Datapizza Community 🍕📈

Quanto conta il contesto giusto per un coding agent? 🔍 ContextBench misura la capacità degli agenti di recuperare esattamente le informazioni rilevanti da una codebase, invece di affogare in contesto inutile. Dentro troverete: 📌 Obiettivo: valutare il context retrieval nei coding agent 📌 Metodo: task su codebase reali con informazioni sparse tra più file 📌 Risultato: molti agenti recuperano contesto ridondante o incompleto 📌 Uso: benchmark riproducibile per testare nuove strategie di retrieval Lo trovate qui 👉 https://arxiv.org/abs/2602.05892

Il primo "Tribunale di Internet" europeo potrebbe essere Italiano! 🇮🇹 L'11 giugno è stato depositato in Senato un disegno di legge per creare sezioni specializzate in materia digitale nei tribunali italiani: giudici formati per gestire cause su cloud, software, AI, piattaforme e dati. La motivazione della proposta: troppe decisioni su controversie digitali vengono prese da chi non ha competenza tecnica specifica sulla materia. ⚖️ Il risultato è che cause complesse su backup, cloud o AI finiscono ridotte a semplice inadempimento contrattuale generico, senza che la tecnologia coinvolta venga capita. Se venisse approvato, l'Italia sarebbe il primo Paese in Europa con giudici specializzati in materia digitale! 💻 Ora il testo passa all'iter parlamentare, ma la proposta organica esiste già (e potete approfondirla qui 👉 https://shorturl.at/d0WSB ) Secondo voi sarà efficace? 💬

Se in questo periodo state cercando nuove opportunità, su Datapizza Jobs abbiamo due posizioni che potrebbero interessarvi! 🙌 1️⃣ AI Tech Lead in Azienda Finanziaria Italiana 💸 RAL: 55k-65k 💡 Esperienza: 4-6 anni 📍 Milano, Bologna o Torino (sede primaria Milano) 🙌 Tecnologie: RAG, Python, Agenti, Machine Learning, AI, GenAI, Claude Code 👉 https://bit.ly/4vMxLXz 2️⃣ Solution Software Architect in Imatra 💸 RAL: 70k-80k 💡 Esperienza: 6+ anni 📍 Ibrido a Rimini 🙌 Tecnologie: .NET, C#, PostgreSQL, Cloud, CI/CD, Docker, Kubernetes, React, Mobile development 👉 https://bit.ly/4yH6xo2 E se avete domande sulle posizioni, noi siamo qui! 🙌

PwC ha analizzato 1 miliardo di offerte di lavoro sull'impatto dell'AI 📈 Il Global AI Jobs Barometer 2026 copre 27 Paesi e raccoglie i dati più concreti su come l'intelligenza artificiale sta ridisegnando il mercato del lavoro globale. Dentro potrete trovare: 📌 Chi cresce di più: i lavoratori con alta esposizione all'AI avanzano 3x più velocemente 📌 Come si suddivide il mercato: due percorsi distinti, chi si adatta e chi resta indietro 📌 I settori più colpiti: analisi granulare per industria e tipo di mansione 📌 I dati su tutti e 27 i Paesi: benchmark internazionale reale, senza stime approssimative Lo potete trovare a questo link 👉 https://www.pwc.com/gx/en/services/ai/ai-jobs-barometer.html

E se fosse il modello stesso a decidere quando riassumere la propria memoria? 🧠 SelfCompact propone un approccio in cui l'agente decide autonomamente quando comprimere il contesto accumulato, invece di farlo a intervalli fissi o attendere che sia l'utente a richiederlo. In questo paper troverete: 📌 Un tool di compattazione che il modello invoca da solo 📌 Una rubrica che dice quando comprimere e quando invece aspettare 📌 Fino a 18,1 punti in più su task di matematica rispetto al baseline 📌 5-9 punti in più su ricerca agentica, con costi ridotti del 30-70% 📌 Ricerca firmata Johns Hopkins University e Apple Lo trovate qui 👉 https://arxiv.org/abs/2606.23525

