2384 articoli
Il paper presenta GTR-Turbo, un metodo efficiente che utilizza un modello "insegnante" gratuito generato dalla fusione di checkpoint durante l'addestramento per migliorare le prestazioni degli agenti VLM e ridurre costi e tempi, eliminando la dipendenza da modelli proprietari costosi.
Il paper introduce il "Pretrained Battery Transformer" (PBT), un modello fondazionale che supera i limiti attuali nella previsione della vita delle batterie grazie all'addestramento su dati eterogenei, ottenendo prestazioni all'avanguardia su diverse tecnologie di batterie.
Questo studio presenta un quadro innovativo che combina YOLOv8 e Finer-CAM per analizzare la classificazione delle specie arboree tramite nuvole di punti TLS, dimostrando un'accuratezza del 96% e rivelando come il modello utilizzi in modo interpretabile diverse caratteristiche strutturali, come chiome e fusti, a seconda della specie.
Questo studio dimostra che i piccoli trasformatori realizzano l'inferenza bayesiana attraverso un meccanismo geometrico specifico, utilizzando stream residui come substrato delle credenze e reti feed-forward per l'aggiornamento, superando di gran lunga le architetture MLP in ambienti controllati chiamati "gallerie del vento bayesiane" dove la vera posterior è nota.
Questo lavoro dimostra che l'addestramento con entropia incrociata nei transformer scolpisce dinamicamente la geometria interna delle teste di attenzione, creando una procedura a due scale temporali analoga all'EM che allinea l'ottimizzazione del gradiente ai manifold bayesiani necessari per il ragionamento probabilistico in contesto.
Lo studio dimostra che i moderni modelli linguistici preservano un substrato geometrico che codifica la struttura bayesiana, organizzando le loro stime di incertezza lungo un asse dominante delle rappresentazioni di valore che può essere manipolato selettivamente senza però costituire un collo di bottiglia computazionale unico.
Questo lavoro analizza sistematicamente il fenomeno dell'"over-searching" nei modelli linguistici potenziati dalla ricerca, evidenziando come l'invocazione eccessiva degli strumenti di ricerca comprometta l'efficienza e la qualità delle risposte, proponendo al contempo una nuova metrica di valutazione (TPC), strategie di mitigazione e un nuovo dataset (OverSearchQA) per promuovere lo sviluppo di sistemi più efficienti.
Questo studio presenta un'architettura multi-tenant sicura (SMTA) combinata con un meccanismo "Burn-After-Use" (BAU) per prevenire la fuoriuscita di dati negli ambienti aziendali di LLM, garantendo l'isolamento dei contesti conversazionali e la loro distruzione automatica dopo l'uso, come dimostrato da valutazioni sperimentali che conferiscono elevate percentuali di successo nella difesa da attacchi di perdita dati.
Il paper presenta un attacco DoS economico e stealth per agenti LLM che, sfruttando il protocollo MCP e l'ottimizzazione MCTS su catene di chiamate agli strumenti, amplifica drasticamente costi e consumo di risorse pur mantenendo l'aspetto benigno del payload finale.
Questo articolo propone un agente per il gioco Dark Souls III che, rappresentando il combattimento come un grafo diretto di abilità e addestrandole in modo gerarchico, migliora l'efficienza del campionamento e permette un adattamento selettivo a nuove fasi di gioco senza dover riaddestrare l'intero sistema da zero.
Il paper introduce MemOCR, un agente multimodale che ottimizza il ragionamento a lungo termine sotto vincoli di contesto limitati trasformando la memoria strutturata in un'immagine visiva che priorizza le informazioni cruciali e comprime i dettagli superflui, superando così i metodi basati esclusivamente sul testo.
Il paper presenta MHDash, una piattaforma open-source progettata per il benchmarking e l'audit di assistenti AI consapevoli della salute mentale, evidenziando come le valutazioni aggregate tradizionali siano insufficienti per rilevare i fallimenti critici nei casi ad alto rischio e nelle interazioni multi-turno.
Questo lavoro teorizza che l'allucinazione nei modelli linguistici è una conseguenza inevitabile dell'ottimizzazione dello spazio di memoria, dimostrando attraverso un teorema di rate-distorsione che, in condizioni di capacità limitata, la strategia informazionalmente ottimale richiede di assegnare alta confidenza a fatti non veri piuttosto che astenersi o dimenticare.
Il paper introduce EverMemBench, il primo benchmark progettato per valutare la memoria a lungo termine nei dialoghi collaborativi multi-attore, rivelando le limitazioni fondamentali dei sistemi attuali nell'attribuzione multi-attore, nel ragionamento temporale e nella consapevolezza della memoria in contesti realistici complessi.
Il paper presenta DEFT, un generatore di traiettorie basato su diffusione che permette ai robot di completare i compiti in modo sicuro anche in caso di guasti agli attuatori, superando significativamente i metodi classici sia in simulazione che nel mondo reale grazie alla sua capacità di generalizzare a condizioni di malfunzionamento non viste durante l'addestramento.
Il paper presenta DMS2F-HAD, una rete innovativa basata su Mamba con due rami e fusione dinamica che supera le tecniche esistenti per la rilevazione di anomalie iperspettrali, offrendo prestazioni all'avanguardia e un'efficienza computazionale significativamente superiore.
Questo articolo presenta FGO, un algoritmo di apprendimento per rinforzo che comprime in modo efficiente il ragionamento a catena di pensiero (CoT) nei modelli linguistici di grandi dimensioni, risolvendo al contempo le limitazioni di GRPO relative all'uso dei dati e al collasso dell'entropia senza compromettere le prestazioni.
Il paper presenta UniWeTok, un tokenizzatore binario unificato con un codice di dimensione $2^{128}$ e un'architettura ibrida che, grazie a nuove tecniche di distillazione e formazione, supera lo stato dell'arte nella ricostruzione ad alta fedeltà, nell'estrazione semantica e nella generazione di immagini con un costo computazionale significativamente inferiore.
Il paper presenta TikArt, un agente multimodale basato su reinforcement learning che stabilizza il ragionamento visivo fine-granulare attraverso un ciclo "Pensa-Apertura-Osserva" che combina zoom e segmentazione per acquisire evidenze locali in modo sequenziale e interpretabile.
Il paper presenta GOT-JEPA, un framework di pre-addestramento basato su un'architettura predittiva a embedding congiunto che migliora la generalizzazione e la gestione delle occlusioni nel tracciamento generico di oggetti, integrando un modulo chiamato OccuSolver per stimare la visibilità e affinare i modelli di tracciamento in ambienti dinamici.