PointerPodcast

🏫 Chi tra voi ha studiato prima dell'avvento delle LLM, ha mai pensato a come sarebbe stato il suo percorso se invece avesse avuto a disposizione questi strumenti? Nella puntata di questa settimana abbiamo discusso del report rilasciato dal MIT, riguardante l'impatto che l'AI sta avendo sull'educazione e sull'insegnamento. 🧑‍🎓 Si tratta di un tema molto delicato che presenta molteplici sfaccettature e che non può essere ignorato. L'avvento e l'uso non consapevole dell'AI potrebbe portare infatti ad avere studenti sempre meno interessati ad apprendere, e a docenti costretti a correggere delle compiti scritti da LLM. 🧵 Il report non fornisce una soluzione a questo problema; noi ne abbiamo discusso cercando di capire come la scuola e l'università povrebbero evolversi per rimanere al passo nell'era dell'AI.Unisciti al nostro gruppo Telegram per discutere della puntata: https://t.me/pointerpodcastgruppo Note Puntata Il report del MIT Asking Authors About Their Own Papers Supporta il PointerPodcast Fai acquisti partedendo dalla nostra vetrina Amazon Iscriviti ad Audible dal nostro link per ricevere 1 mese di ascolto gratuito, 60 giorni se sei già utente Amazon Prime La nostra pagina supportaci Lascia una recensione su Spotify o Apple Podcast Lascia una recensione su Spotify Lascia una recensione su Apple Podcast Acquista il Prodotto della settimana Samsung Odyssey OLED G9 I nostri contatti: Gruppo Telegram LinkedIn Twitch YouTube Instagram Twitter Mail

✍🏻 Negli ultimi giorni si è parlato molto di Open AI e della soluzione proposta per uno dei problemi di matematica del millennio. Ma l'AI può davvero fare scienza? In questa puntata proviamo a capire quanto siamo vicini ad uno scenario in cui l'AI non viene più usata semplicemente per riassumere paper, scrivere codice o analizzare dati, ma per formulare ipotesi, progettare esperimenti e arrivare a nuove scoperte. 📓 Per farlo ci siamo fatti guidare da un paper controverso e ci siamo chiesti dove possono essere i limiti di una AI usata per la ricerca scientifica: fare ricerca significa soltanto cercare una soluzione migliore all’interno di uno spazio che già conosciamo, oppure richiede la capacità di inventare un modo completamente nuovo di guardare un problema? 👨‍🔬 Forse stiamo cercando di immaginare gli AI Scientist troppo a nostra immagine e somiglianza. Un’AI potrebbe analizzare milioni di frammenti della nostra conoscenza, collegare idee che nessun essere umano aveva mai pensato di mettere insieme e arrivare a una teoria che, almeno inizialmente, non sapremmo nemmeno spiegare. Forse saranno proprio queste capacità che ci faranno capire che abbiamo davanti uno scienziato ma che semplicemente non pensa come noi.Supporta il PointerPodcast Acquista il prodotto della settimana o parti da uno dei link qui sotto per fare acquisti su Amazon! Iscriviti ad Audible dal nostro link per ricevere 1 mese di ascolto gratuito, 60 giorni se sei già utente Amazon Prime La nostra pagina supportaci Unitevi al nostro gruppo Telegram per discutere della puntata Lascia una recensione su Spotify Lascia una recensione su Apple Podcast Prodotto della settimana Fai acquisti partedendo dalla nostra vetrina Amazon Note Puntata Research acceleration: The view inside OpenAI An Alien Mind LLMs can’t jump LLMs can jump AI Research Preference Models An AI Model Disproves a Discrete Geometry Conjecture I nostri contatti: Gruppo Telegram LinkedIn Twitch YouTube Instagram Twitter Mail