Se in questo periodo state cercando nuove opportunità, su Datapizza Jobs abbiamo una posizioni interessante che potrebbe fare al caso vostro! 🙌 1️⃣ AI Technical Evangelist in Datapizza 💸 RAL: 60k-75k 💡 Esperienza: 6+ anni 📍 Full Remote 🙌 Tecnologie: RAG, AI-Assisted Development, Evaluation di soluzioni GenAI, AI Agents, AI Tools 👉https://bit.ly/3TDXIeh E se avete domande, noi siamo qui! 🙌

Un corso gratuito per costruire il vostro primo research assistant basato su RAG 📚 DeepLearning.AI ha pubblicato un corso pratico per imparare ad estendere un agente RAG fino a gestire documenti multipli, con LlamaIndex. Dentro troverete: 📌 Base: costruzione di un research assistant agent da zero 📌 Estensione: gestione di documenti multipli nello stesso flusso 📌 Pratica: esercizi hands-on direttamente nel browser 📌 Livello: pensato per chi conosce già le basi di RAG Lo trovate qui 👉 https://www.deeplearning.ai/courses/building-agentic-rag-with-llamaindex

I benchmark classici non bastano più per capire se un agente funziona davvero al lavoro 📈 AlphaEval nasce per colmare il divario tra i benchmark da laboratorio e la realtà della produzione, dove i requisiti sono impliciti e i documenti eterogenei. Dentro troverete: 📌 94 task raccolti da 7 aziende che usano davvero agenti AI nel proprio core business 📌 Copertura di sei domini O*NET diversi 📌 Input multimodali con informazioni frammentate su più fonti 📌 Output valutati da esperti di dominio, non da metriche fisse 📌 Un framework pensato per riflettere condizioni di lavoro reali Lo trovate qui 👉 https://arxiv.org/abs/2604.12162

Se in questo periodo state cercando nuove opportunità, su Datapizza Jobs abbiamo due posizioni che potrebbero interessarvi! 🙌 1️⃣ AI Agent Tech Lead in Credem 💸 RAL: 55k-65k 💡 Esperienza: 3+ anni 📍 Ibrido a Reggio Emilia o Milano 🙌 Tecnologie: Java, Metodologia Agile, DevOps, React, GitHub Copilot, Claude Code, Prompt Engineering, LLM Orchestration, AI Agents 👉https://bit.ly/3SZlvoV 2️⃣ Salesforce Financial Services Cloud Specialist in Credem 💸 RAL: 45k-55k 💡 Esperienza: 3-5 anni 📍 Ibrido a Reggio Emilia o Milano 🙌 Tecnologie: Gestione stakeholder, Financial Services Cloud, Marketing Cloud, Analisi tecnico-funzionale, Salesforce, Migrazione Sistemi, SQL 👉 https://bit.ly/4ffnpcf E se avete domande sulle posizioni, noi siamo qui! 🙌

Come integrare la voce nei vostri agenti AI, passo dopo passo 🎙️ DeepLearning.AI lancia un nuovo corso dedicato alla costruzione di applicazioni vocali con agenti AI, dai casi semplici ai sistemi multi-agente. Dentro troverete: 📌 Pattern pratici per integrare voce in tempo reale nelle applicazioni AI 📌 Costruzione di sistemi multi-agente, fino a un podcast generato automaticamente 📌 Lezioni tenute da chi costruisce prodotti vocali AI ogni giorno 📌 Esempi hands-on da replicare subito nei vostri progetti 📌 Corso gratuito, pensato per chi già lavora con agenti AI Lo trovate qui 👉 https://www.deeplearning.ai/courses/voice-for-ai-agents-and-applications

