AI NEWS by BDB

Tag: SparseAttention

  • Amazon Kindle fotografa la “lettura frammentata”: distrazioni e stanchezza spingono ad abbandonare gli ebook

    Una ricerca condotta da Amazon attraverso il servizio Kindle evidenzia come le abitudini di lettura digitale in Italia stiano diventando sempre più discontinue e frammentate.
    Sebbene il 53% del campione legga ebook ogni giorno e il 97% almeno una volta a settimana, distrazioni, interruzioni e affaticamento visivo compromettono la continuità della lettura, causando in media sei minuti persi per sessione nel recupero della concentrazione.
    Il 25% dei lettori dichiara inoltre di aver abbandonato libri apprezzati perché troppo impegnativi da seguire in un contesto di attenzione dispersa.
    Cresce così la preferenza per sessioni di lettura brevi distribuite durante la giornata e per strumenti di personalizzazione dell’esperienza digitale, particolarmente richiesti dalla Gen Z.
    Secondo la ricerca, le funzionalità adattive degli ebook possono rendere la lettura meno faticosa, più piacevole e più frequente, segnalando un cambiamento strutturale nel rapporto tra tecnologia, concentrazione e consumo culturale.

    Link alla fonte:
    https://www.illibraio.it/news/ebook-e-digitale/lettura-ebook-distrazioni-1498284/

  • DeepSeek presenta V3.2 e V3.2-Speciale: modelli a contesto lungo con ragionamento da GPT-5 a costi ridotti

    DeepSeek ha introdotto i modelli DeepSeek-V3.2 e DeepSeek-V3.2-Speciale, progettati per fornire ragionamento avanzato su contesti lunghi e workload agentici senza i costi quadratici tipici dell’attenzione densa.
    I modelli adottano la nuova DeepSeek Sparse Attention, che riduce la complessità da O(L²) a O(kL) mantenendo una qualità comparabile alle versioni dense, con un taglio dei costi d’inferenza di circa il 50%.
    A questo si aggiunge un massiccio utilizzo di reinforcement learning tramite GRPO, con specialisti per matematica, programmazione, logica, browsing e agenti, poi distillati nel modello principale.
    La pipeline introduce inoltre un protocollo agent-native, espliciti thinking/non-thinking mode e un dataset sintetico di oltre 85.000 task per agenti.
    Nei benchmark e nelle competizioni ufficiali, DeepSeek-V3.2-Speciale raggiunge prestazioni simili a GPT-5 e vicine a Gemini 3.0 Pro, ottenendo risultati da medaglia d’oro in competizioni di livello olimpico.

    Link alla fonte:
    https://www.marktechpost.com/2025/12/01/deepseek-researchers-introduce-deepseek-v3-2-and-deepseek-v3-2-speciale-for-long-context-reasoning-and-agentic-workloads/