🤖 Category

cs.AI

4675 articoli

Execution Is the New Attack Surface: Survivability-Aware Agentic Crypto Trading with OpenClaw-Style Local Executors

Il paper propone l'Esecuzione Consapevole della Sopravvivenza (SAE), un middleware che protegge i sistemi di trading crypto agenziali basati su OpenClaw e skill esterne, trasformando l'esecuzione in un nuovo punto di attacco da difendere attraverso vincoli ineludibili che riducono drasticamente il rischio di perdita e migliorano la resilienza contro manipolazioni e supply chain compromesse.

Ailiya Borjigin, Igor Stadnyk, Ben Bilski, Serhii Hovorov, Sofiia Pidturkina2026-03-12🤖 cs.AI

CLIPO: Contrastive Learning in Policy Optimization Generalizes RLVR

Il paper presenta CLIPO, un metodo che integra l'apprendimento contrastivo nell'ottimizzazione della politica per generalizzare il Reinforcement Learning con Ricompense Verificabili (RLVR), correggendo le allucinazioni e migliorando la robustezza dei modelli linguistici grandi (LLM) garantendo la coerenza dei passaggi intermedi di ragionamento oltre alla sola correttezza della risposta finale.

Sijia Cui, Pengyu Cheng, Jiajun Song, Yongbo Gai, Guojun Zhang, Zhechao Yu, Jianhe Lin, Xiaoxi Jiang, Guanjun Jiang2026-03-12🤖 cs.LG

AR-VLA: True Autoregressive Action Expert for Vision-Language-Action Models

Il paper propone AR-VLA, un esperto di azioni autoregressivo autonomo che, grazie a una memoria a lungo termine e a un meccanismo di riancoraggio, genera azioni continue e coerenti nel tempo superando i limiti di frequenza e coerenza dei modelli VLA reattivi esistenti, ottenendo risultati superiori in compiti di manipolazione robotica.

Yutong Hu, Jan-Nico Zaech, Nikolay Nikolov, Yuanqi Yao, Sombit Dey, Giuliano Albanese, Renaud Detry, Luc Van Gool, Danda Paudel2026-03-12🤖 cs.AI

The Generation-Recognition Asymmetry: Six Dimensions of a Fundamental Divide in Formal Language Theory

Questo articolo individua sei dimensioni fondamentali, tra cui due nuove (direzionalità e temporalità), che rivelano l'asimmetria operativa tra generazione e riconoscimento nella teoria dei linguaggi formali, sfatando il mito che la generazione sia intrinsecamente semplice e collegando tale asimmetria temporale al framework della sorpresa, anche nel contesto dei moderni modelli linguistici.

Romain Peyrichou2026-03-12💬 cs.CL

Adaptive Activation Cancellation for Hallucination Mitigation in Large Language Models

Il paper propone l'Adaptive Activation Cancellation (AAC), un framework di inferenza in tempo reale che mitiga le allucinazioni nei grandi modelli linguistici identificando e sopprimendo selettivamente le attivazioni neurali associate agli errori, migliorando così l'accuratezza fattuale senza richiedere addestramento aggiuntivo o compromettere le capacità generali del modello.

Eric Yocam, Varghese Vaidyan, Gurcan Comert, Paris Kalathas, Yong Wang, Judith L. Mwakalonge2026-03-12💬 cs.CL

Delta-K: Boosting Multi-Instance Generation via Cross-Attention Augmentation

Il paper presenta Delta-K, un framework di inferenza plug-and-play e indipendente dall'architettura che risolve l'omissione di concetti nella generazione di immagini multi-oggetto iniettando un segnale chiave differenziale (ΔK\Delta K) estratto da un modello visione-linguaggio nello spazio di attenzione incrociata, migliorando così l'allineamento compositivo senza richiedere riaddestramento o modifiche strutturali.

Zitong Wang, Zijun Shen, Haohao Xu, Zhengjie Luo, Weibin Wu2026-03-12🤖 cs.AI

Multilingual AI-Driven Password Strength Estimation with Similarity-Based Detection

Questo studio presenta un misuratore di forza delle password multilingue e basato sull'IA, ottimizzato per il contesto indiano, che dimostra come l'uso di dati generati da ChatGPT e un meccanismo di rilevamento basato sulla similarità Jaro possano superare le prestazioni dei modelli tradizionali come PassGAN, offrendo un'accuratezza quasi perfetta nel rilevamento di password deboli.

Nikitha M. Palaniappan, Ying He2026-03-12🤖 cs.AI

Rethinking the Harmonic Loss via Non-Euclidean Distance Layers

Questo lavoro estende la perdita armonica sostituendo la distanza euclidea con una vasta gamma di metriche non euclidee, dimostrando che approcci basati su distanze come quella coseno migliorano le prestazioni, l'interpretabilità e la sostenibilità sia nei modelli di visione che nei grandi modelli linguistici rispetto alla tradizionale perdita cross-entropy.

Maxwell Miller-Golub, Kamil Faber, Marcin Pietron, Panpan Zheng, Pasquale Minervini, Roberto Corizzo2026-03-12🤖 cs.LG