[logseq-plugin-git:commit] 2025-06-19T17:22:26.455Z
This commit is contained in:
+9
-1
@@ -16,4 +16,12 @@ icon:: 🧠
|
||||
- *Limited tool orchestration:* to execute complex workflows a proper infrastructure is needed to discover tools and manage tool interactions across multiple turns.
|
||||
- *Task coordination challenges*: structured control mechanisms are require to manage with LLMs multi-step workflows
|
||||
- **LangChain**
|
||||
-
|
||||
- Open-source framework and venture-backed company based in San Francisco
|
||||
- Main features:
|
||||
- *Composable workflows*: the LCEL - LangChain Expression Language permits to break down complex tasks into modulare components that can be assembled. This enable the orchestration of multiple processing steps.
|
||||
- *Integration ecosystem:* it provides interfaces for all generative components i.e., LLMs, embeddings, vector databases, document loaders, search engines. This will permit to switch between providers without rewriting core logic.
|
||||
- *Unified model access:* interfaces to different language and embedding models
|
||||
- Application development concepts:
|
||||
- *Memory and state management*
|
||||
- *Agent architecture*
|
||||
-
|
||||
@@ -4,6 +4,7 @@ icon:: 📒
|
||||
- Per cosa sono grato?
|
||||
- Perche' non c'e' motivo di sentirsi inferiore ad altri?
|
||||
- [[12-06-2025]]
|
||||
collapsed:: true
|
||||
- Per qualche motivo c'e' qualcosa che non mi torna e che mi lascia triste da un punto di vista lavorativo. Non so perchè. è piuttosto stupido considerando la posizione che rivesto. Spesso sento la classica sensazione "dell'impostore". Perchè tutto ciò?
|
||||
- Al momento ci sono degli aspetti che mi arregano preoccupazione:
|
||||
- **Gestione del dottorato**: per questo, spesso mi viene da pensare di non essere in grado. Non mi riferisco all'aspetto gestionale, ma piuttosto ad aspetti politici e di indirizzo. Forse dovrei prendere più iniziativa, ma per questo sento di non essere ancora abbastanza sicuro. Cosa è giusto fare? Perchè ho dovuto mandare il documento a Guido? Come e' stato visto da parte sua questo mio passaggio?
|
||||
|
||||
+7
-1
@@ -109,4 +109,10 @@ icon:: ✅
|
||||
- ✔️ [[10-06-2025]] *14:40* ((6843518f-f8a7-4629-b184-1ef230d8c645))
|
||||
- ✔️ [[10-06-2025]] *14:42* ((6843518f-b30c-484e-aba0-97ae9328b3f3))
|
||||
- ✔️ [[10-06-2025]] *14:43* ((6843518c-4984-4ec8-ac40-c6fba1517d03))
|
||||
- ✔️ [[11-06-2025]] *14:24* ((684350a8-08ce-44ba-ac20-7512a49e598d))
|
||||
- ✔️ [[11-06-2025]] *14:24* ((684350a8-08ce-44ba-ac20-7512a49e598d))
|
||||
- ✔️ [[18-06-2025]] *13:14* ((685266e9-3b29-401d-a2de-b8aad90054b7))
|
||||
- ✔️ [[18-06-2025]] *15:06* ((6852b2bb-9757-4ab4-8661-fdda350c9647))
|
||||
- ✔️ [[19-06-2025]] *13:06* ((6852f4e6-5a49-40a5-9807-72cafcb3fbc5))
|
||||
- ✔️ [[19-06-2025]] *15:51* ((68540a72-f93d-4413-9b74-79d3e5716758))
|
||||
- ✔️ [[19-06-2025]] *16:46* ((6853f169-1d30-4e3e-8bd6-d795d2f01914))
|
||||
- ✔️ [[19-06-2025]] *18:57* ((d4b795f4-21e9-408f-a6c2-3aadc10c3468))
|
||||
@@ -0,0 +1,5 @@
|
||||
tags:: #todoist-task, [[EditoringChairing]]
|
||||
date:: [[19-06-2025]] - 13:16
|
||||
progress:: {{renderer :todomaster}}
|
||||
|
||||
- [Models'15 best paper - Google Sheets](https://docs.google.com/spreadsheets/d/1mzYF9c08bSwEPRPP0sWjc-SCk3d6A0WIg9nNEpXmkvg/edit?gid=508154343#gid=508154343)
|
||||
@@ -16,9 +16,7 @@ progress:: {{renderer :todomaster}}
|
||||
- {:height 361, :width 252}
|
||||
- ## Notes
|
||||
- ## My first day at [[staf]]
|
||||
collapsed:: true
|
||||
- #### **Modeling and LLMs in Continuous Software Engineering**
|
||||
collapsed:: true
|
||||
- [Anne Koziolek, Karlsruhe Institute of Technology Germany](https://conf.researchr.org/profile/STAF-2025/annekoziolek)
|
||||
- Abstract:
|
||||
- The notion of continuous software engineering extends practices like continuous integration to view the entire software development lifecycle as a continuous, interconnected flow of activities. At the same time, recent advances in large language models (LLMs) have revolutionized the way machines process natural language—language that plays a central role throughout software engineering, from requirements elicitation and design discussions to documentation.
|
||||
@@ -73,7 +71,6 @@ progress:: {{renderer :todomaster}}
|
||||
- 
|
||||
- ### Keynote at [[STAF]] 2025
|
||||
- ### A metascience study of the low-code scientific field - Jordi Cabot at [[STAF]] 2025 - ECMFA
|
||||
collapsed:: true
|
||||
- Can the low-code popularity to help the community grow?
|
||||
- Looking for win-win
|
||||
- [lens.org](https://www.lens.org/) has been used to collect articles
|
||||
@@ -86,7 +83,6 @@ progress:: {{renderer :todomaster}}
|
||||
- Becuase of the so different keywords like MDE/MDA/MBD/.,,, we look so fragmented
|
||||
- Majority of low-code papers are applications
|
||||
- ### An internal DSL for Graphical Modeling Tools Based on GLSP - Georg Hinkel - ECMFA
|
||||
collapsed:: true
|
||||
- Requirements of the language
|
||||
- GLSP- specific
|
||||
- Recurring concepts like layout information
|
||||
@@ -98,7 +94,6 @@ progress:: {{renderer :todomaster}}
|
||||
- Integrated Protocols Support
|
||||
- Used the same technology as **NMF Syncronizations**
|
||||
- ### User-modeling in MDE - an SLR - ECMFA
|
||||
collapsed:: true
|
||||
- To facilitate the development of personalized applications
|
||||
-
|
||||
- ### Who will create the languages of the Future? - Jordi Cabot at OOPSLE
|
||||
@@ -126,10 +121,8 @@ progress:: {{renderer :todomaster}}
|
||||
- [Augment Code - AI coding platform for real software.](https://www.augmentcode.com/?utm_campaign=gg_emea_dg_search_competitor_cursor&utm_source=google&utm_medium=cpc&utm_content=cursor_ai&utm_term=cursor%20ai&gad_source=1&gad_campaignid=22644987260&gclid=Cj0KCQjw0qTCBhCmARIsAAj8C4Z9b90Sn1dgn5oHyCdgVLn8bGMBKTLMJAXocET5cYs4nHFEgU64q3oaAtuzEALw_wcB) - Cursor AI
|
||||
-
|
||||
- ### Let's make abstraction engineering fun again! - A. Cicchetti - OOPSLE
|
||||
collapsed:: true
|
||||
- Ha fatto una presentazione su JJODEL di fatto, ma non mi ha fatto impazzire.
