llm
La chirurgia della conoscenza: come aggiornare, cancellare e valutare i LLM senza rieducarli da zero
Nuove ricerche mostrano come le architetture a memoria condizionale permettano aggiornamenti chirurgici dei fatti; il disapprendimento richiede paradossalmente più memoria; l'economia delle preferenze dichiarate offre un framework per valutare modelli senza risposte corrette note.
Pubblicato il
I grandi modelli linguistici sono spesso trattati come monoliti statici: si addestrano una volta, si comprimono, si quantizzano e si deployano. Ma la realtà operativa delle imprese italiane — banche che devono aggiornare normative antiriciclaggio, catene logistiche che cambiano codici doganali, studi legali che incorporano nuove sentenze — richiede che la conoscenza interna sia modificabile senza ricorrere a costosi cicli di rieducazione completa. Tre lavori pubblicati la scorsa settimana su arXiv affrontano il problema da angolazioni complementari: come scrivere nuovi fatti in modo selettivo, come rimuoverne di indesiderati senza danneggiare il resto, e come verificare che le risposte rimangano coerenti quando non esiste una "risposta giusta" oggettiva (EngramEdit: Decoupled Knowledge Updates in LLMs through Conditional Memory) (Why Forget-Only Unlearning Needs Memorization) (Validity Without Ground Truth: What Stated-Preference Economics Offers the Evaluation of Language Models).
Fonti
- https://arxiv.org/abs/2610.10536v1
- https://arxiv.org/abs/2610.10533v1
- https://arxiv.org/abs/2610.10527v1
- https://arxiv.org/abs/2610.10526v1
- https://arxiv.org/abs/2610.10520v1
- https://arxiv.org/abs/2610.10519v1
- https://arxiv.org/abs/2610.10513v1
- https://arxiv.org/abs/2610.10508v1
- https://arxiv.org/abs/2610.10506v1
- https://arxiv.org/abs/2610.10499v1
- https://www.nist.gov/news-events/news/2026/10/physicist-jun-ye-wins-wolf-prize-physics
Altre letture
- LLM e mondo fisico: il divario tra linguaggio e realtà che frena l'adozione industriale Nuove ricerche rivelano che i modelli linguistici faticano a interiorizzare vincoli fisici e misurazioni oggettive. Dalla robotica alla generazione di colore, l'embodiment richiede architetture radicalmente diverse.
- LLM 2026: Affidabilità, Efficienza e Autocontrollo — La Triade per il Deployment Enterprise Dall'astensione controllata alla distillazione senza bias, passando per la compressione edge: le nuove ricerche mostrano come i modelli linguistici stiano diventando strumenti affidabili per la produzione reale, non solo demo impressionanti.
- LLM oltre l'attenzione: architetture ricorrenti, ragionamento 3D e memoria a biografie di entità per l'AI che abita il mondo fisico Mentre l'attenzione classica mostra i suoi limiti, nuove architetture a stati ricorrenti, modelli multimodali che "immaginano" scene 3D tramite Gaussian Splatting e memorie a biografie di entità stanno ridefinendo come i LLM elaborano contesti lunghi e interagiscono con lo spazio fisico.