Novità AI e Deep Learning: Resoconto Notizie 5-11 Gennaio 2026

Questa settimana, dal 5 all'11 Gennaio 2026, il panorama dell'intelligenza artificiale ha visto novità interessanti nel multimodal retrieval, Reinforcement Learning e nell'ottimizzazione di modelli on-device.

Multimodal RAG: Il nuovo standard di Qwen3-VL-Embedding e Reranker

L'evoluzione dei sistemi RAG (Retrieval-Augmented Generation) richiede pipeline capaci di processare non solo testo, ma anche input visivi complessi. In questo contesto, l'uscita di Qwen3-VL-Embedding e Reranker definisce un nuovo benchmark per il multimodal retrieval.

I nuovi modelli migliorano drasticamente la rappresentazione semantica unificata tra testo e immagini. L'introduzione di un reranker multimodale specifico permette di raffinare i risultati della ricerca vettoriale, riducendo le "hallucinations" nei task che richiedono reasoning visivo. Questa architettura può tonrare molto utile per coloro che ad esempio costruiscono sistemi di ricerca su documenti contenenti grafici e diagrammi.

Speech AI: Trascrizione a latenza zero con ElevenLabs

Nel settore dell'audio processing, ElevenLabs ha rilasciato Scribe v2, una nuova API per la trascrizione Speech-to-Text.

L'aggiornamento si concentra sulla riduzione della latenza per applicazioni real-time e sul miglioramento dell'accuratezza nel riconoscimento del parlante (speaker diarization). Scribe v2 supporta un vocabolario esteso e gestisce meglio il "code-switching" tra lingue diverse, rendendolo una soluzione robusta per agenti vocali conversazionali che richiedono low-latency responses.

Architetture e Deep Learning: GDPO e mHC

Per i ricercatori e gli ingegneri ML, questa settimana ha portato due contributi teorici rilevanti focalizzati sull'efficienza e la stabilità del training.

Risolvere il Reward Collapse nel RL

NVIDIA ha presentato GDPO (Group Direct Preference Optimization), una tecnica progettata per mitigare il fenomeno del "Reward Collapse" in scenari di Multi-Reward Reinforcement Learning. Come analizzato nell'articolo dedicato a GDPO, i metodi tradizionali tendono a sovrastimare una reward a discapito delle altre, portando a policy subottimali. GDPO stabilizza il processo di allineamento, garantendo un bilanciamento più efficace tra obiettivi contrastanti, cruciale per il finetuning di LLM complessi.

DeepSeek mHC: Oltre la ResNet

Parallelamente, DeepSeek ha introdotto mHC, descritta come una "Super ResNet" per l'era dei LLM. L'architettura sfrutta il concetto di Hyper Connections per migliorare il flusso dei gradienti nelle reti profonde. A differenza delle connessioni residue standard, mHC permette una propagazione delle informazioni più densa ed efficiente, riducendo il numero di parametri necessari per raggiungere performance di stato dell'arte e ottimizzando il training throughput.

Per restare aggiornati su paper Deep Learning, vi consiglio la sezione papers di HuggingFace.

Edge AI: Liquid AI rilascia LFM 2.5

Spostando il focus dal cloud all'edge, Liquid AI ha lanciato LFM 2.5 LM e VL, la nuova generazione dei suoi Large Foundation Models.

Questi modelli si discostano dalla classica architettura Transformer per abbracciare approcci ispirati alle reti neurali liquide, offrendo un'efficienza superiore in termini di memoria e calcolo durante l'inferenza. LFM 2.5 è progettato specificamente per l'esecuzione on-device, abilitando capacità generative avanzate su hardware consumer senza dipendere da cluster GPU.

Fondamentali: Architetture Seq2Seq

Per chi si avvicina ora alla progettazione di reti neurali o necessita di un refresh sui concetti base che hanno portato ai moderni Transformer, ho pubblicato una prima guida completa ai Modelli Encoder-Decoder. L'articolo esplora l'architettura Seq2Seq, la gestione dei pesi e l'implementazione pratica in PyTorch, fornendo le basi necessarie per comprendere sistemi più complessi come i modelli di traduzione automatica e summarization, alla base dell'AI moderna.