|
||||
- ### Wrap-up
|
||||
collapsed:: true
|
||||
- List of open problems
|
||||
- Are they solved?
|
||||
- Are you satisfied by existing solutions?
|
||||
@@ -140,7 +133,6 @@ progress:: {{renderer :todomaster}}
|
||||
-
|
||||
- ## Second day at [[STAF]] / [[SLE]]
|
||||
- ### Keynote at [[sle]] da Thorsten Berger (A new DSL textbook in town!)
|
||||
collapsed:: true
|
||||
- Abstract:
|
||||
collapsed:: true
|
||||
- DSLs are the ultimate abstraction in software engineering. While programming languages have – since the advent of computers – continuously increased their level of abstraction, they are still limited to the domain of computing, with their instances containing many technicalities. Unlike programming languages, DSLs reflect a given application domain, ideally abstracting away anything beyond it. Recognizing their strengths, the programming-language and the software-engineering community introduced many technologies for engineering DSLs. While well-polished widely-used DSLs have existed for a long time (e.g., SQL, regular expressions, HTML), language engineering technologies have made great progress over the last two decades, allowing developers who are not language or compiler experts to create their own DSL – in order to increase the level of automation for their projects.
|
||||
@@ -159,7 +151,6 @@ progress:: {{renderer :todomaster}}
|
||||
- external vs internal DSL
|
||||
-
|
||||
- ### LLM4SE Workshop
|
||||
collapsed:: true
|
||||
- **[LLMs for Software Engineering: What does that mean for model-driven software development?](https://conf.researchr.org/home/staf-2025/llm4se-2025#)** - **Gabriele Taentzer** invited talk
|
||||
- ### **[Optimizing Retrieval Augmented Generation for Object Constraint Language](https://conf.researchr.org/program/staf-2025/program-staf-2025/?date=Thu%2012%20Jun%202025&past=Show%20upcoming%20events%20only#)**
|
||||
- {:height 370, :width 677}
|
||||
|
||||
@@ -0,0 +1,22 @@
|
||||
tags:: #todoist-task, [[PAPERS]]
|
||||
date:: [[19-06-2025]] - 15:03
|
||||
progress:: {{renderer :todomaster}}
|
||||
|
||||
- ## [[MEETINGS]]
|
||||
- [[19-06-2025]]
|
||||
- ### Slides
|
||||
collapsed:: true
|
||||
- 
|
||||
- 
|
||||
- 
|
||||
- 
|
||||
- 
|
||||
- Can you explan the definition of low complexity? [[question]]
|
||||
- 
|
||||
- WE need to clearly define this complexity definition [[question]]
|
||||
- 
|
||||
- {:height 444, :width 920}
|
||||
- ### Comments
|
||||
- Sembra che l'uso di forma passiva o l'uso di forme come maybe, can etc. porta in confusione il modello riducendo la qualità del domain model description (case di EventManagementSystem)
|
||||
- Quindi ora e' provare a rifrasare la descrizione del dominio EvenetManagement System e vedere se miglioriamo la situazione. L'idea e' definire delle guidelines. Per provarne lavalidità l'idea e' applicarle anche agli altri documenti e vedere se l'applicazione di queste guideline migliora o meno la generazione dei domain model corrispondenti.
|
||||
-
|
||||
@@ -2,45 +2,262 @@ tags:: #todoist-task, [[SERVICES/PINKAMP]]
|
||||
date:: [[04-06-2025]] - 12:24
|
||||
progress:: {{renderer :todomaster}}
|
||||
|
||||
- Si puo pensare di far realizzare alle studentesse un GPT specifico per il task di interesse. Realizzare un chatbot?
|
||||
- L'anno scorso le ragazze avevano fatto un GPT per gestire l'ansia
|
||||
- 
|
||||
- I tutor sono:
|
||||
- Isabella
|
||||
- Gennaro
|
||||
- Alina
|
||||
- Oggi [[10-06-2025]] abbiamo avuto una call con i tutor. Si e' deciso di investigare la strada di progettare una sessione di approfindimento che coinvolta tutte le fase principali relative all'uso di strumenti LLM etc.
|
||||
- [[References]] per preparare l'intervento
|
||||
- [Perché spesso ChatGPT si inventa le cose - Il Post](https://www.ilpost.it/2025/06/10/perche-chatgpt-inventa-cose/)
|
||||
- - #[[Clip]] [[15-06-2025]] 16:10 [Perché spesso ChatGPT si inventa le cose - Il Post](https://www.ilpost.it/2025/06/10/perche-chatgpt-inventa-cose/)
|
||||
Quando parliamo di AI generative ci riferiamo a modelli linguistici di grandi dimensioni (o LLM), un tipo di tecnologia in cui reti neurali profonde vengono addestrate con enormi quantità di documenti per elaborare e generare testi.
|
||||
- - #[[Clip]] [[15-06-2025]] 16:10 [Perché spesso ChatGPT si inventa le cose - Il Post](https://www.ilpost.it/2025/06/10/perche-chatgpt-inventa-cose/)
|
||||
In molti casi, questi modelli non sono in grado di capire quando una domanda è al di là delle loro capacità, e provano comunque a rispondere.
|
||||
- - #[[Clip]] [[15-06-2025]] 16:10 [Perché spesso ChatGPT si inventa le cose - Il Post](https://www.ilpost.it/2025/06/10/perche-chatgpt-inventa-cose/)
|
||||
i LLM hanno ancora un problema con le cosiddette [allucinazioni](https://www.ilpost.it/2024/05/22/ai-allucinazioni/), gli errori fattuali dei chatbot, che spesso inventano fatti e dettagli.
|
||||
- - #[[Clip]] [[15-06-2025]] 16:10 [Perché spesso ChatGPT si inventa le cose - Il Post](https://www.ilpost.it/2025/06/10/perche-chatgpt-inventa-cose/)
|
||||
il materiale di partenza su cui sono stati addestrati è incompleto, e le AI sono costrette a riempire le lacune, inventando di fatto informazioni (che sono comunque grammaticalmente corrette).
|
||||
- - #[[Clip]] [[15-06-2025]] 16:10 [Perché spesso ChatGPT si inventa le cose - Il Post](https://www.ilpost.it/2025/06/10/perche-chatgpt-inventa-cose/)
|
||||
Un esempio recente riguarda il quotidiano statunitense che ha [pubblicato](https://www.ilpost.it/2025/05/21/lista-consigli-libri-intelligenza-artificiale/) una lista di libri consigliati per l’estate, includendo titoli non esistenti, generati da un’intelligenza artificiale.