Quanto lavoro "vero" riescono a fare gli agenti in un terminale? 💻 Terminal-Bench 3 è l'ultima versione del benchmark open source di Harbor che mette gli agenti AI davanti a compiti reali di shell: compilare codice, allenare modelli, configurare server e fare debug. Cosa troverete: 📌 Oltre 100 task in sandbox Docker isolate per ogni test 📌 Verifica automatica tramite script stile pytest, non sul transcript dell'agente 📌 Compiti che vanno da sysadmin a training di piccoli modelli ML 📌 Descrizioni dettagliate e soluzioni di riferimento per ogni task Lo potete trovare qui 👉 https://github.com/harbor-framework/terminal-bench-3

Dal 7 al 9 ottobre torniamo a Torino per Wave by Vento (il nuovo nome di Italian Tech Week), una delle conferenze tech più influenti d'Europa! 🚀 Vi aspettano: 📌 10.000 partecipanti, 200+ speaker, 70+ speech, 45 masterclass 📌 Tra gli speaker: Dario Amodei (CEO Anthropic), John Elkann (Exor, Stellantis, Ferrari), Jony Ive (LoveFrom) e altri 📌 Noi ci saremo con una masterclass di Giacomo Ciarlini, Co-Founder & CIO Datapizza, su come ripensare i processi aziendali da zero con l'AI Per partecipare alla masterclass serve il Wave Pass (siamo appena entrati in fase Early Bird). 🐣 Vi lasciamo qui il link! 👉 bit.ly/4eZDov7 PS: Per voi uno sconto sul pass con il codice DATAPIZZA-WAVE15 (cumulabile con gli sconti gruppo) 🍕

Il tracker più completo sui benchmark AI si aggiorna ancora! 📊 Epoch AI ha aggiunto 13 nuovi eval al proprio benchmarking hub, il database che monitora le prestazioni dei modelli frontier su decine di test diversi. Dentro troverete: 📌 65 benchmark distinti su matematica, coding, azione agentica e altro 📌 7 dei nuovi eval integrati nell'Epoch Capabilities Index (ECI) 📌 ECI: una scala di capacità generale costruita su oltre 50 benchmark 📌 Copertura estesa a cybersecurity, algoritmi, forecasting e fisica di ricerca 📌 Dati aggiornati ogni volta che escono nuovi modelli Lo trovate qui 👉 https://epoch.ai/benchmarks

Se in questo periodo state cercando nuove opportunità, su Datapizza Jobs abbiamo due posizioni che potrebbero interessarvi! 🙌 1️⃣ Founding AI Software Engineer in unpublic 💸 RAL: 55k-70k 💡 Esperienza: 4-6 anni 📍 Ibrido su Milano 🙌 Tecnologie: GenAI, AI Frameworks, Node.js, React, Typescript, AWS 👉 https://bit.ly/44Q5SCH 2️⃣ Full Stack Developer in Fruitful AI 💸 RAL: 35k-43k 💡 Esperienza: 2-5 anni 📍 Ibrido a Padova 🙌 Tecnologie: Python, Inglese, UI/UX, Node.js, React, Typescript, AI Tools, Go, Docker 👉 https://bit.ly/4aKmKOS E se avete domande sulle posizioni, noi siamo qui! 🙌

Un team di ricercatori ha creato AutoResearchBench per testare la capacità degli agenti di trovare paper scientifici rilevanti, non solo di navigare sul web. 🔍 Ma anche i modelli più potenti restano indietro... Dentro troverete: 📌 Deep Research: trovare un paper specifico tramite indagine progressiva multi-step 📌 Wide Research: raccogliere tutti i paper che soddisfano certe condizioni 📌 Risultati: i migliori LLM raggiungono solo il 9,39% di accuratezza su Deep Research 📌 Wide Research: appena il 9,31% di IoU, molte baseline sotto il 5% 📌 Dataset e pipeline di valutazione rilasciati pubblicamente È un nuovo benchmark, che rileva i limiti degli agenti AI nella ricerca scientifica 🔬 Potete trovarlo qui 👉 https://arxiv.org/abs/2604.25256

