Ricerca

Studio l’autorità dei modelli, la memoria e l’inferenza su hardware vincolato con codice ed esperimenti riproducibili, con evidenze e limiti per ogni artefatto.

Software pubblicato ed evidenze

attivo

emotional-memory

Livello di memoria per sistemi LLM con codifica dello stato affettivo, package PyPI, DOI Zenodo e benchmark riproducibili rispetto a Mem0, LangMem e Letta.

Domanda di ricerca
Quando il retrieval condizionato dallo stato affettivo aiuta la memoria di un LLM?
Limiti
Il vantaggio misurato riguarda il richiamo congruente con l’umore e discriminato dallo stato affettivo, quando lo stato affettivo viene fornito in fase di codifica. QA generale, valutazione affettiva automatica e diversi benchmark esterni non mostrano lo stesso vantaggio. Il DOI archivia software; non è un articolo sottoposto a peer review.
Dettagli del progettoEsamina le evidenzeSoftware archiviato (DOI)

Implementazioni di riferimento

attivo

reasoning-kernel

Implementazione di riferimento in Python di un reasoning kernel che separa il testo non fidato del modello dagli effetti autorizzati usando controllo basato su capability e taint tracking.

Domanda di ricerca
Come separare gli output non fidati di un modello dagli effetti autorizzati?
Limiti
L’implementazione impone una topologia di mediazione e autorizzazione. La conformità non dimostra che la policy dell’host sia sicura. È un’implementazione di riferimento, non una certificazione di sicurezza o un audit indipendente.
Dettagli del progettoEsamina le evidenze

Esperimenti

attivo

affective-fly

Sorgente affettiva ispezionabile per emotional-memory, costruita da un circuito ridotto del mushroom body di Drosophila con umore persistente, decisioni approach/avoid, journal replay e benchmark versionati.

Domanda di ricerca
Un circuito ridotto può fornire alla memoria un segnale affettivo ispezionabile e un umore persistente?
Limiti
Il circuito e le etichette emotive sono modelli computazionali, non affermazioni sull’esperienza della mosca. Senza un connettoma reale, i pesi del circuito sono casuali; le costanti temporali dell’umore restano ipotesi in attesa di validazione in una sessione host.
Dettagli del progettoEsamina le evidenze

attivo

xllama

Chat LLM locale e generazione immagini Stable-Diffusion su Xbox Series S|X in UWP development mode, con ONNX Runtime GenAI e DirectML instradati per workload.

Domanda di ricerca
Come adattare i workload di inferenza locale ai vincoli di memoria e piattaforma della modalità sviluppatore Xbox?
Limiti
È ricerca in modalità sviluppatore e su LAN, non un’applicazione Xbox retail o un servizio pubblico di inferenza. Una demo registrata non dimostra il throughput su modelli o hardware diversi.
Dettagli del progettoEsamina le evidenze

Temi e note di architettura

nota di ricerca

Concetti di runtime agentico

Loop di esecuzione, confini di ruolo, regole di terminazione, stato persistente e failure handling a livello runtime.

#runtime#agents#orchestration

esperimento attivo

Modelli di memoria per sistemi LLM

Confronto tra memoria episodica, semantica, compressa e affettiva per agenti che richiedono continuità.

#memory#retrieval#state

nota architetturale

Routing MCP e confini dei tool

Come i cataloghi di tool, i permessi, l’identità dei connector e gli adapter di protocollo rendono più affidabile l’esecuzione agentica.

#MCP#tools#protocols

esperimento

Inferenza LLM su hardware vincolato

Chat LLM locale e generazione immagini su Xbox Series S|X via UWP dev mode — ONNX Runtime GenAI e DirectML, instradati in base al workload entro limiti stretti di piattaforma.

#ONNX Runtime#DirectML#on-device
xllama
Leggi gli articoli tecnici