|
||||
- - #[[Clip]] [[15-06-2025]] 16:11 [Perché spesso ChatGPT si inventa le cose - Il Post](https://www.ilpost.it/2025/06/10/perche-chatgpt-inventa-cose/)
|
||||
Il settore dove questa tecnologia sta avendo l’impatto più profondo è probabilmente quello della programmazione informatica, tanto che in aziende come Microsoft [il 30 per cento del codice](https://www.cnbc.com/2025/04/29/satya-nadella-says-as-much-as-30percent-of-microsoft-code-is-written-by-ai.html) viene già scritto da AI.
|
||||
- - #[[Clip]] [[15-06-2025]] 16:12 [Perché spesso ChatGPT si inventa le cose - Il Post](https://www.ilpost.it/2025/06/10/perche-chatgpt-inventa-cose/)
|
||||
Ma le AI possono essere usate anche per scrivere (o tradurre) mail e documenti aziendali, o generare slide per presentazioni, mentre è nota da tempo la loro [inaffidabilità](https://www.ilpost.it/2024/07/28/matematica-intelligenza-artificiale/) nei calcoli matematici
|
||||
- - #[[Clip]] [[15-06-2025]] 16:13 [Perché spesso ChatGPT si inventa le cose - Il Post](https://www.ilpost.it/2025/06/10/perche-chatgpt-inventa-cose/)
|
||||
Il settore legale è stato uno dei primi a scontrarsi con le allucinazioni delle AI, come [dimostrato](https://www.businessinsider.com/increasing-ai-hallucinations-fake-citations-court-records-data-2025-5) dai molti casi in cui hanno prodotto documenti legali con riferimenti a leggi o sentenze del tutto inventati. Le allucinazioni sono così diffuse nell’ambiente legale da aver spinto l’avvocato francese Damien Charlotin a creare un sito che [raccoglie](https://www.damiencharlotin.com/hallucinations/) errori di questo tipo man mano che vengono scoperti.
|
||||
- - #[[Clip]] [[15-06-2025]] 16:13 [Perché spesso ChatGPT si inventa le cose - Il Post](https://www.ilpost.it/2025/06/10/perche-chatgpt-inventa-cose/)
|
||||
Le aziende che li sviluppano, infatti, sono sempre più in competizione tra loro e hanno capito che la maggioranza degli utenti preferisce un’AI che risponde sempre rispetto a una più cauta.
|
||||
- - #[[Clip]] [[15-06-2025]] 16:14 [Perché spesso ChatGPT si inventa le cose - Il Post](https://www.ilpost.it/2025/06/10/perche-chatgpt-inventa-cose/)
|
||||
intelligenze artificiali ruffiane”
|
||||
- - #[[Clip]] [[15-06-2025]] 16:14 [Perché spesso ChatGPT si inventa le cose - Il Post](https://www.ilpost.it/2025/06/10/perche-chatgpt-inventa-cose/)
|
||||
Dopo le critiche ricevute, l’azienda ha modificato le impostazioni ordinando al modello di «interagire con l’utente in modo caloroso ma onesto», mantenendo una certa «professionalità».
|
||||
- - #[[Clip]] [[15-06-2025]] 16:15 [Perché spesso ChatGPT si inventa le cose - Il Post](https://www.ilpost.it/2025/06/10/perche-chatgpt-inventa-cose/)
|
||||
«sacrificare, in alcuni casi, la veridicità in favore della ossequiosità».
|
||||
- - #[[Clip]] [[15-06-2025]] 16:15 [Perché spesso ChatGPT si inventa le cose - Il Post](https://www.ilpost.it/2025/06/10/perche-chatgpt-inventa-cose/)
|
||||
Verbosity Compensation, o «compensazione della verbosità», il fenomeno per cui i chatbot sembrano dare risposte più lunghe alle domande su cui sono più incerti, a causa della scarsità di informazioni disponibili.
|
||||
- - #[[Clip]] [[15-06-2025]] 16:16 [Perché spesso ChatGPT si inventa le cose - Il Post](https://www.ilpost.it/2025/06/10/perche-chatgpt-inventa-cose/)
|
||||
Il grande successo commerciale di sistemi da ChatGPT in poi ha cambiato l’approccio di molte aziende, che hanno abbandonato parte dell’iniziale cautela sul contenuto delle risposte per offrire un servizio che dia sempre una risposta agli utenti.
|
||||
- - #[[Clip]] [[15-06-2025]] 16:21 [Perché spesso ChatGPT si inventa le cose - Il Post](https://www.ilpost.it/2025/06/10/perche-chatgpt-inventa-cose/)
|
||||
In questo contesto, un fattore importante è la memoria, ovvero la capacità di ricordare determinati precedenti delle loro conversazioni con l’utente e usarli per adattare le loro risposte future.
|
||||
- [Una lista di libri consigliati che non esistono - Il Post](https://www.ilpost.it/2025/05/21/lista-consigli-libri-intelligenza-artificiale/)
|
||||
- [Why is ChatGPT so bad at math? | TechCrunch](https://techcrunch.com/2024/10/02/why-is-chatgpt-so-bad-at-math/)
|
||||
- ## Notes
|
||||
- DONE Recuperare qualche esempio di software engineering and AI
|
||||
- TODO Sviluppare qualche esempio con VSCode e ChatGPT
|
||||
- Mostrare qualche challenge
|
||||
- DONE Introdurre all'AI facendo qualche esempio di sistema di raccomandazione ?
|
||||
- Esempio di Netflix o di scelta di un ristorante
|
||||
- ### Origini reti neurali
|
||||
- ### 🧠 **Anni '40: Origini teoriche**
|
||||
- **1943**: **Warren McCulloch** e **Walter Pitts** pubblicano il celebre articolo *“A Logical Calculus of the Ideas Immanent in Nervous Activity”*.
|
||||
|
||||
👉 È il primo **modello matematico di neurone artificiale**, noto come **neurone di McCulloch-Pitts**.
|
||||
|
||||
---
|
||||
- ### 🔁 **Anni '50: Apprendimento**
|
||||
- **1958**: **Frank Rosenblatt** introduce il **perceptron**, il primo modello di rete neurale con capacità di **apprendimento supervisionato** (algoritmo di aggiornamento dei pesi).
|
||||
|
||||
👉 Viene considerato un passo fondamentale per l'addestramento automatico.
|
||||
|
||||
---
|
||||
- ### 🚫 **Anni '60-70: Crisi e rallentamento**
|
||||
- **1969**: Marvin **Minsky** e Seymour **Papert** pubblicano *"Perceptrons"*, mostrando i limiti teorici dei perceptron (es. incapacità di risolvere il problema XOR).
|
||||
|
||||
👉 Questo porta a un **declino di interesse** per le reti neurali per circa un decennio (prima "AI Winter").
