2385 articoli
Questo studio dimostra che è possibile rappresentare e prevedere le preferenze degli utenti attraverso diversi domini tematici proiettandoli in uno spazio di embedding sociale appreso dalla rete Twitter, ottenendo così una personalizzazione efficace anche in scenari zero-shot e rivelando una correlazione tra fattori socio-demografici e preferenze trasversali.
Il paper propone "Mashup Learning", un metodo che migliora l'adattamento dei modelli linguistici a nuovi compiti e accelera il loro addestramento fondendo i checkpoint storici più rilevanti per creare un'inizializzazione superiore rispetto all'addestramento da zero.
Questo lavoro presenta il primo framework sistematico per analizzare e sfruttare le nuove vulnerabilità di "abuso di compatibilità" nel protocollo MCP, derivanti da implementazioni SDK non conformi alle clausole opzionali, attraverso un generatore di rappresentazione intermedia universale e un'analisi statica guidata da LLM.
Questo studio introduce un framework di valutazione del rischio per i server MCP open-source, applicando analisi statica del codice per identificare vulnerabilità sistemiche e mapparle su minacce reali, al fine di garantire la sicurezza delle implementazioni produttive di agenti LLM.
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.
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 () estratto da un modello visione-linguaggio nello spazio di attenzione incrociata, migliorando così l'allineamento compositivo senza richiedere riaddestramento o modifiche strutturali.
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.
Questo studio analizza un'approssimazione di diffusione in tempo continuo per i gradienti di politica nei banditi stocastici, dimostrando che un tasso di apprendimento adeguato garantisce un rimpianto logaritmico, mentre un tasso troppo elevato porta a un rimpianto lineare in certi casi.
Questo articolo presenta un quadro di aggiornamento della CBCT intraoperatoria che sfrutta l'ecografia robotica e una rete neurale leggera (USCorUNet) per stimare in tempo reale le deformazioni dei tessuti molli, permettendo così di aggiornare dinamicamente le immagini CBCT statiche senza esporre il paziente a ulteriori radiazioni.
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.
Questo articolo dimostra come un agente possa apprendere l'ambiente utilizzando una sonda di sensing quantistico ottimizzata tramite circuiti quantistici per interagire con i campi RF, ottenendo risultati di localizzazione superiori che richiedono meno informazioni rispetto alle basi classiche e funzionando anche in presenza di segnali deboli o ostruiti.
Questo studio dimostra che un algoritmo neuromorfico nativamente a impulsi per la risoluzione di equazioni differenziali parziali possiede una robustezza intrinseca, tollerando fino al 32% di neuroni rimossi e al 90% di impulsi persi senza un significativo degrado dell'accuratezza.
Il paper presenta DUCTILE, un sistema di orchestrazione agenziale basato su LLM che automatizza l'analisi ingegneristica adattandosi a cambiamenti nei dati e nei processi sotto la supervisione umana, dimostrando efficacia e conformità in un contesto industriale aerospaziale.
Il paper propone un quadro unificato di apprendimento contrastivo cross-view che allinea le rappresentazioni globali delle immagini cerebrali e locali dei ROI in uno spazio latente condiviso, dimostrando che la loro integrazione migliora significativamente la classificazione dei disturbi cerebrali rispetto all'uso delle singole modalità.
Questo lavoro propone un nuovo framework ADMM plug-and-play che integra un denoiser AC-DC per risolvere le sfide di disallineamento geometrico e garantire la convergenza nell'utilizzo di modelli generativi basati su score per problemi inversi.
Questo articolo presenta un sistema progettato con un approccio human-centred che utilizza l'intelligenza artificiale conversazionale e una mappa interattiva per rendere accessibili e interrogabili in linguaggio naturale quasi 1,7 milioni di record di campioni digitalizzati del Museo Australiano di Storia Naturale.
Lo studio dimostra che l'entanglement quantistico offre un vantaggio competitivo negli agenti di apprendimento per rinforzo avversari, permettendo loro di superare le controparti separabili e di eguagliare o superare le prestazioni delle reti neurali classiche nel gioco di Pong.
Il paper propone HyMEM, una memoria strutturata ibrida e auto-evolutiva basata su grafi che combina nodi simbolici discreti e embedding continui per potenziare gli agenti GUI, permettendo a modelli open-source di dimensioni ridotte di superare le prestazioni di modelli proprietari avanzati.
Questo documento introduce il framework concettuale Simulation-in-the-Reasoning (SiR), che integra simulatori di dominio specifici nei cicli di ragionamento dei modelli linguistici per trasformare l'elaborazione ipotetica in un processo verificabile e fondato empiricamente, al fine di sviluppare sistemi di trasporto autonomo più affidabili.
Questo articolo presenta RINoBench, il primo benchmark completo per la valutazione su larga scala della capacità dei modelli linguistici di giudicare la novità delle idee di ricerca, rivelando che, nonostante le loro spiegazioni siano simili a quelle umane, le loro valutazioni finali divergono significativamente dagli standard umani.