Gli agenti conversazionali basati su intelligenza artificiale hanno un problema fondamentale: la memoria finita. I modelli linguistici di grandi dimensioni (LLM) operano su finestre di contesto limitate, il che significa che, nelle conversazioni lunghe, le informazioni più vecchie vengono inevitabilmente perse o compresse. Esistono diversi approcci per gestire questo limite, ma la maggior parte di essi si affida agli stessi LLM per riassumere e filtrare i ricordi, introducendo costi elevati, non determinismo e scarsa trasparenza.

Temperature, top-p, top-k e max_tokens sono i parametri che controllano il comportamento dei modelli di linguaggio (LLM) durante la generazione delle risposte. Configurarli correttamente — e capire come interagiscono — è fondamentale per ottenere output prevedibili, creativi o deterministici a seconda delle necessità del tuo caso d’uso.

Nel mondo dello sviluppo Python, la gestione delle dipendenze è un aspetto cruciale per garantire la riproducibilità e la stabilità dei progetti. In questo articolo, esploreremo come utilizzare efficacemente il file requirements.txt, gestire le versioni delle librerie e installare i modelli per spaCy, una delle librerie più potenti per il Natural Language Processing.

È di qualche giorno fa la notizia che vede Jeff Bezos protagonista come investitore in Perplexity: questa startup, nata da alcuni ex-membri della divisione AI di Google ha raggiunto un totale di 73,6 milioni di dollari di finanziamenti, venendo valutata ben 520 milioni di dollari.

Sulla base di alcune conversazioni passate, mi sono resa conto che la pre-elaborazione del testo è un argomento spesso trascurato.

Nell’analisi del linguaggio naturale vengono impiegati di frequente diversi algoritmi di machine learning. Quali sono quelli più comuni? Quali le differenze e gli utilizzi?

Immagina di avere due stringhe e di voler vedere se queste due parlano dello stesso argomento: come fare?

“Named Entity Recognition”: letteralmente significa riconoscere le entità. Con Python, è un’attività piuttosto semplice, grazie alla potenza di librerie come spaCy che forniscono dei modelli pronti all’uso per riconoscere oggetti comuni come luoghi, persone, brand, e molto altro.