6880 articoli
Questo studio propone un metodo forense per rilevare immagini generate dall'IA analizzando il "rimbalzo diffusivo", ovvero come le immagini reagiscono a una leggera perturbazione e ricostruzione tramite modelli di diffusione, ottenendo un'accuratezza eccezionale (AUROC 0,993) nel distinguere foto reali da sintetiche anche in presenza di distorsioni comuni.
Questo studio confronta l'approccio interpretabile ANFIS-FBCSP-PSO con il modello deep learning EEGNet per la classificazione dell'immaginazione motoria, rivelando che il primo offre prestazioni superiori in contesti intra-soggetto mentre il secondo garantisce una migliore generalizzazione tra soggetti diversi, fornendo così linee guida pratiche per la selezione dei sistemi BCI in base agli obiettivi di interpretabilità o robustezza.
Questo lavoro introduce il sistema Networked Mixture-of-Experts (NMoE) per il mobile edge computing, che combina inferenza collaborativa tra dispositivi vicini e un framework di apprendimento federato ibrido (supervisionato e auto-supervisionato) per superare le limitazioni computazionali e di dati nell'addestramento di grandi modelli di intelligenza artificiale, garantendo al contempo efficienza nelle comunicazioni e privacy.
Il paper introduce FATE, una nuova serie di benchmark formali in algebra che copre difficoltà fino al livello di ricerca avanzata, rivelando che gli attuali modelli LLM faticano enormemente a formalizzare il ragionamento matematico, ottenendo prestazioni quasi nulle rispetto ai risultati nei concorsi matematici tradizionali.
Il paper presenta Jr. AI Scientist, un sistema autonomo che emula il flusso di lavoro di un ricercatore junior per generare contributi scientifici validi partendo da lavori esistenti, valutandone al contempo le prestazioni e i rischi attraverso revisioni automatizzate e umane.
Il paper "HatePrototypes" propone un metodo efficiente e interpretabile che utilizza rappresentazioni vettoriali di classe derivate da pochi esempi per rilevare e trasferire la capacità di identificare sia l'odio esplicito che quello implicito senza necessità di un continuo ri-addestramento dei modelli.
Il paper presenta LAMP, un framework di apprendimento per rinforzo multi-agente che integra l'elaborazione del linguaggio in un flusso "Pensare-Parlare-Decidere" per migliorare significativamente la redditività, la robustezza e l'interpretabilità delle decisioni economiche rispetto alle metodologie tradizionali.
Il paper presenta UnfoldLDM, un nuovo approccio per il ripristino cieco delle immagini che integra le reti di deep unfolding con un modello di diffusione latente, superando le limitazioni delle metodologie esistenti grazie a un modulo di stima della degradazione e a un meccanismo di correzione per i dettagli ad alta frequenza.
Questo lavoro presenta un sistema di tracciamento GNSS basato su droni multipli che integra rilevamento visivo, allineamento degli ID e un filtro di Kalman esteso per garantire un tracciamento stabile e accurato dei robot marini in superficie e in prossimità della superficie.
Questo lavoro introduce un quadro probabilistico realistico basato sulla nozione di "(k, ε)-instabile" per fornire garanzie di sicurezza più affidabili e pratiche contro gli attacchi di jailbreaking, superando le limitazioni dell'assunzione "k-instabile" rigida del metodo di difesa SmoothLLM.
Il paper presenta Yo'City, un innovativo framework agentic che utilizza modelli di grandi dimensioni per generare scene urbane 3D realistiche, personalizzabili e infinitamente espandibili attraverso una pianificazione gerarchica e un meccanismo di espansione guidato dall'utente, superando le prestazioni degli stati dell'arte esistenti.
Questo studio dimostra come l'integrazione di maschere di attenzione ispirate alla fisica e al design del rivelatore nei modelli transformer migliori la ricostruzione e la classificazione dei neutrini a bassa energia nel telescopio KM3NeT/ORCA, ottimizzando anche il trasferimento di conoscenza tra diverse configurazioni.
Questo articolo presenta una pipeline automatizzata per generare dataset su larga scala di jailbreak conversazionali basati sul principio psicologico del "piede nella porta", rivelando attraverso un benchmark di 1.500 scenari che la robustezza dei modelli LLM varia drasticamente, con la famiglia GPT particolarmente vulnerabile al contesto conversazionale mentre Gemini 2.5 Flash dimostra un'eccezionale resilienza.
Il documento presenta un algoritmo per calcolare tutte le strategie evolutivamente stabili in giochi normali non degeneri con tre o più giocatori.
Il paper propone RadDiff, un nuovo metodo di folding inverso delle proteine basato su un modello di diffusione denoising potenziato da un meccanismo di recupero che integra conoscenze aggiornate, ottenendo risultati superiori rispetto agli stati dell'arte in termini di recupero della sequenza e capacità di generare sequenze ripiegabili.
Questo studio presenta ForamDeepSlice, un framework di deep learning ad alta precisione che utilizza un ensemble di reti neurali convoluzionali per classificare automaticamente le specie di foraminiferi da fette 2D micro-CT, raggiungendo un'accuratezza del 95,64% e fornendo una dashboard interattiva per l'identificazione micropaleontologica assistita dall'IA.
Questo articolo propone l'integrazione di un modello fondazionale causale pre-addestrato in un framework di manutenzione prescrittiva per simulare interventi e ottimizzare l'efficienza complessiva degli impianti (OEE), superando i limiti delle sole correlazioni statistiche per identificare le vere cause radice dei guasti.
Il paper introduce AltNet, un metodo basato su reti gemelle che risolve il dilemma plasticità-stabilità nell'apprendimento per rinforzo ripristinando la capacità di apprendimento tramite reset periodici senza causare cali temporanei delle prestazioni, garantendo così maggiore efficienza e sicurezza in ambienti critici.
Il paper propone il "Dual Randomized Smoothing", un nuovo framework che supera i limiti della varianza di rumore globale utilizzando una varianza dipendente dall'input per ottenere prestazioni certificate robuste sia a piccoli che a grandi raggi, superando significativamente i metodi precedenti su CIFAR-10 e ImageNet.
Il paper introduce Graphectory, un metodo basato su grafi per analizzare in modo sistematico le traiettorie di esecuzione degli agenti software, rivelando come la complessità dei processi influenzi il successo nella risoluzione dei problemi e dimostrando che il monitoraggio in tempo reale con interventi correttivi può migliorare significativamente i tassi di risoluzione riducendo al contempo la lunghezza delle traiettorie.