🤖 Cosa succede quando degli agenti AI che dovrebbero essere isolati in una sandbox trovano un modo per comunicare, accedere a Internet e porsi obiettivi comuni? È quello che è successo durante un esperimento di OpenAI, quando centinaia di agenti hanno iniziato a collaborare tra loro per migliorare le performance in un benchmark fino ad arrivare a compromettere parte dell'infrastruttura di Hugging Face. 🔓La storia è particolarmente interessante perché gli agenti non erano stati istruiti per fare tutto questo, ma stavano semplicemente cercando di portare a termine il loro task. Nel farlo però sono arrivati a comunicare, dividersi il lavoro e adottare strategie sempre più lontane da quelle previste dai ricercatori. 🛡️ L'incidente apre però una questione più ampia: le sandbox e i sistemi di sicurezza che utilizziamo oggi sono sufficienti per addestrare agenti sempre più capaci? Cosa si può fare per rendere più sicuro il post-training degli LLM?Supporta il PointerPodcast Acquista il prodotto della settimana o parti da uno dei link qui sotto per fare acquisti su Amazon! Iscriviti ad Audible dal nostro link per ricevere 1 mese di ascolto gratuito, 60 giorni se sei già utente Amazon Prime La nostra pagina supportaci Unitevi al nostro gruppo Telegram per discutere della puntata Lascia una recensione su Spotify Lascia una recensione su Apple Podcast Prodotto della settimana Dungeon Crawler Carl: 1 - Libro Dungeon Crawler Carl - Audiolibro Note Puntata Iscriviti ad Audible dal nostro link per ricevere 1 mese di ascolto gratuito, 60 giorni se sei già utente Amazon Prime Bingers Altri metodi di watermarking Anatomy of a Frontier Lab Agent Intrusion: A Technical Timeline of the July 2026 Incident OpenAI and Hugging Face partner to address security incident during model evaluation Security incident disclosure — July 2026 OpenAI’s Rogue AI Agent Hacked More Than Just Hugging Face The Hugging Face incident and the road ahead Brief independent investigation of agents’ behavior, reasoning and collaboration in the OpenAI / Hugging Face hacking incident Black Hat USA 2026 | The ‘Breaking’ News: The OpenAI–Hugging Face Incident I nostri contatti: Gruppo Telegram LinkedIn Twitch YouTube Instagram Twitter Mail

🤖 Anthropic ha annunciato qualche giorno fa che Claude inserirà un watermark invisibile nei testi generati. Non si tratta di caratteri nascosti né di un codice riconducibile all’utente: la firma nasce invece dalle parole scelte dal modello durante la generazione e da una chiave segreta. Ma come funziona questo sistema e cosa cambierà per noi utenti? 🎲 Per capirlo siamo partiti dal normale funzionamento di un LLM, per arrivare poi a SynthID-Text, il metodo adottato da Claude. Questo sistema interviene sul campionamento del token successivo, orientando la scelta tra parole ugualmente plausibili e introducendo così un pattern statistico all’interno dei testi generati. 🔍 Ma come possiamo usare questo pattern per capire se un testo è stato generato con Claude? Durante la fase di rilevamento, una chiave segreta permette ad Anthropic di verificare la presenza del watermark senza conoscere il prompt originale né dover generare nuovamente l’output. A questo punto, però, una domanda sorge spontanea: è possibile rimuovere il watermark?Supporta il PointerPodcast Acquista il prodotto della settimana o parti da uno dei link qui sotto per fare acquisti su Amazon! Iscriviti ad Audible dal nostro link per ricevere 1 mese di ascolto gratuito, 60 giorni se sei già utente Amazon Prime La nostra pagina supportaci Unitevi al nostro gruppo Telegram per discutere della puntata Lascia una recensione su Spotify Lascia una recensione su Apple Podcast Prodotto della settimana Dungeon Crawler Carl: 1 - Libro Dungeon Crawler Carl - Audiolibro Note Puntata Iscriviti ad Audible dal nostro link per ricevere 1 mese di ascolto gratuito, 60 giorni se sei già utente Amazon Prime How Claude’s text watermark works How Claude’s Text Watermarking Works I nostri contatti: Gruppo Telegram LinkedIn Twitch YouTube Instagram Twitter Mail

🤖 Questa settimana ci siamo chiesti cosa c'è davvero dietro ad un sistema agentico. Partendo da strumenti che utilizziamo quotidianamente come Claude Code, abbiamo separato i vari pezzi della matrioska: modello, agente, tool, MCP, skill, guardrail e soprattutto harness. 🧪 Una volta costruito un agente, come si possono valutare le sue qualità? Cambiare modello, tool o modalità di orchestrazione può infatti modificare costi, velocità e qualità del risultato. Valutare questi aspetti diventa fondamentale quando si iniziano a costruire workflow sempre più complessi. 🧠 La discussione ci porta infine a una riflessione più ampia su come stia cambiando il nostro rapporto con il software e con le competenze accumulate negli anni. Forse non stiamo semplicemente usando modelli migliori, ma stiamo imparando a costruire sistemi sempre più efficaci intorno a loro. Supporta il PointerPodcast Acquista il prodotto della settimana o parti da uno dei link qui sotto per fare acquisti su Amazon! Iscriviti ad Audible dal nostro link per ricevere 1 mese di ascolto gratuito, 60 giorni se sei già utente Amazon Prime La nostra pagina supportaci Unitevi al nostro gruppo Telegram per discutere della puntata Lascia una recensione su Spotify Lascia una recensione su Apple Podcast Prodotto della settimana Dungeon Crawler Carl: 1 - Libro Dungeon Crawler Carl - Audiolibro Note Puntata Iscriviti ad Audible dal nostro link per ricevere 1 mese di ascolto gratuito, 60 giorni se sei già utente Amazon Prime Demystifying evals for AI agents I nostri contatti: Gruppo Telegram LinkedIn Twitch YouTube Instagram Twitter Mail