|
||||
|
||||
---
|
||||
- ### 🔄 **Anni '80: Rinascita**
|
||||
- **1986**: **Rumelhart, Hinton e Williams** propongono la **retropropagazione dell’errore (backpropagation)** per l’addestramento di reti neurali multilivello (MLP).
|
||||
|
||||
👉 È il vero rilancio della teoria e pratica delle reti neurali profonde.
|
||||
|
||||
---
|
||||
- ### ⚡ **Anni 2000-2010: Deep Learning**
|
||||
- Con l’aumento della potenza computazionale e dei dati, modelli **deep neural networks** (reti profonde) diventano praticabili.
|
||||
- **2012**: **AlexNet** (Krizhevsky et al.) vince la competizione ImageNet, segnando l’inizio dell’era moderna del **deep learning**.
|
||||
|
||||
---
|
||||
- ### In sintesi:
|
||||
|
||||
| Periodo | Evento chiave | Contributori principali |
|
||||
| ---- | ---- | ---- |
|
||||
| 1943 | Neurone artificiale (teoria) | McCulloch, Pitts |
|
||||
| 1958 | Perceptron | Rosenblatt |
|
||||
| 1969 | Critica ai limiti del perceptron | Minsky, Papert |
|
||||
| 1986 | Backpropagation | Rumelhart, Hinton, Williams |
|
||||
| 2012 | Rivoluzione deep learning | Krizhevsky et al. (AlexNet) |
|
||||
|
||||
Se ti servono riferimenti bibliografici precisi o un approfondimento su uno di questi momenti, fammi sapere!
|
||||
- ##### You said:
|
||||
|
||||
Sono coloro che hanno preso il nobel?
|
||||
|
||||
McCulloch-Pitts.
|
||||
- ###### ChatGPT said:
|
||||
|
||||
No, **Warren McCulloch** e **Walter Pitts** **non hanno ricevuto il Premio Nobel**.
|
||||
|
||||
---
|
||||
- ### 🔍 Alcuni chiarimenti importanti:
|
||||
- **McCulloch e Pitts** sono considerati i **padri fondatori** del concetto di neurone artificiale, grazie al loro lavoro del 1943. Tuttavia, il loro contributo, sebbene seminale, è rimasto confinato principalmente alla teoria e alla neurocibernetica, e **non è stato premiato con un Nobel**.
|
||||
- Il **Premio Nobel** in ambito scientifico (Fisica, Chimica, Medicina) raramente viene assegnato per contributi all’**informatica** o all’**intelligenza artificiale**, poiché non esiste una categoria specifica per l'informatica (a differenza, ad esempio, del **Turing Award**).
|
||||
|
||||
---
|
||||
- ### 💡 Premi più vicini all’IA e alle reti neurali:
|
||||
- **Geoffrey Hinton**, **Yann LeCun**, e **Yoshua Bengio** hanno ricevuto nel **2018** il **Turing Award** (spesso chiamato "il Nobel dell'informatica") per i contributi fondamentali al **deep learning** e alle **reti neurali profonde**.
|
||||
|
||||
---
|
||||
- ### In sintesi:
|
||||
|
||||
| Persona | Premio Nobel? | Premio rilevante |
|
||||
| ---- | ---- | ---- |
|
||||
| Warren McCulloch | ❌ | Nessuno specifico |
|
||||
| Walter Pitts | ❌ | Nessuno specifico |
|
||||
| Hinton, LeCun, Bengio | ❌ | ✔ Turing Award (2018) |
|
||||
|
||||
Se vuoi ti posso fornire una panoramica anche dei premiati in AI e machine learning.
|
||||
- ### TIMELINE (circa 110 min)
|
||||
- #### Chi sono (5min)
|
||||
- #### Cos'è l'Intelligenza Artificiale (15 min)
|
||||
- #### Introduzione ai LLMs (20 min)
|
||||
- #### Informatica (12 min)
|
||||
- #### LLM e Informatica (5 + 25 min)
|
||||
- #### Mini tutorial live (20-25 min)
|
||||
- Scriviamo un'app “Lista della spesa” in Python usando Copilot
|
||||
- ```python
|
||||
# Crea un'applicazione CLI in Python che consenta a un utente di:
|
||||
# 1. Aggiungere elementi a una lista della spesa
|
||||
# 2. Rimuovere elementi
|
||||
# 3. Visualizzare la lista
|
||||
# 4. Uscire
|
||||
```
|
||||
- Revisioni e miglioramenti
|
||||
- ```python
|
||||
# Aggiungi salvataggio su file della lista
|
||||
```
|
||||
- Aggiunta documentazione (Attenzione al risultato)
|
||||
- ```python
|
||||
Puoi aggiungere la documentazione di tutti i metodi?
|
||||
```
|
||||
- Generazione casi di testi
|
||||
- ```python
|
||||
Potresti generare i test per tutti i metodi?
|
||||
```
|
||||
- {:height 730, :width 244}
|
||||
- CTRL+SHIFT+P
|
||||
- 
|
||||
- 
|
||||
- Generazione plantUML
|
||||
- ```potresti generare un plantuml file che mi rappresenti graficamente la struttura del codice?
|
||||
potresti generare un plantuml file che mi rappresenti graficamente la struttura del codice?
|
||||
```
|
||||
- 
|
||||
- Attività interattiva
|
||||
- ## 🟣 **Attività 2 – “Scrivi tu il prompt!”**
|
||||
- ### 📍 Obiettivo:
|
||||
|
||||
Far riflettere su quanto sia importante formulare bene le richieste all’AI (sfida: *prompt engineering*).
|
||||
- ### 🛠️ Modalità:
|
||||
- Dai un obiettivo generico:
|
||||
|
||||
>
|
||||
|
||||
“Voglio che l’AI mi aiuti a fare un’app che salvi una lista di libri preferiti”
|
||||
- Chiedi a 2-3 volontarie di **scrivere un prompt diverso** per descrivere lo stesso obiettivo.
|
||||
- Mostra i risultati ottenuti da Copilot/ChatGPT per ciascun prompt.
|
||||
- Confronta e discuti: Quale era il più chiaro? Quale ha funzionato meglio?
|
||||
- ## Possiamo sempre fidarci?
|
||||
- ```python
|
||||
def is_prime(n):
|
||||
for i in range(2, n):
|
||||
if n % i == 0:
|
||||
return False
|
||||
return True
|
||||
```
|
||||
- funziona correttamente solo per valori di n >= 2, ma non gestisce i casi limite (n = 0 e n = 1), che non sono numeri primi.
|
||||
- #Definition: Un numero primo è un ==numero intero maggiore di 1 che ha esattamente due divisori distinti: 1 e sé stesso==. In altre parole, un numero primo non può essere diviso esattamente da nessun altro numero intero oltre a 1 e al numero stesso. Ad esempio, 2, 3, 5, 7, 11, 13 sono numeri primi. Il numero 1 non è considerato primo, perché ha un solo divisore, ovvero sé stesso.
|
||||
- ### **Cosa succede nei casi limite?**
|
||||
- #### 🔸 Caso `n = 1`
|
||||
- Il range `range(2, 1)` è **vuoto**, quindi il ciclo **non viene mai eseguito**.
