Yeco Flash Mini-IT v1
Micro-LLM italiano da 118M parametri, addestrato con meno di €15, ~200 tok/s su CPU. Batte modelli 5× più grandi nei benchmark di logica italiana.
Paper
Il Futuro delle Architetture Cognitive
Perché gli LLM probabilistici hanno bisogno di strati cognitivi deterministici.
Abstract
I sistemi probabilistici non possono garantire comportamento deterministico su lunghi orizzonti. Quando un agente persegue un obiettivo multi-step, un singolo token a bassa probabilità può far deragliare l'intera catena — derivazione semantica.
La context window non è la risposta
Affollare il modello di più contesto non risolve il degrado dell'attenzione; contesti più lunghi spesso aumentano il rapporto rumore/segmento, rendendo le allucinazioni più probabili, non meno.
Strati cognitivi
La soluzione sta in architetture migliori: trattare l'LLM come motore di ragionamento, non come controllore esecutivo. Uno strato cognitivo è un monitor esogeno che mantiene uno stato indipendente dalla context window del modello.
- Loop detection: riconoscere quando l'agente ripete azioni o pensieri
- Goal tracking: garantire il movimento verso l'obiettivo, non solo testo
- Safety enforcement: bloccare i comandi pericolosi prima dell'esecuzione
Conclusioni
Delegando la funzione esecutiva a uno strato deterministico leggero, l'affidabilità supera di gran lunga quella di un LLM grezzo, a una frazione del costo. Questa è la tesi di Anti-Loop Layer.