Deep Learning

SenseNova-Vision: il modello multimodale che unifica la computer vision

Detection, segmentation e geometry in un unico problema di multimodal generation.

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.

Nemotron 3 Nano: L'Ibrido Mamba-Transformer MoE per l'Agentic AI on-device

Modello ibrido Mamba-Transformer MoE da 3.9B parametri che ridefinisce efficienza e reasoning per l'AI on-device.

Step-DeepResearch: Analisi tecnica del modello che sfida OpenAI con "soli" 32B parametri

Modello da 32B parametri che eguaglia le prestazioni di ricerca di OpenAI e Gemini.

MAGIC: Ottimizzare il Model Merging tramite la Calibrazione della Magnitude

MAGIC ottimizza il model merging calibrando la magnitude di pesi e feature, training-free

4D-RGPT: Migliorare la comprensione 4D nei Multimodal LLM

4D-RGPT integra la comprensione 4D a livello di regione nei Multimodal LLM tramite Perceptual Distillation, definendo nuovi standard su R4D-Bench.

Notizie AI della 3ª settimana di dicembre 2025 (15-21 dicembre)

Pixio (In Pursuit of Pixel Supervision): guida completa

Next-Embedding Prediction (NEPA) guida completa

JustRL guida completa: scalare modelli da 1.5B con una ricetta RL semplificata

Sigma-MoE-Tiny guida completa: Efficienza e Performance con 500M parametri

Solo 1 esperto attivo?!

T5Gemma 2 guida completa: leggere e capire a lungo raggio

Bolmo guida completa: Byte-Level Language Model efficace

Gemini 3 Flash guida completa: cos'è, come funziona e perché conta davvero