|
||||
- Si salta direttamente a `return True`
|
||||
- 🔴 **Errore**: la funzione restituisce `True`, ma 1 **non è un numero primo**.
|
||||
- #### 🔸 Caso `n = 0`
|
||||
- Anche `range(2, 0)` è vuoto → stesso comportamento
|
||||
- 🔴 **Errore**: restituisce `True`, ma 0 **non è un numero primo**
|
||||
- Versione corretta
|
||||
- ```python
|
||||
def is_prime(n):
|
||||
if n < 2:
|
||||
return False
|
||||
for i in range(2, n):
|
||||
if n % i == 0:
|
||||
return False
|
||||
return True
|
||||
|
||||
```
|
||||
- #### LLM e Ingegneria del Software (10 min)
|
||||
- #### Agentic AI (10 min)
|
||||
- #### Sfide, rischi e opportunità (10 min)
|
||||
-
|
||||
- ## Schedule preparazione
|
||||
- DONE [[16-06-2025]] Primo draft completo presentazione con l'aver definito tutti gli ingredienti
|
||||
- DONE [[17-06-2025]] Secondo draft completo con aver recuperato tutti gli ingredienti ed inseriti nelle slide
|
||||
:LOGBOOK:
|
||||
CLOCK: [2025-06-17 Tue 16:45:19]--[2025-06-17 Tue 16:45:20] => 00:00:01
|
||||
:END:
|
||||
- Forse qualcosa da prendere dalla tesi di Marco Giarrusso
|
||||
- TODO [[18-08-2025]] Raffinamento contenuti e grafica delle slides
|
||||
- ## Struttura intervento di circa 2 ore
|
||||
- Dalle 11:15 alle 13:00
|
||||
- 
|
||||
- ((684fbd0a-e948-4f25-9fd4-4ca045edad83))
|
||||
- Outline
|
||||
- ### 🔹 **1. Apertura e orientamento (10 min)**
|
||||
- Saluti iniziali e presentazione personale
|
||||
- Cosa faremo oggi e cosa faremo domani
|
||||
- Obiettivo: esplorare il mondo dell’AI generativa applicata all’informatica
|
||||
- ### 🔹 **2. Che cos’è l’AI generativa? (15 min)**
|
||||
Spiegazione accessibile ma non semplicistica
|
||||
- Differenza tra AI “tradizionale” e AI generativa
|
||||
- I Large Language Models (LLM): che cosa sono e come funzionano (semplificato)
|
||||
- Concetti base: token, training, probabilità, completamento
|
||||
- Esempio pratico: predizione della parola successiva
|
||||
|
||||
---
|
||||
- ### 🔹 **3. Dove vediamo l’AI generativa oggi? (10 min)**
|
||||
Contestualizzazione nel quotidiano
|
||||
- Chatbot (es. ChatGPT), creazione immagini (es. DALL·E), scrittura assistita
|
||||
- Usabilità accessibile: dall’industria ai social
|
||||
- ### 🔹 **4. LLM e Ingegneria del Software (25 min)**
|
||||
Collegamento diretto all’informatica
|
||||
- Come un LLM può aiutare chi sviluppa software:
|
||||
- Scrivere codice (es. GitHub Copilot)
|
||||
- Spiegare cosa fa un programma
|
||||
- Generare test
|
||||
- Automatizzare documentazione
|
||||
- Assistere nella progettazione (es. generazione di UML)
|
||||
- Mini demo (anche video) con prompt tipo:
|
||||
- “Scrivi un programma che calcoli l’area di un triangolo”
|
||||
- “Genera il diagramma delle classi per un’app ToDo”
|
||||
|
||||
---
|
||||
- ### 🔹 **5. Sfide, rischi e opportunità (15 min)**
|
||||
Pensiero critico e riflessivo
|
||||
- Bias nei modelli e responsabilità d’uso
|
||||
- L’importanza della supervisione umana
|
||||
- Opportunità per *nuove professioni*: chi crea AI, chi la guida, chi la interpreta
|
||||
- ### 🔹 **6. Interazione finale e preview del laboratorio (20 min)**
|
||||
Attivazione e coinvolgimento
|
||||
- Mini quiz/gioco (es. “Chi ha scritto questa frase: umana o AI?”)
|
||||
- Confronto su dubbi e curiosità
|
||||
- Anticipazione del laboratorio:
|
||||
- Domani proverete a scrivere prompt e far generare codice e progetti all’AI
|
||||
- Lavorerete in gruppi per *guidare* l’intelligenza artificiale, non solo usarla
|
||||
- ## [[References]] per preparare l'intervento
|
||||
- [Perché spesso ChatGPT si inventa le cose - Il Post](https://www.ilpost.it/2025/06/10/perche-chatgpt-inventa-cose/)
|
||||
id:: 684ed422-c5f8-4bdb-99af-7c9fe1476021
|
||||
collapsed:: true
|
||||
- - #[[Clip]] [[15-06-2025]] 16:10 [Perché spesso ChatGPT si inventa le cose - Il Post](https://www.ilpost.it/2025/06/10/perche-chatgpt-inventa-cose/)
|
||||
Quando parliamo di AI generative ci riferiamo a modelli linguistici di grandi dimensioni (o LLM), un tipo di tecnologia in cui reti neurali profonde vengono addestrate con enormi quantità di documenti per elaborare e generare testi.
|
||||
- - #[[Clip]] [[15-06-2025]] 16:10 [Perché spesso ChatGPT si inventa le cose - Il Post](https://www.ilpost.it/2025/06/10/perche-chatgpt-inventa-cose/)
|
||||
In molti casi, questi modelli non sono in grado di capire quando una domanda è al di là delle loro capacità, e provano comunque a rispondere.
|
||||
- - #[[Clip]] [[15-06-2025]] 16:10 [Perché spesso ChatGPT si inventa le cose - Il Post](https://www.ilpost.it/2025/06/10/perche-chatgpt-inventa-cose/)
|
||||
i LLM hanno ancora un problema con le cosiddette [allucinazioni](https://www.ilpost.it/2024/05/22/ai-allucinazioni/), gli errori fattuali dei chatbot, che spesso inventano fatti e dettagli.
|
||||
- - #[[Clip]] [[15-06-2025]] 16:10 [Perché spesso ChatGPT si inventa le cose - Il Post](https://www.ilpost.it/2025/06/10/perche-chatgpt-inventa-cose/)
|
||||
il materiale di partenza su cui sono stati addestrati è incompleto, e le AI sono costrette a riempire le lacune, inventando di fatto informazioni (che sono comunque grammaticalmente corrette).
|
||||
- - #[[Clip]] [[15-06-2025]] 16:10 [Perché spesso ChatGPT si inventa le cose - Il Post](https://www.ilpost.it/2025/06/10/perche-chatgpt-inventa-cose/)
|
||||
Un esempio recente riguarda il quotidiano statunitense che ha [pubblicato](https://www.ilpost.it/2025/05/21/lista-consigli-libri-intelligenza-artificiale/) una lista di libri consigliati per l’estate, includendo titoli non esistenti, generati da un’intelligenza artificiale.
