7179 articoli
Il paper introduce OSExpert, un agente per l'uso del computer che supera le limitazioni attuali esplorando ambienti tramite un algoritmo di ricerca in profondità (GUI-DFS) per costruire autonomamente un set di competenze, ottenendo così un miglioramento delle prestazioni del 20% e riducendo del 80% il divario di efficienza rispetto agli esperti umani.
Questo paper contesta la visione dell'intelligenza come capacità emergente basata sulla compressione e l'analogia, sostenendo invece che l'esperienza umana e l'AGI siano meglio descritti come un "arcipelago di esperti" composto da moduli specializzati e isolati, senza principi unificanti condivisi.
Il paper introduce \$OneMillion-Bench, un nuovo benchmark composto da 400 task curati da esperti in ambiti professionali critici come diritto e finanza, progettato per valutare la capacità dei agenti linguistici di gestire scenari complessi del mondo reale attraverso un protocollo di valutazione basato su rubriche che misura accuratezza, coerenza logica e conformità professionale.
Il paper presenta CMMR-VLN, un nuovo framework per la navigazione visione-linguaggio che potenzia gli agenti basati su LLM con una memoria multimodale strutturata e capacità di riflessione, permettendo il recupero selettivo di esperienze passate e ottenendo significativi miglioramenti nelle prestazioni rispetto agli approcci esistenti.
Questo lavoro introduce la "Drag-Aware Aerodynamic Manipulability" (DAAM), un framework geometrico che utilizza una metrica Riemanniana basata sui limiti di coppia e sulla resistenza aerodinamica per ottimizzare l'allocazione del controllo nei multirotor ridondanti, garantendo soluzioni ottimali lisce e invarianti rispetto alla scala pur caratterizzando le discontinuità globali imposte dai limiti fisici degli attuatori.
Il paper propone ViSA, un framework potenziato dal ragionamento visivo-spaziale che permette ai modelli visione-linguaggio di navigare direttamente su immagini aeree senza addestramento aggiuntivo, ottenendo un miglioramento del 70,3% nel tasso di successo rispetto agli stati dell'arte esistenti sul benchmark CityNav.
Il paper introduce PIRA-Bench, un nuovo benchmark e il framework PIRF per valutare e potenziare gli agenti GUI multimodali nella transizione da un paradigma reattivo a uno proattivo, capace di anticipare le intenzioni dell'utente analizzando flussi visivi continui e complessi.
Il paper propone FedMomentum, un nuovo framework federato che preserva la momentum dell'addestramento LoRA mediante l'aggregazione strutturata e la decomposizione SVD, risolvendo il problema della perdita di momentum e migliorando significativamente velocità di convergenza e accuratezza rispetto agli stati dell'arte.
Questo paper propone una visione dinamica e unificata della collaborazione tra umani e intelligenze artificiali, riconcettualizzando le relazioni tra allineamento, processo e risultato attraverso le lenti della traiettoria del compito e dell'intento individuale per superare le limitate prospettive lineari esistenti.
Il paper presenta MambaDance, un nuovo approccio per la generazione di danza che sostituisce i modelli Transformer con un'architettura di diffusione basata su Mamba e utilizza una rappresentazione dei battiti musicali di tipo gaussiano per produrre movimenti realistici e sincronizzati con la musica su sequenze di qualsiasi durata.
Il paper introduce DyLLM, un framework di inferenza senza addestramento che accelera l'elaborazione dei Modelli Linguistici a Diffusione Mascherata selezionando dinamicamente solo i token salienti da ricalcolare, ottenendo un aumento del throughput fino a 9,6 volte mantenendo l'accuratezza dei modelli di base.
Il paper propone GCGNet, una rete generativa basata su grafi che migliora la previsione delle serie temporali con variabili esogene modellando congiuntamente le correlazioni temporali e tra canali in modo robusto al rumore, superando i limiti delle strategie a due passaggi esistenti.
Questa paper propone un framework multimodale robusto basato su un'architettura Transformer con attenzione incrociata sicura e dropout modale, che affronta le sfide dell'occlusione, della mancanza di modalità e dello sbilanciamento delle classi nel riconoscimento delle emozioni, ottenendo un'accuratezza del 60,79% sulla sfida ABAW.
Il paper presenta CDRRM, un nuovo framework che utilizza un paradigma di contrasto e sintesi per generare rubriche valutative di alta qualità, migliorando l'interpretabilità, riducendo i pregiudizi e raggiungendo prestazioni all'avanguardia nella modellazione delle ricompense per i LLM con un'efficienza dei dati senza precedenti.
Il paper propone il framework S2S-FDD, che colma il divario semantico tra i segnali temporali industriali e il linguaggio naturale tramite un operatore di conversione e un metodo diagnostico ad albero, abilitando una diagnosi dei guasti zero-shot spiegabile e interattiva.
Speed3R è un modello di ricostruzione 3D feed-forward che supera i colli di bottiglia computazionali delle architetture dense utilizzando un meccanismo di attenzione duale ispirato alla Structure-from-Motion, ottenendo un'accelerazione di 12,4 volte con un compromesso minimo nella precisione geometrica.
Il paper presenta ImageEdit-R1, un framework multi-agente che utilizza l'apprendimento per rinforzo per coordinare agenti specializzati nella comprensione delle intenzioni, nell'identificazione delle aree di interesse e nella sintesi visiva, superando così i limiti dei modelli monolitici nell'esecuzione di edizioni complesse e contestuali delle immagini.
Il documento presenta ICRL (In-Context Reinforcement Learning), un framework che addestra i modelli linguistici all'uso di strumenti esterni esclusivamente tramite apprendimento per rinforzo e pochi esempi contestuali, eliminando la necessità di costose fasi di fine-tuning supervisionato e ottenendo prestazioni all'avanguardia.
Il paper presenta DSH-Bench, un benchmark innovativo per la generazione di immagini testo-su-oggetto che supera le limitazioni degli approcci esistenti attraverso una tassonomia gerarchica, una classificazione granulare della difficoltà e dei scenari, e una nuova metrica di coerenza dell'identità (SICS) per fornire analisi diagnostiche approfondite e guidare il futuro sviluppo dei modelli.
Il paper introduce il framework DC-W2S, che combina metriche di consenso interno e spaziale per selezionare segnali di supervisione affidabili da dati rumorosi, permettendo così l'addestramento efficiente di modelli di ricompensa per processi (PRM) nel ragionamento biologico senza la necessità di annotazioni esperte esaustive.