• Passa alla navigazione primaria
  • Passa al contenuto principale
  • Passa alla barra laterale primaria
  • Passa alla barra laterale secondaria
  • Passa al piè di pagina
  • Home
  • Chi sono
  • Contatti
  • Tu che sei un fisico
  • Incontri e conferenze
  • Particelle familiari
  • Work

I commenti nei sorgenti

16 Novembre 2026 Lascia un commento

Chi scrive articoli scientifici, specie se contengono un sacco di formule come gli articoli di matematica o di fisica, in generale usa un sistema di formattazione chiamato LaTeX. LaTeX non è un editor WYSIWYG come per esempio MS Word: di fatto è un linguaggio di programmazione (o meglio, di “marcatura”), per cui il testo viene scritto in un file sorgente secondo le regole del linguaggio, e il file formattato (di solito un PDF) viene generato in un secondo momento con un passaggio di “compilazione”, in maniera analoga a quello che si fa per un programma di computer eseguibile.

Come anche nei file sorgenti scritti in un linguaggio di programmazione come il C++ o Python, il file “sorgente” di LaTeX può contenere, oltre a testo e comandi vari, anche delle linee di commento, che il compilatore ignora e non finiranno nel PDF finale. In LaTeX le righe di commento iniziano con il simbolo di percentuale % (un po’ come in C++ si può usare // e in Python #), e sono utili per eliminare (idealmente temporaneamente) una parte di testo che non si è sicuri di voler far apparire nel documento finale. L’abuso dei commenti in LaTeX fa però sì che questi diventino a volte il ripostiglio in cui finiscono paragrafi tagliati, numeri che non convincevano del tutto, note ai coautori, o magari versioni precedenti di una tabella i cui numeri siano evoluti nel tempo.

I fisici in primis (ma ormai anche molte altre discipline scientifiche “dure”), quando sottomettono un articolo a un giornale peer-reviewed perché venga considerato per la pubblicazione, hanno preso l’abitudine di caricare la versione inviata (e dunque preliminare) su un server di pre-pubblicazione (pre-print) che si chiama arXiv, lanciato nel 1991 e diventato ormai il punto di riferimento per le pubblicazioni scientifiche. Molto prima dell’avvento delle pubblicazioni Open Access, era infatti già possibile procurarsi aggratis una versione dell’articolo senza dover pagare l’abbonamento alla rivista, o anche solo aspettare la conclusione del processo di revisione paritaria. È una pratica ormai così standard almeno nel mondo della fisica, che anche una volta pubblicato su un giornale abbiamo l’abitudine di sostituire la versione preliminare dell’articolo sull’arXiv con quella definitiva, e arXiv resta il riferimento primario per trovare rapidamente le pubblicazioni che ci servono.

Quello che molti dimenticano è che, quando un articolo viene caricato sull’arXiv, normalmente, oltre al PDF, si carica anche il file sorgente LaTeX, insieme con la versione separata di ogni file che rappresenta un grafico o una figura dell’articolo. Non è un obbligo, ma è di fatto una prassi, per lo meno per la fisica. E quando si carica il sorgente LaTeX, a meno di aver fatto pulizia prima, si caricano anche i commenti segreti e nascosti, che nessuno vede leggendo il PDF, ma che sono in teoria lì a disposizione di chi voglia andarli a cercare.

Chiariamoci, quasi nessuno lo fa, perché leggere il sorgente LaTeX non compilato di un articolo, specie se scritto da altri, non è esattamente un passatempo divertente. Ma un modello linguistico LLM, che legge tutto quello che gli si mette davanti senza stancarsi, non ha di queste remore. Questa è la seconda puntata della serie di post sulle mie avventure con i miei wiki LLM. Se nella prima raccontavo come il problema fosse un modello che aggiungeva alle fonti cose che non c’erano, qui la storia comincia, almeno in apparenza, al contrario.

Dal PDF al sorgente

Il secondo wiki LLM con cui mi sono divertito nel corso del 2026 (e anche il primo su cui ho iniziato a lavorare e sperimentare) è legato al lavoro, e raccoglie articoli e note su FCC, il futuro collider circolare del CERN. Sono partito con l’idea di costruirmi un “secondo cervello” sulla fisica del bosone di Higgs a FCC-ee, associata allo sviluppo del futuro calorimetro del rivelatore ALLEGRO, e ai metodi di machine learning per ottimizzare i rivelatori, con qualche incursione dentro i documenti prodotti per il Débat Public su FCC che ha avuto luogo quest’estate, e magari fare anche qualche esperimento di RAG. Oggi il mio wiki LLM su FCC conta circa 180 pagine, costruite a partire da un centinaio di fonti, e mi è già stato parecchio utile più di una volta per ritrovare in fretta un’informazione o fare un collegamento non necessariamente banale.