|
||||
- - #[[Clip]] [[15-06-2025]] 16:11 [Perché spesso ChatGPT si inventa le cose - Il Post](https://www.ilpost.it/2025/06/10/perche-chatgpt-inventa-cose/)
|
||||
Il settore dove questa tecnologia sta avendo l’impatto più profondo è probabilmente quello della programmazione informatica, tanto che in aziende come Microsoft [il 30 per cento del codice](https://www.cnbc.com/2025/04/29/satya-nadella-says-as-much-as-30percent-of-microsoft-code-is-written-by-ai.html) viene già scritto da AI.
|
||||
- - #[[Clip]] [[15-06-2025]] 16:12 [Perché spesso ChatGPT si inventa le cose - Il Post](https://www.ilpost.it/2025/06/10/perche-chatgpt-inventa-cose/)
|
||||
Ma le AI possono essere usate anche per scrivere (o tradurre) mail e documenti aziendali, o generare slide per presentazioni, mentre è nota da tempo la loro [inaffidabilità](https://www.ilpost.it/2024/07/28/matematica-intelligenza-artificiale/) nei calcoli matematici
|
||||
- - #[[Clip]] [[15-06-2025]] 16:13 [Perché spesso ChatGPT si inventa le cose - Il Post](https://www.ilpost.it/2025/06/10/perche-chatgpt-inventa-cose/)
|
||||
Il settore legale è stato uno dei primi a scontrarsi con le allucinazioni delle AI, come [dimostrato](https://www.businessinsider.com/increasing-ai-hallucinations-fake-citations-court-records-data-2025-5) dai molti casi in cui hanno prodotto documenti legali con riferimenti a leggi o sentenze del tutto inventati. Le allucinazioni sono così diffuse nell’ambiente legale da aver spinto l’avvocato francese Damien Charlotin a creare un sito che [raccoglie](https://www.damiencharlotin.com/hallucinations/) errori di questo tipo man mano che vengono scoperti.
|
||||
- - #[[Clip]] [[15-06-2025]] 16:13 [Perché spesso ChatGPT si inventa le cose - Il Post](https://www.ilpost.it/2025/06/10/perche-chatgpt-inventa-cose/)
|
||||
Le aziende che li sviluppano, infatti, sono sempre più in competizione tra loro e hanno capito che la maggioranza degli utenti preferisce un’AI che risponde sempre rispetto a una più cauta.
|
||||
- - #[[Clip]] [[15-06-2025]] 16:14 [Perché spesso ChatGPT si inventa le cose - Il Post](https://www.ilpost.it/2025/06/10/perche-chatgpt-inventa-cose/)
|
||||
intelligenze artificiali ruffiane”
|
||||
- - #[[Clip]] [[15-06-2025]] 16:14 [Perché spesso ChatGPT si inventa le cose - Il Post](https://www.ilpost.it/2025/06/10/perche-chatgpt-inventa-cose/)
|
||||
Dopo le critiche ricevute, l’azienda ha modificato le impostazioni ordinando al modello di «interagire con l’utente in modo caloroso ma onesto», mantenendo una certa «professionalità».
|
||||
- - #[[Clip]] [[15-06-2025]] 16:15 [Perché spesso ChatGPT si inventa le cose - Il Post](https://www.ilpost.it/2025/06/10/perche-chatgpt-inventa-cose/)
|
||||
«sacrificare, in alcuni casi, la veridicità in favore della ossequiosità».
|
||||
- - #[[Clip]] [[15-06-2025]] 16:15 [Perché spesso ChatGPT si inventa le cose - Il Post](https://www.ilpost.it/2025/06/10/perche-chatgpt-inventa-cose/)
|
||||
Verbosity Compensation, o «compensazione della verbosità», il fenomeno per cui i chatbot sembrano dare risposte più lunghe alle domande su cui sono più incerti, a causa della scarsità di informazioni disponibili.
|
||||
- - #[[Clip]] [[15-06-2025]] 16:16 [Perché spesso ChatGPT si inventa le cose - Il Post](https://www.ilpost.it/2025/06/10/perche-chatgpt-inventa-cose/)
|
||||
Il grande successo commerciale di sistemi da ChatGPT in poi ha cambiato l’approccio di molte aziende, che hanno abbandonato parte dell’iniziale cautela sul contenuto delle risposte per offrire un servizio che dia sempre una risposta agli utenti.
|
||||
- - #[[Clip]] [[15-06-2025]] 16:21 [Perché spesso ChatGPT si inventa le cose - Il Post](https://www.ilpost.it/2025/06/10/perche-chatgpt-inventa-cose/)
|
||||
In questo contesto, un fattore importante è la memoria, ovvero la capacità di ricordare determinati precedenti delle loro conversazioni con l’utente e usarli per adattare le loro risposte future.
|
||||
- [Una lista di libri consigliati che non esistono - Il Post](https://www.ilpost.it/2025/05/21/lista-consigli-libri-intelligenza-artificiale/)
|
||||
- [Why is ChatGPT so bad at math? | TechCrunch](https://techcrunch.com/2024/10/02/why-is-chatgpt-so-bad-at-math/)
|
||||
- ## Approfondimento
|
||||
collapsed:: true
|
||||
- Si puo pensare di far realizzare alle studentesse un GPT specifico per il task di interesse. Realizzare un chatbot?
|
||||
- L'anno scorso le ragazze avevano fatto un GPT per gestire l'ansia
|
||||
- 
|
||||
- I tutor sono:
|
||||
- Isabella
|
||||
- Gennaro
|
||||
- Alina
|
||||
- Oggi [[10-06-2025]] abbiamo avuto una call con i tutor. Si e' deciso di investigare la strada di progettare una sessione di approfindimento che coinvolta tutte le fase principali relative all'uso di strumenti LLM etc.
|
||||
-
|
||||
@@ -0,0 +1,5 @@
|
||||
tags:: #todoist-task, [[SERVICES/PHDICT]]
|
||||
date:: [[16-06-2025]] - 16:49
|
||||
progress:: {{renderer :todomaster}}
|
||||
|
||||
- {:height 244, :width 1010}
|
||||
@@ -291,7 +291,10 @@ progress:: {{renderer :todomaster}}
|
||||
- Vedi Art 12 del [Regolamento](https://www.univaq.it/include/utilities/blob.php?table=regolamento&id=64&item=file)
|
||||
-
|
||||
- ## 2025/2026 #XLI ciclo
|
||||
- CALENDARIO
|
||||
- 
|
||||
- Overview borse (totale 14 con borsa, 4 senza):
|
||||
collapsed:: true
|
||||
- [MODELLO](https://dottorati.mur.gov.it/php5/compilazione/2025/vis_modello.php?amm=0&codice=3907831713T97VJY3J86094281322294397041&c=DO&PREF_X_TABELLE=DOTT25&modello=A&db=MIUR9&chiave=7TKD5JWN9GHQRUM1295875256&x=15&y=23)
|
||||
- 6 MUR
|
||||
- 5 Regione
|
||||
@@ -314,7 +317,14 @@ progress:: {{renderer :todomaster}}
|
||||
- ((67d8451e-abb9-4a76-9982-be8e0d8b7507))
|
||||
- Questo anche e' da vedere!!!
