I nostri team hanno lavorato con una versione di Claude Opus 4.6 che è 2,5 volte più veloce. Ora la rendiamo disponibile come esperimento preliminare tramite Claude Code e la nostra API.

Non riesci a capire l'esponenziale, di nuovo? La mia conversazione con @Mononofu - Julian Schrittwieser (@AnthropicAI, AlphaGo Zero, MuZero) - su Move 37, Scaling RL, Premio Nobel per l'AI e il confine dell'AI: 00:00 - Apertura a freddo: “Non vediamo alcun rallentamento.” 00:32 - Introduzione — Incontra Julian 01:09 - L'“esponenziale” dall'interno dei laboratori di frontiera 04:46 - 2026–2027: agenti che lavorano un'intera giornata; ampiezza a livello esperto 08:58 - Benchmark vs realtà: lavoro a lungo termine, GDP-Val, valore per l'utente 10:26 - Move 37 — cosa è realmente successo e perché è stato importante 13:55 - Scienza innovativa: AlphaCode/AlphaTensor → quando l'AI guadagna un Nobel? 16:25 - Discontinuità vs progresso fluido (e segnali di avvertimento) 19:08 - La pre-formazione + RL ci porta lì? (dibattiti sull'AGI a parte) 20:55 - “RL da zero” di Sutton? Il parere di Julian 23:03 - Il percorso di Julian: Google → DeepMind → Anthropic 26:45 - AlphaGo (impara + cerca) in termini semplici 30:16 - AlphaGo Zero (nessun dato umano) 31:00 - AlphaZero (un algoritmo: Go, scacchi, shogi) 31:46 - MuZero (pianificazione con un modello del mondo appreso) 33:23 - Lezioni per gli agenti di oggi: ricerca + apprendimento su larga scala 34:57 - Gli LLM hanno già modelli del mondo impliciti? 39:02 - Perché il RL sugli LLM ha impiegato tempo (stabilità, cicli di feedback) 41:43 - Calcolo e scalabilità per RL — ciò che vediamo finora 42:35 - Frontiera delle ricompense: preferenze umane, rubriche, RLVR, ricompense di processo 44:36 - Dati di addestramento RL & il “volano” (e perché la qualità è importante) 48:02 - RL & Agenti 101 — perché il RL sblocca la robustezza 50:51 - I costruttori dovrebbero usare RL come servizio? O solo strumenti + prompt? 52:18 - Cosa manca per agenti affidabili (capacità vs ingegneria) 53:51 - Evals & Goodhart — benchmark interni vs esterni 57:35 - Interpretabilità meccanicistica & “Golden Gate Claude” 1:00:03 - Sicurezza & allineamento in Anthropic — come si manifesta nella pratica 1:03:48 - Lavori: complementarità umano–AI (vantaggio comparativo) 1:06:33 - Disuguaglianza, politica e il caso per una produttività 10× → abbondanza 1:09:24 - Pensieri finali