Pointer[303]: Apriamo La Matrioska

🤔 Dopo una lunga sessione di coding con Claude ci sembra quasi doveroso scrivere 'grazie'. Ma quanto può costare quel messaggio? Se non avete una risposta questa è la puntata del PointerPodcast che fa per voi. 👨🏻‍💻 Abbiamo affrontato l'argomento con Luca, che ci ha spiegato il funzionamento del contesto dei Coding agent, di come la cache permette di ridurre i consumi e di come la dimensione del contesto influenza il consumo di token e, di conseguenza, il costo della sessione. 📝 L'obiettivo della nostra analisi, supportata anche da due paper, è stato cercare di capire quando, quanto e come conviene compattare il contesto. Per concludere abbiamo cercato di suggerire alcune buone pratiche di utilizzo dei coding agent per gestire al meglio il contesto.Unisciti al nostro gruppo Telegram per discutere della puntata: https://t.me/pointerpodcastgruppo Note Puntata Beyond Token Savings: A Systematic Study of Context Compression in LLM Agents You don’t need long context Claude Code Docs 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 Iscriviti a Kindle Unlimited dal nostro link per ricevere 3 mesi di letture gratuite Iscriviti a amazon music dal nostro link per ricevere 4 mesi di uso gratuito 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

💡Per cominciare abbiamo parlato del percorso di Giulio, dall'università al periodo trascorso in OpenAI, fino alla nascita di Paradigma. 🤖 Naturalmente Paradigma è stata l'argomento centrale di buona parte della puntata. Giulio ci ha guidati alla scoperta della startup, spiegandoci cosa fa, come è nata l'idea di costruire un' infrastruttura per automatizzare il processo di ricerca scientifica e come mai si è scelto di fondare la startup in Italia. 🔥 Tra i primi risultati di Paradigma ci sono Flywheel, che ci permette di rappresentare la ricerca scientifica in un grado di ipotesi, e Violetto, il modello allenato da paradigma specializzato nel risolvere problemi matematici. 👀 Se volete conoscere più a fondo Paradigma non perdetevi la puntata di questa settimanaUnisciti al nostro gruppo Telegram per discutere della puntata: https://t.me/pointerpodcastgruppo Note Puntata Paradigma Flywheel 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 Iscriviti a Kindle Unlimited dal nostro link per ricevere 3 mesi di letture gratuite Iscriviti a amazon music dal nostro link per ricevere 4 mesi di uso gratuito 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

🌳 Per la puntata di questa settimana avevamo alcune idee, ma grazie a Eugenio, la scaletta è stata completamente stravolta. Eugenio infatti, nel pre-puntata, ha iniziato a raccontarci di come utilizza i Git Worktree per lavorare in parallelo su più attività utilizzando gli agenti, e ci ha parlato anche della sua nuova app mobile.Questo ci ha fornito lo spunto per confrontare i nostri modi di lavorare. 📱 Ma come si sviluppa un'app mobile tramite Claude Code? Eugenio ci ha parlato della sua esperienza, dal primo prompt fino all'applicazione funzionante, passando per planning, scelta dei modelli e strumenti. 🔐 In chiusura tornano i PointerPicks, ma prima vi raccontiamo una storia poco rassicurante. Se utilizzate abitualmente Torrent, fate attenzione ai file .exe che possono essere scaricati involontaramente. Una recente analisi ha evidenziato la presenza all'interno di alcuni file .exe di infostealer, progettati per rubare password, credenziali e dati sensibili.Unisciti al nostro gruppo Telegram per discutere della puntata: https://t.me/pointerpodcastgruppo Note Puntata Worktrunk Impeccable Neobrutalism Cupertino Getting the most out of Opus 5.5 Someone on Torrent Sites Kept Fucking With My Sonarr 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 Iscriviti a Kindle Unlimited dal nostro link per ricevere 3 mesi di letture gratuite Iscriviti a amazon music dal nostro link per ricevere 4 mesi di uso gratuito 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 mesi si è parlato molto della Distillation dei modelli closed source eseguita da provider cinesi per il training dei loro modelli. Dopo l'ennesimo blog post di Open AI, che ha accusato Moonshot AI di aver utilizzato la distillation in Kimi K3, abbiamo pensato di incentrare la puntata di questa settimana su un articolo pubblicato di recente, in cui si mostra come sia possibile 'rubare' le reasoning traces delle LLM. 🕵️ L'approccio non è particolarmente complesso ma è molto astuto: i ricercatori hanno mostrato come sia possibile utilizzarlo per rubare le reasoning races e anche per eseguire Jailbreak e Prompt Injection. 🔎 A questo punto la domanda sorge spontanea: se possiamo rubare le reasoning races possiamo anche capire se un modello è stato allenato con Distillation? Una risposta definitiva non possiamo ancora averla, ma da alcune analisi mostrate nel paper si ricavano evidenze inequivocabili.Unisciti al nostro gruppo Telegram per discutere della puntata: https://t.me/pointerpodcastgruppo Note Puntata Stealing Reasoning Traces from Proprietary LLM APIs Disrupting a coordinated model-distillation campaign 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 Iscriviti a Kindle Unlimited dal nostro link per ricevere 3 mesi di letture gratuite Iscriviti a amazon music dal nostro link per ricevere 4 mesi di uso gratuito 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

🏫 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

👜 Questa settimana prendiamo ispirazione dai video 'Cosa c'è nella mia borsa per le vacanze' e ve ne proponiamo una versione AI-centrica. ⌨️ Cominciamo presentandovi i nostri setup agentici: in questa prima parte ci siamo concentrati solo sui nostri setup per il codice, esaminando le harness che utilizziamo, le skill che sfruttiamo durante il lavoro e le varie estensioni. 🚀 Dalla nostra discussione si può capire ancora più chiaramente che non esistono setup perfetti in modo universale; ognuno ha il suo e lo evolve in modo da renderlo il più possibile alle proprie necessità e all'arrivo di nuovi modelli. E voi che setup utilizzate? Fatecelo sapere nella PointerChat!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 pi.dev omp Building pi in a World of Slop — Mario Zechner Explain DIff Skill I nostri contatti: Gruppo Telegram LinkedIn Twitch YouTube Instagram Twitter Mail