l'interventoLLM e apprendimento continuo: cosa cambia se le macchine imparano a sognare
Indirizzo copiatoGli LLM restano oggi sistemi in larga parte statici, incapaci di consolidare nuove competenze dopo il rilascio. Le ricerche su memoria, consolidamento e sonno artificiale provano a superare questo limite, ma aprono questioni da risolvere per audit, controllo e governancePubblicato il 7 ago 2026Aggiungi tra i preferiti su GoogleGli LLM restano in larga parte statici dopo il rilascio: eseguono i compiti appresi in pre-addestramento e post-addestramento, ma non acquisiscono nuove capacità oltre il proprio contesto immediato. Da qui una vulnerabilità strutturale: conoscenza e competenze invecchiano, perché il modello opera con una data fissa di «knowledge cutoff» oltre la quale fatti nuovi ed eventi in evoluzione gli restano ignoti (Cheng et al. 2024).