Ho iniziato a costruire questo wiki LLM dando in pasto all’agente gli articoli di fisica o sui rivelatori di FCC in formato PDF, quegli stessi che leggevo pure io. La cosa funzionava piuttosto bene, ma in un paio di occasioni ho notato che la digestione delle formule direttamente estratte dai PDF non era sempre banale, e domandava che l’agente ne generasse prima una versione grafica da poi interpretare, dove lettere greche sbagliate, apici persi e sezioni d’urto storpiate erano più frequenti di quanto non mi andasse a genio. Perché fare tutta questa (costosa, in termini di token) fatica, mi sono detto, se le formule sono anche scritte in chiaro nei sorgenti di LaTeX degli stessi articoli? Ho quindi scritto uno script che, dato un identificativo arXiv, scarica anche il sorgente LaTeX, e ho chiesto all’agente di rileggere tutti gli articoli a partire da lì, ottenendo equazioni esatte, tabelle trascritte alla lettera e un testo che costa da tre a cinque volte meno da leggere. L’agente, come tutte le macchine testarde e compiacenti, ha macinato per un po’, ed è poi tornato da me con una scoperta che non avevo considerato: insieme alle equazioni e alle tabelle, in molti dei sorgenti c’erano anche dei commenti. L’agente, a cui avevo affidato il compito di leggere tutto, ha cominciato a raccontarmi che cosa contenevano.

Cosa c’è nei commenti

Nella maggior parte dei casi si trattava di pacchetti LaTeX disattivati o di righe puramente decorative. C’erano però un certo numero di articoli in cui i commenti contenevano qualcosa di decisamente più interessante, che ho classificato in quattro categorie:

  • Numeri nascosti (per ragioni più o meno buone): correlazioni calcolate e non pubblicate tra le misure di un’analisi, oppure le correzioni assolute da cui erano derivate le differenze riportate nel testo. In una rassegna, persino un’intera tabella di confronto tra metodi, nascosta perché gli autori ritenevano le condizioni sperimentali troppo diverse per poterle confrontare apertamente.
  • Scelte di analisi: la lista completa delle variabili di un algoritmo di classificazione, più lunga di quella nella tabella finalmente pubblicata; o un risultato alternativo, scartato, che spiegava perché era stata scelta un’altra strada.
  • Ipotesi riviste: in un articolo che faceva il confronto tra varie ipotesi di acceleratori futuri, le durate dei periodi di presa dati originali, poi invece riscalate per il risultato finale, e un commento mostra come la correzione sia arrivata in un secondo momento, durante la revisione del risultato.
  • Chiacchiere tra colleghi: note a un coautore per chiedere di controllare una definizione, affiliazioni tolte, nomi spariti dalla lista degli autori.

Alcune di queste informazioni “nascoste” completano l’articolo, altre lo sfumano o addirittura lo contraddicono, con un numero diverso o con un’ipotesi che il testo non dichiara. La cosa di per sé non è così straordinaria, la genesi di un risultato scientifico è spesso più tortuosa di come la si descrive nella pubblicazione finale. La cosa più intrigante è però che queste informazioni che avrebbero vocazione a restare interne alla cerchia degli autori, siano invece pubbliche e scaricabili da chiunque, anche se con ogni probabilità quasi nessuno l’ha mai fatto.

La nota che non era nascosta

l sorgente LaTeX di “Attention Is All You Need”: le righe che cominciano con % sono commenti, mentre la nota sui contributi degli autori (righe 84-85) è testo normale.

