LingBot-Vision: imparare la geometria delle immagini dai boundary

LingBot-Vision trasforma i boundary in target self-supervised. Competitivo con Dinov3-7B.

Universal Weight Subspace Hypothesis guida completa

I large language model convergono tutti allo stesso modo?

TranslateGemma: Guida completa del nuovo modello open per la traduzione AI

TranslateGemma è una suite di modelli aperti basati su Gemma 3, ottimizzati per la traduzione.

GDPO: NVIDIA risolve il "Reward Collapse" di GRPO nel Multi-Reward RL

GDPO è una nuova tecnica di ottimizzazione per il Multi-reward RL che risolve il "reward collapse" di GRPO, fornendo segnali di addestramento più ricchi e precisi.

DeepSeek mHC: Spiegazione del paper e codice pytorch

DeepSeek sfrutta la geometria per stabilizzare reti profonde, bilanciando le connessioni per massimizzare le performance senza degradare il segnale.

MambaSeg: segmentazione semantica RGB+Event con Vision Mamba e fusione spazio-temporale DDIM

MambaSeg unisce due encoder Vision Mamba e un modulo DDIM spazio-temporale per segmentazione semantica RGB+event efficiente, SOTA su DDD17/DSEC benchmark.

RadAR: dall’autoregressione sequenziale a quella spaziale per generare immagini più velocemente (paper breakdown)

RadAR riorganizza l'autoregressione in anelli concentrici, genera token in parallelo e corregge errori con nested attention, accelerando drasticamente l'inference.

LIVR: come i token latenti potenziano il ragionamento visivo negli LMM

Migliora il ragionamento visivo dei Large Multimodal Models tramite token latenti e bottleneck visivi, eliminando la necessità di supervisione esplicita.

Classificazione del Testo con PyTorch: Guida Completa e codice

Addestrare un classificatore testuale in pytorch con 500 righe di python?

Cos'è PyTorch? Installazione, tensori e prima rete neurale

Dall'installazione al primo training loop.

Cos'è un AutoEncoder? Guida completa

Computer Vision 101

UnlimitedOCR v2 di Baidu: il modello OCR 3B per PDF di 300 pagine

300 pagine. Una sola richiesta.

d1-2B e d1-Omni-2B di Liquid AI: decisioni in 6 ms, senza generare testo

Niente token, solo decisioni: due modelli da 2B che rispondono in 6 millisecondi.

LFM3 di Liquid AI: i nuovi modelli 2B per testo, visione, audio e omni

Un modello da 1,7B che batte Qwen3.5-9B, e tre fratelli per immagini, video e voce.

LFM2.5-VL-3B: il Vision-Language Model di Liquid AI che Gira anche su Smartphone

Abbiamo un successore di Qwen!

Kimi K3: cos'è e come funziona il modello open da 2,8 trilioni di parametri

I laboratori AI di frontiera americani tremano!

LFM2.5-8B-A1B: l'Assistente Personale On-Device firmato Liquid AI

LFM2.5-350M, il nuovo foundation model per l'Edge Computing

28T tokens

Microsoft Rilascia harrier-oss-v1: Nuovi Modelli SOTA per Multilingual Text Embeddings

94 lingue!