add: ricerche per slm

docs/ricerca_slm.md

@@ -0,0 +1,59 @@
+Per analizzare il contenuto delle pagine web direttamente nel browser, la scelta del modello deve bilanciare tre fattori: **dimensione del download** (per non tediare l'utente), **finestra di contesto** (per leggere intere pagine) e **capacità di ragionamento**.
+
+Considerando che lavorerai in un ambiente WebAssembly/WebGPU, ecco le migliori opzioni **open-weight** attuali (2026):
+
+---
+
+### 1. SmolLM2-135M (Hugging Face)
+È attualmente il "re" dei modelli ultra-leggeri. Nonostante le dimensioni ridotte, è sorprendentemente bravo nel riassumere testi.
+* **Perché sceglierlo:** Pesa circa **270MB** in formato quantizzato. Si carica quasi istantaneamente.
+* **Caso d'uso:** Estrazione di metadati, tagging automatico e brevissimi riassunti di paragrafi.
+* **Libreria consigliata:** *Transformers.js*.
+
+### 2. Phi-3.5-mini-instruct (Microsoft)
+Un modello da 3.8 miliardi di parametri che compete con modelli molto più grandi. 
+* **Perché sceglierlo:** Ha una finestra di contesto nativa di **128k token**, fondamentale se devi analizzare articoli molto lunghi o intere documentazioni tecniche senza troncare il testo.
+* **Peso:** Circa **2.2GB** (4-bit quantization).
+* **Caso d'uso:** Analisi critica, sentiment analysis profonda e Q&A complesso sul contenuto della pagina.
+
+### 3. Gemma-2-2B (Google)
+Ottimo compromesso tra la leggerezza di SmolLM e la potenza di Phi.
+* **Perché sceglierlo:** È ottimizzato specificamente per l'inferenza su dispositivi edge tramite MediaPipe. Ha un'ottima comprensione dell'italiano rispetto ad altri modelli "tiny".
+* **Peso:** Circa **1.5GB** (4-bit).
+
+---
+
+### Architettura Suggerita per l'Analisi di Pagine Web
+
+Per implementare questa funzione in un'estensione browser o in una Web App, l'architettura ideale segue questo flusso:
+
+
+
+1.  **Ingestion:** Utilizza una libreria come `Readability.js` (la stessa usata dalla "Modalità Lettura" di Firefox) per pulire il DOM da pubblicità e script, inviando all'LLM solo il testo pulito.
+2.  **Quantizzazione:** Utilizza modelli in formato **ONNX** o **GGUF** quantizzati a 4-bit per garantire che l'uso della RAM di sistema rimanga entro limiti accettabili (evitando il crash del tab).
+3.  **Privacy:** Poiché il modello gira via Wasm, i dati della pagina non lasciano mai il computer dell'utente, rispettando pienamente la privacy.
+
+### Implementazione Rapida (Snippet Concettuale)
+
+Se utilizzi **Transformers.js v3**, il caricamento del modello è immediato:
+
+```javascript
+import { pipeline } from '@xenova/transformers';
+
+// Carica il modello SmolLM (ottimizzato per il browser)
+const analyzer = await pipeline('summarization', 'onnx-community/SmolLM2-135M-Instruct', {
+    device: 'webgpu', // Sfrutta l'accelerazione hardware
+});
+
+const pageContent = document.body.innerText; // Meglio se pulito con Readability.js
+const summary = await analyzer(pageContent);
+```
+
+### Quale scegliere?
+| Obiettivo | Modello Consigliato |
+| :--- | :--- |
+| **Velocità pura / Estensioni leggere** | SmolLM2-135M |
+| **Precisione / Analisi di documenti lunghi** | Phi-3.5-mini |
+| **Equilibrio / Multilingua (Italiano)** | Gemma-2-2B |
+
+Hai già un'idea di come estrarre il testo dalle pagine (es. tramite un'estensione Chrome o un bookmarklet)?