RAL: 47k-53k
💡 Esperienza: 3-5 anni
📍 Ibrido su Milano
🙌 Tecnologie: Computer Vision, Python, Inglese, PyTorch, LangChain, GenAI, Agenti, AWS, MLOps
👉 https://bit.ly/4cBTTNy
2️⃣ Process Analyst in Easynet Group
💸 RAL: 30k-35k
💡 Esperienza: 1-2 anni
📍 Ibrido a Lecco
🙌 Tecnologie: Data Analysis, Databases, Strumenti BI, SQL, SAP, AI
👉 https://bit.ly/4y5LuLb
E se avete domande sulle posizioni, noi siamo qui! 🙌
1️⃣ AI Engineer (Team AI & GenAI Development) in Generali
💸 RAL: 47k-53k
💡 Esperienza: 3-5 anni
📍 Ibrido su Milano
🙌 Tecnologie: Computer Vision, Python, Inglese, PyTorch, LangChain, GenAI, Agenti, AWS, MLOps
👉 https://bit.ly/4cBTTNy
2️⃣ Process Analyst in Easynet Group
💸 RAL: 30k-35k
💡 Esperienza: 1-2 anni
📍 Ibrido a Lecco
🙌 Tecnologie: Data Analysis, Databases, Strumenti BI, SQL, SAP, AI
👉 https://bit.ly/4y5LuLb
E se avete domande sulle posizioni, noi siamo qui! 🙌
Quanto reggono gli agenti AI in più lingue? 💬
PolyWorkBench è un nuovo benchmark che mette alla prova gli agenti LLM su task lunghi e complessi in contesti multilingue, un'area ancora poco esplorata rispetto alle valutazioni solo in inglese.
Dentro troverete:
📌 Il gap: la maggior parte dei benchmark per agenti valuta solo in inglese
📌 Il formato: task realistici a orizzonte lungo in più lingue
📌 I modelli testati: confronto tra i principali agenti LLM frontier
📌 I risultati: cali di performance significativi fuori dall'inglese
📌 L'utilità: un punto di riferimento per chi sviluppa agenti globali
La trovate qui 👉 https://arxiv.org/abs/2607.06008
PolyWorkBench è un nuovo benchmark che mette alla prova gli agenti LLM su task lunghi e complessi in contesti multilingue, un'area ancora poco esplorata rispetto alle valutazioni solo in inglese.
Dentro troverete:
📌 Il gap: la maggior parte dei benchmark per agenti valuta solo in inglese
📌 Il formato: task realistici a orizzonte lungo in più lingue
📌 I modelli testati: confronto tra i principali agenti LLM frontier
📌 I risultati: cali di performance significativi fuori dall'inglese
📌 L'utilità: un punto di riferimento per chi sviluppa agenti globali
La trovate qui 👉 https://arxiv.org/abs/2607.06008
❤🔥1