ROGUEQUANT_

// LOG // TUTTI GLI ARTICOLI

Blog

2026.08.06 // LLM FOR DUMMIES // 8 MIN

LLM for Dummies #4 — Training: Come Indovinare la Prossima Parola ti Compra una Mente

Abbiamo la macchina. Ora: perché i suoi trilioni di numeri sono giusti? Per via di un gioco assurdamente semplice giocato dieci trilioni di volte: nascondi il prossimo token, indovinalo, misura la sorpresa, aggiusta. Questa puntata spiega perché quel gioco costringe un modello a imparare fatti, grammatica e un po' di ragionamento — e cosa misura davvero una loss curve.

2026.07.30 // LLM FOR DUMMIES // 9 MIN

LLM for Dummies #3 — Attention: Come le Parole Imparano a Guardarsi

Le puntate 1 e 2 hanno trasformato il testo in punti solitari nello spazio. L'attention è il meccanismo che permette a ogni token di guardare tutti gli altri e decidere chi ascoltare — l'idea da cui prende il nome il Transformer, e il motivo per cui le context window lunghe costano denaro quadratico.

2026.07.26 // LLM FOR DUMMIES // 8 MIN

LLM for Dummies #2 — Embedding: il Significato È un Luogo, Non una Definizione

La puntata 1 ci aveva lasciato con una lista di numeri opachi. Ora comincia la magia: ogni token diventa un punto in uno spazio a migliaia di dimensioni, dove la distanza è somiglianza e le direzioni sono concetti. È l'idea dietro ricerca semantica, raccomandazioni, RAG — e il layer di ingresso di ogni LLM.

2026.07.22 // LLM FOR DUMMIES // 10 MIN

LLM for Dummies #1 — Tokenizzazione: la Tua AI Non Ha Mai Letto una Parola

Prima tappa di una serie che spiega come funzionano davvero i large language model, senza bisogno di un dottorato. Prima che accada qualsiasi 'intelligenza', il tuo testo viene tritato in pezzi numerati chiamati token — e metà delle stranezze degli LLM nasce esattamente da questo passaggio.