Domani 7 luglio, assieme a Benedetta Dal Sasso (Senior Data Engineer in Blue BI), il nostro Co-Founder & CEO Pierpaolo D'Odorico mostrerà in una live LinkedIn come analytics e GenAI possono cambiare concretamente il lavoro dell’Informatore Scientifico del Farmaco. 💊 Tratteremo di: 📌 Come funziona la comunicazione tecnico-scientifica nel pharma (e perché non è marketing) 📌 Dashboard BI vs processi agentici: dove entra la GenAI 📌 Il report pre-visita automatico: storico medico, email aperte, contesto aggiornato 📌 L'email personalizzata sul singolo HCP 📌 Next Best Action: cosa fare, quando e perché Parleremo di un problema reale: ogni HCP (Operatore Sanitario) riceve decine di comunicazioni al giorno, quasi nessuna contestualizzata. 🧪 🗓️ Martedì 7 luglio dalle ore 17:00 📍 In diretta su LinkedIn Eccovi il link per partecipare! 👉 https://bit.ly/4vwfeiE

H Company il mese scorso ha rilasciato Holo3.1 su Hugging Face: un agente capace di controllare interfacce desktop senza cloud, con latenza molto bassa e senza mandare dati fuori dalla macchina. 💻 Nel blogpost troverete: 📌 Computer-use locale: nessuna chiamata cloud, tutto on-device 📌 Velocità: latenza ottimizzata per uso in produzione 📌 Pesi aperti: disponibile direttamente su Hugging Face 📌 Use case: automazioni desktop sensibili, scenari offline, ambienti air-gapped Utile per automazioni desktop sensibili o scenari offline. 📵 Lo potete trovare qui 👉 https://huggingface.co/blog/Hcompany/holo31

Se in questo periodo state cercando nuove opportunità, su Datapizza Jobs abbiamo due posizioni che potrebbero interessarvi! 🙌 1️⃣ Product Manager in Datapizza 💸 RAL: 35k-50k 💡 Esperienza: 3+ anni 📍 Ibrido su Milano 🙌 Tecnologie: Product Strategy, AI Fluency 👉 https://bit.ly/4wld85n 2️⃣ Flutter developer in Rosso 💸 RAL: 28k-32k 💡 Esperienza: 0-1 anni 📍 Ibrido a Lucca 🙌 Tecnologie: Dart, Mobile development, Flutter, Frontend, Firebase, CI/CD, Testing 👉 https://bit.ly/441Il1v E se avete domande sulle posizioni, noi siamo qui! 🙌

tiamo assistendo alla fine del software come lo conosciamo 👀 Gli AI agent non usano il codice, lo generano e lo buttano via a runtime. Il codice diventa quindi un mezzo, non il prodotto finale. Cosa cambia davvero: 📌 Prima il codice portava la logica decisionale, scritta a priori dallo sviluppatore; adesso l'agente è il software, e la logica si genera al momento dell’esecuzione. 📌 Testing, debugging e ownership del codice cambiano completamente paradigma Non è un'evoluzione incrementale degli strumenti, ma è una ristrutturazione di cosa significa davvero "fare software". Eccovi il paper 👉 https://arxiv.org/abs/2606.05608

Google ha appena cambiato il modo in cui un LLM genera testo 👀 DiffusionGemma non scrive il testo un token per volta come tutti gli altri modelli, ma lo genera tutto insieme in un blocco, partendo dal rumore (la stessa tecnica usata dalle AI per le immagini). Risultato: 📌 Oltre 700 token/secondo su RTX 5090 📌 Oltre 1.000 token/secondo su H100 📌 4x più veloce degli LLM autoregressivi classici 📌 Gira con 18GB di VRAM nella versione ottimizzata 📌 Modello 26B MoE, open source su Hugging Face Il trade-off c'è: qualità leggermente inferiore rispetto a Gemma 4, ma per applicazioni locali dove la velocità è fondamentale. Eccovi il link! 👉 https://huggingface.co/google/diffusion-gemma PS: Se volete approfondire l’argomento, ne abbiamo parlato che su un nostro post Instagram! → https://www.instagram.com/p/DZsOhHWgMQw/?utm_source=ig_web_copy_link&igsh=NTc4MTIwNjQ2YQ==