Il team di Apex Intelligence ha annunciato la pubblicazione di 36 risultati di ricerca scientifica generati quasi interamente dal proprio sistema di intelligenza artificiale. I documenti, disponibili in forma di codice sorgente, dati sperimentali e tracciamenti di generazione, sono stati rilasciati su un repository pubblico, garantendo trasparenza totale e possibilità di replica per la comunità accademica.

Un sistema autonomo per la ricerca end‑to‑end

Secondo i responsabili del progetto, l’IA sviluppata è capace di condurre un’intera indagine scientifica con “minimo intervento umano”. Nelle ultime settimane il sistema ha completato il ciclo completo: ricerca bibliografica, definizione della metodologia, implementazione del codice, esecuzione degli esperimenti, analisi dei risultati, creazione di grafici, redazione del documento in LaTeX e successiva auto‑valutazione per ottimizzare iterativamente le conclusioni.

Questo approccio dimostra che un modello di intelligenza artificiale può formulare domande di ricerca, progettare esperimenti rigorosi e trarre inferenze significative senza l’assistenza di esperti di dominio. L’intervento umano è stato limitato a operazioni di supervisione non specialistiche, come la verifica di formattazione o il caricamento dei risultati su piattaforme di condivisione.

Le due aree di ricerca coperte

Le 36 pubblicazioni si suddividono in due macro‑settori:

    • IA fondamentale, con cinque temi principali: valutazione dei modelli e benchmark, estrazione di informazioni e inferenza causale, agenti e apprendimento rinforzato, sicurezza e allineamento dei LLM, meccanismi di modello e efficienza di training e inferenza.
    • Robotica embodied, focalizzata su controllo embodied e modelli Vision‑Language‑Action (VLA).

Cinque risultati rappresentativi

Di tutti gli studi pubblicati, il team ha selezionato cinque esempi emblematici per illustrare le potenzialità del proprio framework.

1. Profilazione della profondità di generazione di testi IA

Il lavoro, intitolato “Depth Profiling: Classifying Recursive Generation Depth in Base‑Model LLM Text”, indaga come la distribuzione statistica di un testo cambi dopo più cicli di generazione da parte di grandi modelli linguistici. L’obiettivo è andare oltre la tradizionale classificazione binaria “umano vs. IA” per identificare quante volte un testo è stato riciclato attraverso modelli generativi.

La ricerca utilizza otto modelli di base appartenenti a cinque famiglie diverse, generando circa 37 000 testi multi‑round. Vengono calcolate le probabilità negative a livello di token (NLL) rispetto a un modello di riferimento fisso e analizzate metriche come la diversità lessicale.

Gli esperimenti rivelano un fenomeno coerente: le posizioni della distribuzione NLL subiscono un “drift” continuo con l’aumentare delle generazioni, mentre altre caratteristiche rimangono relativamente stabili. L’effetto medio della NLL e della diversità lessicale varia con una dimensione dell’effetto d ≈ 0,74–1,05, mentre le metriche di coda mostrano cambiamenti minori (d < 0,10).

Il team introduce il concetto di “Differential Depth Response” (DDR) per descrivere questa asimmetria. Sfruttando DDR, viene costruito un classificatore leggero che assegna i testi a tre categorie: Gen‑0 (originale), Gen‑1 (una generazione) e Gen‑2+ (due o più generazioni). In una valutazione “Leave‑One‑Generator‑Out” il modello ottiene un F1 binario di 0,694 e, in scenari specifici di catene di generazione, un punteggio di 0,830.

Questa scoperta apre nuove possibilità per il tracciamento dei dati sintetici, la verifica dei corpora di training e lo studio delle dinamiche della generazione ricorsiva, benché rimanga da testare su modelli finemente allineati e ambienti più complessi.