A dare fiducia al wiki LLM, la scoperta più spettacolare avrebbe riguardato l’articolo più famoso della raccolta: Attention Is All You Need, quello che nel 2017 ha introdotto il Transformer, l’architettura su cui si basano i modelli linguistici alla base degli algoritmi che stanno facendo la rivoluzione dell’AI. Secondo la pagina del wiki, il sorgente di quell’articolo conteneva una nota a piè di pagina con i contributi dei singoli autori, da chi aveva proposto di sostituire le reti ricorrenti con l’attenzione a chi aveva inventato l’attenzione multi-testa, e quella nota sarebbe stata tagliata prima della pubblicazione, tanto da non essere mai entrata nella storia ufficiale e da sopravvivere soltanto in un commento. Una bella storia, che però è falsa: quella riga del sorgente non comincia con il simbolo di percentuale e non è quindi un commento, ma una normale nota a piè di pagina, stampata nella prima pagina dell’articolo pubblicato, dove chiunque può leggerla da nove anni; per di più, la citazione riportata nella pagina del wiki saltava alcune parole senza segnalarlo. Il modello, forse preso dall’entusiasmo, aveva insomma trovato un’informazione vera, l’aveva creduta nascosta senza che lo fosse, l’aveva collocata nel posto sbagliato e ci aveva costruito sopra una narrazione di un segreto e di una storia mai raccontata, commettendo esattamente lo stesso tipo di errore della prima puntata, solo in una forma più seducente.

La stessa nota, stampata nella prima pagina dell’articolo pubblicato.

Cosa fare di questi segreti di Pulcinella?

Stordito dall’esperienza, sono andato di corsa a farmi rassicurare dal responsabile del Publication Committee di ATLAS sul fatto che abbiamo un sistema per “bonificare” i nostri articoli dai commenti prima di caricarli sull’arXiv (e sì, ce l’abbiamo). Mi sono poi trovato a rimuginare: che statuto ha un commento, che non è il risultato dell’articolo, perché gli autori hanno scelto di non pubblicarlo, ma non è nemmeno un errore, ed è comunque pubblico? Un wiki che lo tratti alla pari del testo finisce così per affermare cose che gli autori hanno deciso di non affermare.

C’è poi una differenza importante tra il contenuto scientifico e le persone: una correlazione non pubblicata o una variabile in più sono informazioni utili, anche per chi lavora nello stesso campo, mentre un nome tolto dalla lista degli autori o una nota a un collega sono tutt’altra cosa, perché raccontano fatti tra persone, spesso colleghi che conosco, che con la scienza hanno poco a che fare.

La regola che ho scelto per il wiki separa le due cose: il contenuto scientifico di un commento entra, con il riferimento esatto al file e alla riga e dopo aver controllato che non sia già nel PDF, mentre restano fuori le modifiche alla lista degli autori o alle affiliazioni, i nomi e le iniziali nelle note interne, le osservazioni su colleghi, revisori o lavori di altri gruppi e le dediche personali.

Due wiki, una lezione

Se nella prima puntata raccontavo di un modello che aggiungeva alle fonti cose che non c’erano, qui sono incappato in uno che ha trovato nelle fonti cose che c’erano davvero e che nessun lettore umano avrebbe visto; sono due facce della stessa capacità, quella di leggere tutto senza stancarsi e di raccontarlo bene, e il guaio è che il racconto risulta sempre convincente, tanto quando è vero quanto quando non lo è. La soluzione, nei due casi, è simile: ogni affermazione deve dire da dove viene, e quel “da dove” deve poter essere verificato da uno script. Per le citazioni dei libri basta confrontare il testo, mentre per i commenti LaTeX si può controllare che la riga citata esista, che cominci davvero con il simbolo di percentuale e che il testo non compaia nel PDF pubblicato.

Quando ho fatto controllare in questo modo tutte le affermazioni del wiki sui commenti, il risultato è stato più netto di quanto mi aspettassi: delle 260 “rivelazioni” raccolte in 17 pagine, solo una su tre è sopravvissuta intatta, mentre le altre contenevano fatti sbagliati, interpretazioni gonfiate o inventate, citazioni alterate o conteggi errati. L’errore più frequente era sempre lo stesso, simile alla storia dell’articolo fondativo dei Transformer: una copia commentata di materiale che in realtà era pubblicato altrove, nel testo, in una figura o in un’appendice, presentata come qualcosa di “tagliato” o “nascosto”, spesso con un motivo inventato dal modello per spiegarne il taglio. In un caso il modello aveva attribuito un articolo alla persona sbagliata solo perché aveva lo stesso cognome di un autore, e in un altro aveva preso la chiave bibliografica di una citazione pubblica, che portava il nome di una persona, per una comunicazione privata.

