Vai al contenuto principale
← Torna alle notizie

TinyAstral: distillare un insegnante da 180B in agenti da 0,8-4B per la robotica edge

Ricerca
Fonte:Hugging Face (paper)
Il paper evolve l'harness di un robot-teacher da ~180B — dal 33,4% al 63,6% su RoboTwin — e distilla il risultato in studenti da 0,8-4B che girano a un quinto del compute, anche in closed loop su un braccio reale. Codice, pesi e dati rilasciati.
Leggi l'articolo originale

Articoli correlati

Cosmos 3 Edge: la policy DROID per la robotica che gira sull'edge

Cosmos3-Edge-Policy-DROID: la policy robotica da 4B di NVIDIA. Quanto hardware serve per farla girare in tempo reale sul Jetson, e dove si ferma.

Agenti ML che girano in locale: MLExpert ed EpochGo su Ollama, costi API zero

MLExpert alza l'asticella a 35B e 72,7% di medaglie; EpochGo porta tre agenti AutoML su un 16 GB, zero API: cosa funziona oggi, i conti e i limiti.

Agenti on-device per il telefono: cosa portano davvero i mobile agent open (dopo OpenMobile-2)

OpenMobile-2 apre ambienti e ricette di training per agenti mobili, e LFM3-1.7B mostra che un agente da 1,7GB gira già sul telefono: numeri, requisiti minimi e limiti onesti.

Ricevi il prossimo punto sull'IA locale

Ogni settimana, la selezione del meglio di iaLocale: articoli, notizie e risorse sull'IA locale, e altro ancora.

Dopo l'iscrizione ricevi una email di conferma (double opt-in). Senza conferma non inviamo nulla. Nessuno spam, ti promettiamo.

Risorse correlate

Strumenti e risorse dell'archivio iaLocale pertinenti a questo contenuto.

🤖

LFM3-1.7B

Modelli

Modello per agenti locali e applicazioni specializzate, 1,73B parametri, architettura tri-hybrid (13 convoluzioni corte gateate, 5 attenzione a finestra scorrevole, 6 attenzione globale). Post-training agentico esplicito (harness come Hermes Agent, Pi, OpenClaw), 256K di contesto, 16 lingue incluso l'italiano, ~1GB di RAM a 4-bit. Licenza LFM Open v1.0.

🔗

n8n

Framework

Piattaforma di automazione di workflow self-hosted: un canvas visuale a nodi per collegare applicazioni, dati e modelli IA (locali o via API), con nodi AI Agent e oltre 400 integrazioni (email, CRM, fogli, chat).

🧮

NVIDIA Kumo-Tabular

Modelli

Modello fondazione da 500 milioni di parametri di NVIDIA per dati tabellari: predizione, imputazione e generazione su dataset strutturati, con supporto OpenMDW 1.1 e checkpoint pronti all'uso. Esempio di IA locale su dati di business, non generativa di testo.

🍓

Raspberry Pi 5

Hardware

SBC con CPU ARM Cortex-A76 a 8 core e 2–16 GB di RAM: il riferimento per l'apprendimento e per l'esecuzione di piccoli modelli di IA locale in inferenza CPU.

Sfoglia tutte le risorse