|
||||
- ## 2024/2025 #DM629 #DM630 #[[XL Ciclo]]
|
||||
collapsed:: true
|
||||
- ### Lavori commissione ammissione
|
||||
- [Scheda informativa](https://www.univaq.it/include/utilities/blob.php?table=corso_dottorato&id=283&item=scheda_informativa)
|
||||
[Commissione giudicatrice](https://www.univaq.it/include/utilities/blob.php?table=corso_dottorato&id=283&item=commissione)
|
||||
[Elenco candidati ammessi](https://www.univaq.it/include/utilities/blob.php?table=corso_dottorato&id=283&item=ammessi)
|
||||
[Verbale preliminare - Criteri](https://www.univaq.it/include/utilities/blob.php?table=corso_dottorato&id=283&item=verbale_preliminare_criteri)
|
||||
[Risultati della valutazione dei titoli](https://www.univaq.it/include/utilities/blob.php?table=corso_dottorato&id=283&item=risultati_valutazione_titoli)
|
||||
[Approvazione atti e graduatoria](https://www.univaq.it/include/utilities/blob.php?table=corso_dottorato&id=283&item=graduatoria)
|
||||
- [Domande prova orale](https://www.univaq.it/include/utilities/blob.php?table=corso_dottorato&id=283&item=domanda_prova_orale)
|
||||
- ### #DM629 #DM630
|
||||
- Passaggi importanti:
|
||||
- 1. il DM 629 (ex 118 - dottorati PNRR) assegna 779 borse con finanziamento da 70mila euro (e 15+15 borse ai due dottorati nazionali accreditati nel 37° ciclo);
|
||||
@@ -368,7 +378,6 @@ progress:: {{renderer :todomaster}}
|
||||
-
|
||||
-
|
||||
- ## 2022/2023 #DM351 #DM352 #[[XXXVIII Ciclo]]
|
||||
collapsed:: true
|
||||
- Decreti Ministeriali n. 351, n. 352 del 9 aprile 2022 e n. 925 del 29 luglio 2022
|
||||
- ## REGOLAMENTI
|
||||
- [[@REGOLAMENTO_Dottorati_Ricerca_Modifica_DR_rep_597_01_06_2023.pdf]] [[STAR]]
|
||||
|
||||
@@ -0,0 +1,3 @@
|
||||
### Meetings
|
||||
- {{query (and [[meeting]] [[SWEN]])}}
|
||||
query-table:: true
|
||||
+36
-14
@@ -24,10 +24,10 @@ progress:: {{renderer :todomaster}}
|
||||
- TODO [#A] [[Progettazione Offerta Formativa]]
|
||||
todoist-desc:: logseq://graph/Logseq?page=Progettazione%20Offerta%20Formativa
|
||||
todoist-id:: [9205819498](https://app.todoist.com/app/task/9205819498)
|
||||
SCHEDULED: <2025-06-17 Tue>
|
||||
- TODO [#A] [[Missione STAF 2025]]
|
||||
SCHEDULED: <2025-06-23 Mon>
|
||||
- TODO [#C] [[Missione STAF 2025]]
|
||||
todoist-id:: [9135141990](https://app.todoist.com/app/task/9135141990)
|
||||
SCHEDULED: <2025-06-15 Sun>
|
||||
SCHEDULED: <2025-06-19 Thu>
|
||||
:LOGBOOK:
|
||||
CLOCK: [2025-06-11 Wed 11:37:54]--[2025-06-15 Sun 19:24:44] => 103:46:50
|
||||
:END:
|
||||
@@ -47,7 +47,7 @@ progress:: {{renderer :todomaster}}
|
||||
- TODO [#B] [[Call per posizioni MOSAICO]]
|
||||
todoist-desc:: logseq://graph/Logseq?page=Call%20per%20posizioni%20MOSAICO
|
||||
todoist-id:: [8663268357](https://app.todoist.com/app/task/8663268357)
|
||||
SCHEDULED: <2025-06-16 Mon>
|
||||
SCHEDULED: <2025-06-20 Fri>
|
||||
:LOGBOOK:
|
||||
CLOCK: [2025-06-14 Sat 11:21:37]--[2025-06-14 Sat 21:27:23] => 10:05:46
|
||||
:END:
|
||||
@@ -57,26 +57,26 @@ progress:: {{renderer :todomaster}}
|
||||
- TODO [#B] [[PAPERS/MOSAICO-Technical-Report]]
|
||||
todoist-desc:: logseq://graph/Logseq?page=PAPERS%2FMOSAICO-Technical-Report
|
||||
todoist-id:: [9187744429](https://app.todoist.com/app/task/9187744429)
|
||||
SCHEDULED: <2025-06-17 Tue>
|
||||
SCHEDULED: <2025-06-19 Thu>
|
||||
:LOGBOOK:
|
||||
CLOCK: [2025-06-07 Sat 13:49:10]--[2025-06-08 Sun 21:19:31] => 31:30:21
|
||||
CLOCK: [2025-06-13 Fri 12:00:06]--[2025-06-14 Sat 09:56:22] => 21:56:16
|
||||
:END:
|
||||
- TODO [#A] [[Preparazione Intervento PINKAMP]]
|
||||
- DONE [#A] [[Preparazione Intervento PINKAMP]]
|
||||
todoist-id:: [9179967916](https://app.todoist.com/app/task/9179967916)
|
||||
SCHEDULED: <2025-06-16 Mon>
|
||||
- TODO [#A] [[Aggiornamento uso fondi progetti]]
|
||||
SCHEDULED: <2025-06-19 Thu>
|
||||
- TODO [#B] [[Aggiornamento uso fondi progetti]]
|
||||
todoist-id:: [9143259271](https://app.todoist.com/app/task/9143259271)
|
||||
SCHEDULED: <2025-06-16 Mon>
|
||||
- TODO [[[mosaico-all] MOSAICO meetings in Rome July 2025]]
|
||||
SCHEDULED: <2025-06-20 Fri>
|
||||
- TODO [#A] [[[mosaico-all] MOSAICO meetings in Rome July 2025]]
|
||||
todoist-desc:: From: zhanna.zhussupova@imt-atlantique.fr
|
||||
todoist-id:: [9224183665](https://app.todoist.com/app/task/9224183665)
|
||||
SCHEDULED: <2025-06-16 Mon>
|
||||
SCHEDULED: <2025-06-21 Sat>
|
||||
- TODO [[Invited talk at LLMA4SE Summer School website]]
|
||||
todoist-id:: [9201031612](https://app.todoist.com/app/task/9201031612)
|
||||
todoist-desc:: From: chemacm@unex.es
|
||||
SCHEDULED: <2025-08-18 Mon>
|
||||
- TODO [#A] [[Missione Emeliot Salerno - Luglio 2025]]
|
||||
- TODO [#B] [[Missione Emeliot Salerno - Luglio 2025]]
|
||||
todoist-desc:: From: leonardo.mariani@unimib.it
|
||||
todoist-id:: [9161916557](https://app.todoist.com/app/task/9161916557)
|
||||
SCHEDULED: <2025-06-19 Thu>
|
||||
@@ -86,7 +86,29 @@ progress:: {{renderer :todomaster}}