Mi pare dunque che la regola che si ricava dalle due puntate sia la stessa, forse più marcata: nel wiki dei libri le citazioni erano giuste nove volte su dieci e le sintesi due su tre, mentre qui le interpretazioni dei commenti, che sono il punto più lontano dalla fonte pubblicata e insieme il più seducente da raccontare, reggevano una volta su tre. Lo script che verifica che una riga sia davvero un commento è utile, ma non basta, perché può confermare che la riga è commentata senza poter dire se il racconto costruito sopra sia vero. E per quello, ancora una volta, serve qualcuno che rilegga.

Archiviato in:Fisica, Geeking & Hacking Contrassegnato con: AI, allucinazioni, arXiv, ATLAS, CERN, Claude, FCC, intelligenza artificiale, LaTeX, LLM, Machine learning, Open Access, peer review, pubblicazioni, Wiki

Comments in the source

16 Novembre 2026 Lascia un commento

Those who write scientific papers, especially if they contain lots of formulas like papers in mathematics or physics, generally use a typesetting system called LaTeX. LaTeX is not a WYSIWYG editor like, for example, MS Word: it is in fact a … [Continua a leggere] infoComments in the source

Archiviato in:English posts, Fisica, Geeking & Hacking Contrassegnato con: AI, artificial intelligence, arXiv, ATLAS, CERN, Claude, FCC, hallucinations, LaTeX, LLM, Machine learning, Open Access, peer review, publications, Wiki

Di fronte all’ambiguità, rifiuta la tentazione di tirare a indovinare

13 Novembre 2026 1 commento

Nel 2007, di ritorno da un corso di Python al CERN, pubblicavo qui lo Zen di Python, i diciannove aforismi firmati da Tim Peters. Tim Peters è morto lo scorso luglio, a 74 anni, e la notizia è arrivata solo ora. Dopo diciannove anni di analisi dati, … [Continua a leggere] infoDi fronte all’ambiguità, rifiuta la tentazione di tirare a indovinare

Archiviato in:Geeking & Hacking, Scienza e dintorni Contrassegnato con: python, TIm Peters, zen

The wiki of my highlights

11 Novembre 2026 Lascia un commento

I received my first Kindle as a Christmas present in 2013, and since then I have read most of the books I get through on this small device, which has followed me in my backpack everywhere, from mountain huts to the Amazon jungle. When I read on the … [Continua a leggere] infoThe wiki of my highlights

Archiviato in:English posts, Geeking & Hacking Contrassegnato con: AI, artificial intelligence, books, Claude, ebook, hallucinations, Kindle, LLM, Obsidian, reading, second brain, Wiki

Il wiki delle mie sottolineature

11 Novembre 2026 4 commenti

Ho ricevuto il mio primo Kindle come regalo a Natale del 2013, e da allora leggo la maggior parte dei libri che consumo su questo piccolo device, che mi ha seguito nello zaino dappertutto, dai rifugi di montagna alla giungla amazzonica. Quando leggo … [Continua a leggere] infoIl wiki delle mie sottolineature

Archiviato in:Geeking & Hacking, Letture e riflessioni Contrassegnato con: AI, allucinazioni, Claude, ebook, intelligenza artificiale, Kindle, letture, libri, LLM, Obsidian, secondo cervello, Wiki

Misurare il mondo

1 Settembre 2026 15 commenti

Facendo ordine nel disco del mio laptop ho trovato un file di testo del 2015 (!), un annetto dopo la pubblicazione di Particelle Familiari, con un'idea di un libretto che avrei potuto scrivere, di cui avevo completamente perso memoria. Rileggendo le … [Continua a leggere] infoMisurare il mondo

Archiviato in:Raccontare la scienza Contrassegnato con: divulgazione, Particelle familiari, scrittura, statistica

Sempre svettanti in estate e in inverno

6 Agosto 2026 7 commenti

Ed in estate, se il vento raccoglie l'invito fatto da ogni gemma fiorita, sventoleremo bandiere di foglie e canteremo canzoni di vita. E così, assieme, vivremo in eterno qua sulla terra, l'albero e io sempre svettanti, in estate e in inverno contro … [Continua a leggere] infoSempre svettanti in estate e in inverno

Archiviato in:Vita di frontiera Contrassegnato con: Guccini

Il dopo è adesso

28 Giugno 2026 5 commenti

Ci siamo. Da ieri LHC è spento: anche gli ultimi test ad alta intensità sono terminati (le collisioni erano già finite venerdì), il Run 3 è definitivamente finito. Domani mattina presto, il 29 giugno 2026, comincia ufficialmente il Long Shutdown 3, … [Continua a leggere] infoIl dopo è adesso

