AI Insights https://ai-insights.stefanotagliaferri.it/ Notizie dal mondo dell'intelligenza artificiale, lette e commentate da chi lavora in test automation e quality assurance. it-it Stefano Tagliaferri Stefano Tagliaferri 2026 Stefano Tagliaferri — CC BY 4.0 Fri, 02 Oct 2026 01:33:00 +0200 Più verifica non vuol dire verifica migliore https://ai-insights.stefanotagliaferri.it/posts/piu-verifica-non-e-migliore/ Fri, 02 Oct 2026 01:33:00 +0200 https://ai-insights.stefanotagliaferri.it/posts/piu-verifica-non-e-migliore/ Uno studio su 90 esecuzioni dello stesso compito mostra che un tool di test sull’interfaccia alza il costo di un agente del 42-68% senza cambiare l’esito, mentre i difetti stanno nella consegna. Un controllo in più serve solo se guarda dove il sistema si rompe. arxiv.org Agenti Test-Automation Quality-Assurance Ricerca Metodo La qualità non è nei vincoli, è in quali vincoli scegli https://ai-insights.stefanotagliaferri.it/posts/quali-vincoli-scegli/ Fri, 11 Sep 2026 01:38:35 +0200 https://ai-insights.stefanotagliaferri.it/posts/quali-vincoli-scegli/ Osmani sostiene che il controllo umano sul codice si affida sempre più a vincoli automatici, perché non c’è più tempo di leggere tutto. Non dice quale vincolo scegliere per quale rischio — ed è lì che la differenza fra un principio e una pratica di collaudo si vede. addyosmani.com Agenti Code-Review Quality-Assurance Riflessioni Deterministico non vuol dire ripetibile https://ai-insights.stefanotagliaferri.it/posts/deterministico-non-ripetibile/ Thu, 10 Sep 2026 00:07:54 +0200 https://ai-insights.stefanotagliaferri.it/posts/deterministico-non-ripetibile/ Con la cache dei prefissi spenta, 800 esecuzioni identiche non hanno prodotto una sola differenza. Accendendola — ed è accesa di default — cambia la traiettoria di tre quarti degli episodi. La variabile che decide non sta nella richiesta, e il server non te la riporta. arxiv.org Affidabilita Test-Automation Llm Ricerca Metodo Il punteggio non misura il modello, misura come lo hai messo alla prova https://ai-insights.stefanotagliaferri.it/posts/cosa-misura-un-benchmark/ Mon, 07 Sep 2026 13:00:00 +0200 https://ai-insights.stefanotagliaferri.it/posts/cosa-misura-un-benchmark/ Sullo stesso benchmark e sullo stesso set, GPT-6 Astra prende 62,7% o 99,9% a seconda dell’harness. Il punteggio di un modello non è una proprietà del modello: è una proprietà di una terna. arcprize.org openai.com schema-harness.github.io developer.nvidia.com Benchmark Quality-Assurance Llm Metodo Agenti