Skip to content
Artwork for PointerPodcast
PointerPodcast · April 17 · 55 min

Pointer[288]: Non Toccate Il Coccodrillo

🔐 Nella puntata di questa settimana ci occupiamo ancora di Mythos, il nuovo LLM di Anthropic, analizzando il blog di Aisle riguardante l'uso di small LLM, e il blog post di AI Security Institute. 🧪 In tema di AI applicata al codice, parliamo del paper 'Embarassingly Simple Self Distillation' di Apple. Si tratta di un metodo estremamente semplice: il modello genera codice, lo riusa come dataset per il fine tuning e modifica il suo comportamento in base a diversi parametri. Il risultato è un miglioramento della performance nel coding. 🤯 Molto interessante è il meccanismo alla base di SSD. Il modello non ha bisogno di supervisione umana diretta dal momento che impara da sé stesso. Separando token 'Lock' e token 'fork' SSD riesce a rendere il modello più o meno stabile a seconda delle necessità. Supporta il PointerPodcast La nostra pagina supportaci Unitevi al nostro gruppo Telegram per discutere della puntata Lascia una recensione su Spotify Lascia una recensione su Apple Podcast Acquista il prodotto della settimana o parti da uno dei link qui sotto per fare acquisti su Amazon! Prodotto della settimana MacBook Neo Note Puntata TRL Embarrassingly Simple Self-Distillation Improves Code Generation AI Cybersecurity After Mythos: The Jagged Frontier Our evaluation of Claude Mythos Preview’s cyber capabilities I nostri contatti: Gruppo Telegram LinkedIn Twitch YouTube Instagram Twitter Mail

0:00-55:56

transcript

No transcript — this publisher did not publish one.

show notes

🔐 Nella puntata di questa settimana ci occupiamo ancora di Mythos, il nuovo LLM di Anthropic, analizzando il blog di Aisle riguardante l'uso di small LLM, e il blog post di AI Security Institute. 🧪 In tema di AI applicata al codice, parliamo del paper 'Embarassingly Simple Self Distillation' di Apple. Si tratta di un metodo estremamente semplice: il modello genera codice, lo riusa come dataset per il fine tuning e modifica il suo comportamento in base a diversi parametri. Il risultato è un miglioramento della performance nel coding. 🤯 Molto interessante è il meccanismo alla base di SSD. Il modello non ha bisogno di supervisione umana diretta dal momento che impara da sé stesso. Separando token 'Lock' e token 'fork' SSD riesce a rendere il modello più o meno stabile a seconda delle necessità.

Supporta il PointerPodcast

Prodotto della settimana

Note Puntata

I nostri contatti:

links15