Archiviato in:Fisica Contrassegnato con: bosone di Higgs, diHiggs, HL-LHC, LHC, LS3, Run 3, upgrade

The Next Is Now

28 Giugno 2026 Lascia un commento

Here we are. As of yesterday LHC is switched off: even the last high-intensity tests are over (collisions had already ended on Friday), and Run 3 is definitively finished. Tomorrow, early in the morning, on 29 June 2026, Long Shutdown 3 officially … [Continua a leggere] infoThe Next Is Now

Archiviato in:English posts, Fisica Contrassegnato con: diHiggs, English, Higgs boson, HL-LHC, LHC, LS3, luminosity, Run 3

  • Pagina 1
  • Pagina 2
  • Pagina 3
  • Pagine interim omesse …
  • Pagina 102
  • Vai alla pagina successiva »

Barra laterale primaria

Marco Delmastro Mi chiamo Marco Delmastro, sono un fisico delle particelle che lavora all'esperimento ATLAS al CERN di Ginevra. Su Borborigmi di un fisico renitente divago di vita all'estero lontani dall'Italia, fisica delle particelle e divulgazione scientifica, ricerca fondamentale, tecnologia e comunicazione nel mondo digitale, educazione, militanza quotidiana e altre amenità. Ho scritto un libro, Particelle familiari, che prova a raccontare cosa faccio di mestiere, e perché. Per qualche tempo ho risposto a domande di fisica (e non solo) sul podcast Tu che sei un fisico (e prima o poi potrei riprendere).

Barra laterale secondaria

Argomenti

  • Scienza
    • Fisica
    • Raccontare la scienza
    • Scienza e dintorni
  • Opinioni
    • Militanza
    • Mezzi e messaggi
    • Intenzioni educative
  • Sulla frontiera
    • Vita di frontiera
    • Letture e riflessioni
    • Geeking & Hacking
  • English posts
This blog is primarely written in Italian. On the other hand, physics is an international entrerprise, and its main language is English, so some of the posts have been translated: you can find them in the English post category. If you wish to read those posts that are still only in Italian, an automatic translation is a good a bet!

Footer

Iscriviti al blog tramite email

Non perderti neanche un aggiornamento! Inserisci il tuo indirizzo email per ricevere un messaggio ogni volta che un nuovo articolo viene pubblicato:

Trattamento dei dati, cookie e affiliate link

Questo sito fa uso di cookie: qui ti spiego quali sono e perché li uso, così puoi decidere se ti va bene. Uso anche Google Analytics per l'analisi delle visite e del traffico; per saperne di più, leggi la pagina sulla privacy, dove ti spiego anche come gestisco i tuoi dati se decidi di iscriverti al sito o di lasciare un commento. In certi post, alcuni dei link a prodotti venduti su Amazon sono affiliate link.

Qualche diritto riservato

I contenuti di Borborigmi di un fisico renitente sono rilasciati sotto licenza Creative Commons Attribuzione-Non Commerciale-Non opere derivate. Fatene buon uso.

Licenza Creative Commons

Copyright © by Marco Delmastro · Qualche diritto riservato

  • Facebook
  • Twitter
  • Instagram
  • Youtube
  • Linkedin
  • Github
Borborigmi di un fisico renitente usa alcuni cookie per funzionare al meglio. Se continui leggere o scorrere queste pagine dò per scontato che la cosa ti vada a genio. Ok! Dimmi di più
Politica dei cookie

Privacy Overview

This website uses cookies to improve your experience while you navigate through the website. Out of these cookies, the cookies that are categorized as necessary are stored on your browser as they are essential for the working of basic functionalities of the website. We also use third-party cookies that help us analyze and understand how you use this website. These cookies will be stored in your browser only with your consent. You also have the option to opt-out of these cookies. But opting out of some of these cookies may have an effect on your browsing experience.
Necessary
Sempre abilitato
Necessary cookies are absolutely essential for the website to function properly. This category only includes cookies that ensures basic functionalities and security features of the website. These cookies do not store any personal information.
Non-necessary
Any cookies that may not be particularly necessary for the website to function and is used specifically to collect user personal data via analytics, ads, other embedded contents are termed as non-necessary cookies. It is mandatory to procure user consent prior to running these cookies on your website.
ACCETTA E SALVA
Caricamento commenti...