|
||||
- TODO [#B] [[Linee guida afferenza Collegio dottorato ICT]]
|
||||
todoist-desc:: [Linee guida per la valutazione richieste afferenza dottorato ICT.docx](https://univaq-my.sharepoint.com/:w:/g/personal/davide_diruscio_univaq_it/EbLmq-bFlvZDpxTZLeHiQFgBBlAIxRR_3aoAZsNBUHFyXw?e=cXOsS3)
|
||||
todoist-id:: [8912715542](https://app.todoist.com/app/task/8912715542)
|
||||
SCHEDULED: <2025-06-16 Mon>
|
||||
SCHEDULED: <2025-06-20 Fri>
|
||||
:LOGBOOK:
|
||||
CLOCK: [2025-06-13 Fri 11:59:57]--[2025-06-14 Sat 09:56:22] => 21:56:25
|
||||
:END:
|
||||
:END:
|
||||
- TODO [#A] [[Presentazione dei documenti di monitoraggio]]
|
||||
todoist-desc:: From: [antonio.mecozzi@univaq.it](mailto:antonio.mecozzi@univaq.it)
|
||||
todoist-id:: [9223534564](https://app.todoist.com/app/task/9223534564)
|
||||
SCHEDULED: <2025-06-19 Thu>
|
||||
- TODO [#A] [[🗓 TIASSISTO24 - MEETING BANDO REGIONE ABRUZZO 1.1.1.2]]
|
||||
todoist-desc:: From: executiveassistant@e.read.ai
|
||||
todoist-id:: [9248741876](https://app.todoist.com/app/task/9248741876)
|
||||
SCHEDULED: <2025-06-19 Thu>
|
||||
- TODO [#A] [[PRIN 2020 - scadenza rendicontazione finale]]
|
||||
todoist-id:: [9134866367](https://app.todoist.com/app/task/9134866367)
|
||||
todoist-desc:: From: proget@strutture.univaq.it
|
||||
SCHEDULED: <2025-06-19 Thu>
|
||||
- TODO [#C] [[Missione ROMA Mosaico]]
|
||||
todoist-id:: [9204561368](https://app.todoist.com/app/task/9204561368)
|
||||
SCHEDULED: <2025-06-20 Fri>
|
||||
- DONE [#B] [[MODELS: 10 years most infuential paper selection committee]]
|
||||
todoist-desc:: From: manuel.wimmer@jku.at
|
||||
todoist-id:: [9153069465](https://app.todoist.com/app/task/9153069465)
|
||||
SCHEDULED: <2025-06-19 Thu>
|
||||
- TODO [[PAPERS/2025-LLM-GENERATION]]
|
||||
todoist-id:: [9273049128](https://app.todoist.com/app/task/9273049128)
|
||||
SCHEDULED: <2025-06-19 Thu>
|
||||
@@ -13,7 +13,6 @@ parent::
|
||||
todoist:: https://app.todoist.com/app/task/tosem-2024-0648-reviewer-agreed-6WQgFVcxWqGWQvWg
|
||||
|
||||
- ### [[Highlights]]
|
||||
collapsed:: true
|
||||
- # Annotazioni
|
||||
|
||||
(16/12/2024, 12:55:04)
|
||||
@@ -121,14 +120,4 @@ todoist:: https://app.todoist.com/app/task/tosem-2024-0648-reviewer-agreed-6WQgF
|
||||
- The description of Figure 1's "Configuration box" could be expanded to include motivations for the refactoring process, such as updating third-party libraries or applying design patterns.
|
||||
- While the paper identifies different root causes and bug symptoms, it could provide more qualitative discussions or examples to help readers understand these categories better.
|
||||
- The distinction between "Initial preconditions" and "Final conditions checking" (e.g., for the "Make Static" refactoring) is unclear. This differentiation should be explained in greater depth.
|
||||
- The paper mentions that the authors categorized bugs based on four aspects: 1) refactoring type, 2) root cause, 3) symptom, and 4) input characteristics, but it does not clearly explain how these labels were assigned. Explanatory examples and a discussion on the labeling process are necessary.
|
||||
- ####
|
||||
- ### [[REVIEWS/Notes]]
|
||||
- ### YELLOW CONCERNS
|
||||
background-color:: yellow
|
||||
- {{query (and [[ffd400]] [[TOSEM-2024-0648]] )}}
|
||||
collapsed:: true
|
||||
- ### ❓️Questions
|
||||
- {{query (and [[question]] [[TOSEM-2024-0648]] )[[question]]}}
|
||||
query-table:: true
|
||||
query-properties:: [:block]
|
||||
- The paper mentions that the authors categorized bugs based on four aspects: 1) refactoring type, 2) root cause, 3) symptom, and 4) input characteristics, but it does not clearly explain how these labels were assigned. Explanatory examples and a discussion on the labeling process are necessary.
|
||||
@@ -9,6 +9,8 @@ icon:: 👀
|
||||
query-sort-by:: block
|
||||
query-sort-desc:: true
|
||||
- ---
|
||||
- Prompt copilot
|
||||
- `Vorrei migliorare la mia scrittura creativa prendendo esempio da alcuni classici della letteratura. Puoi aiutarmi con alcuni esempi ed esercizi?`
|
||||
- [[31-05-2025]]
|
||||
collapsed:: true
|
||||
- DONE **🎯 Sfida di scrittura: “Il messaggio nella macchina”**
|
||||
|
||||
@@ -0,0 +1,8 @@
|
||||
file:: [Orario_definitivo_prima_settimana_1750056154238_0.pdf](../assets/Orario_definitivo_prima_settimana_1750056154238_0.pdf)
|
||||
file-path:: ../assets/Orario_definitivo_prima_settimana_1750056154238_0.pdf
|
||||
|
||||
- Introduzione al dominio applicativo “Generative AI”: Large Language Models e loro uso nell'ingegneria del software(area Informatica)(Davide Di Ruscio
|
||||
ls-type:: annotation
|
||||
hl-page:: 1
|
||||
hl-color:: green
|
||||
id:: 684fbd0a-e948-4f25-9fd4-4ca045edad83
|
||||
@@ -0,0 +1,5 @@
|
||||
tags:: #todoist-task, [[PROJECTS]]
|
||||
date:: [[19-06-2025]] - 13:11
|
||||
progress:: {{renderer :todomaster}}
|
||||
|
||||
-
|
||||
Reference in New Issue
Block a user