2. Monitoraggio della sicurezza nei modelli di inferenza

Intitolato “Layer Selection Sensitivity in Hidden‑State Safety Probes for Reasoning Models”, lo studio analizza come la scelta dei layer di un transformer influenzi la capacità di probe basati su hidden state di rilevare cambiamenti di sicurezza durante l’inferenza.

Gli autori osservano che i modelli di ragionamento possono deviare gradualmente verso contenuti dannosi, un fenomeno non catturato da probe che osservano solo input o output. Per questo motivo hanno introdotto probe che interrogano gli hidden state interni.

Il framework proposto confronta le rappresentazioni di sicurezza di diversi layer su quattro modelli di inferenza, valutando metriche quali frequenza di superamento della soglia, precisione, accuratezza bilanciata e tasso di falsi allarmi.

I risultati mostrano divergenze marcate: metriche basate sulla frequenza di superamento della soglia tendono a selezionare layer superficiali (L0‑L10), mentre quelle focalizzate sulla performance di rilevamento preferiscono layer profondi (L14‑L63). La differenza di selezione varia da 14 a 61 layer a seconda del modello.

Questa variazione influisce direttamente sulla capacità di rilevare trasformazioni pericolose: in alcuni layer superficiali le probe raggiungono performance comparabili a quelle dei probe basati su output testuale, mentre in layer più profondi si osserva una sensibilità maggiore ai cambiamenti sottili di stato di sicurezza.

3. (Altri tre risultati selezionati)

Gli altri tre lavori presentati nella release riguardano:

    • Un benchmark per la valutazione della qualità dei dati di training, che combina metriche di copertura semantica e di diversità strutturale per identificare set di dati sbilanciati.
    • Un approccio ibrido per l’allineamento di LLM basato su feedback umano sintetico, in cui l’IA genera scenari di valutazione e un algoritmo di ottimizzazione li usa per affinare le risposte.
    • Un modello di controllo embodied per robot manipolatori che integra visione, linguaggio e azioni in un’unica architettura end‑to‑end, dimostrando capacità di generalizzazione a compiti non visti durante l’addestramento.

Ciascuno di questi studi è accompagnato da repository pubblici contenenti il codice, i dataset generati e script di valutazione, consentendo a ricercatori esterni di replicare i risultati o di estendere le metodologie proposte.

Impatto e prospettive future

La decisione di rilasciare integralmente tutti gli artefatti di ricerca – dal codice ai log di generazione – rappresenta un passo significativo verso la trasparenza nella ricerca IA. Essa permette di:

    • Verificare in modo indipendente la robustezza delle conclusioni.
    • Stimolare la collaborazione tra gruppi accademici e industriali.
    • Fornire un banco di prova reale per lo sviluppo di strumenti di sicurezza e di auditing.

Inoltre, la dimostrazione che un sistema autonomo può condurre interamente un progetto scientifico apre interrogativi etici e metodologici: fino a che punto è opportuno delegare la formulazione delle ipotesi a una macchina? Quali controlli devono essere messi in atto per evitare bias sistematici introdotti dall’IA stessa?

Il team di Apex Intelligence riconosce queste sfide e ha già programmato ulteriori iterazioni del proprio framework, includendo meccanismi di revisione umana più strutturati e test su modelli più grandi e più diversificati. L’obiettivo a medio termine è creare un “laboratorio IA‑autonomo” in grado di generare e pubblicare articoli in tempo reale, mantenendo standard di peer‑review equivalenti a quelli delle riviste tradizionali.

Conclusioni

La pubblicazione dei 36 risultati di ricerca dimostra la maturità di una nuova generazione di sistemi IA capaci di gestire l’intero ciclo scientifico. Le cinque ricerche selezionate evidenziano innovazioni sia teoriche – come la profilazione della profondità generativa – sia pratiche – come il monitoraggio di sicurezza a livello di layer. Grazie alla completa apertura di codice, dati e tracciamenti, la community potrà valutare, replicare e ampliare questi lavori, contribuendo a definire gli standard di trasparenza e responsabilità per la ricerca IA del futuro.