7179 articoli
Il paper introduce UIS-Digger, un nuovo framework multi-agente e il benchmark UIS-QA per affrontare la sfida della ricerca di informazioni non indicizzate, dimostrando che un approccio proattivo di navigazione e analisi dei file può superare le prestazioni di modelli LLM più grandi su questo compito specifico.
Il paper presenta SaiVLA-0, un'architettura Vision-Language-Action ispirata al cervello umano che separa le funzioni in tre moduli (Cerebro, Ponte e Cervelletto) per ottimizzare l'efficienza computazionale, la modularità e le prestazioni nel controllo robotico, dimostrando miglioramenti significativi nei tempi di addestramento e nei tassi di successo.
Il paper presenta FoleyFlow, un nuovo metodo che allinea encoder audio-visivi tramite modellazione mascherata e utilizza un flusso condizionale dinamico per generare audio sincronizzato semanticamente e ritmicamente con i video di input, superando le prestazioni dei metodi precedenti.
Il paper propone DARC, un metodo di inferenza senza riaddestramento che affronta l'eterogeneità delle preferenze umane attraverso una codifica basata sulla robustezza distribuzionale e la gestione del rischio, riducendo così il rischio di coda e il disaccordo mantenendo al contempo una qualità media competitiva.
Questo lavoro propone un framework di escavazione graduale della conoscenza esterna che permette ai modelli linguistici di rispondere a domande complesse implicite interrogando iterativamente fonti esterne e ragionando sui risultati, raggiungendo nuovi record di accuratezza sul dataset StrategyQA con un numero di parametri significativamente ridotto.
Questo articolo propone un nuovo approccio ibrido di deep learning spiegabile, basato su una rete 1D-CNN-GRU e tecniche di IA interpretabile, per rilevare, identificare e localizzare i guasti nei sistemi software automobilistici durante la fase di validazione, superando i limiti di trasparenza dei modelli "black-box" e facilitando l'analisi delle cause radice.
Il paper presenta il "Condition Insight Agent", un framework di supporto alle decisioni che integra dati eterogenei e conoscenza ingegneristica per generare spiegazioni basate su evidenze e azioni consigliate nel contesto della manutenzione industriale, garantendo affidabilità attraverso un ciclo di verifica strutturato che preserva la supervisione umana.
Il paper propone ESC, un metodo di calibrazione basato su strategie evolutive che risolve le sfide specifiche della quantizzazione a bassa precisione nei modelli di elaborazione del parlato, garantendo prestazioni quasi senza perdite fino alla quantizzazione INT4.
Lo studio dimostra che il ragionamento in uno spazio latente continuo supera il Chain-of-Thought esplicito, specialmente per le lingue a risorse limitate e in contesti zero-shot, offrendo al contempo una compressione dei passaggi di ragionamento fino a 50 volte più efficiente grazie alla maggiore invarianza linguistica delle rappresentazioni latenti.
Questo studio dimostra che i modelli di dialogo vocale full-duplex end-to-end come SALM-Duplex e Moshi compromettono la privacy dell'identità del parlante attraverso le loro rappresentazioni nascoste, proponendo e validando due strategie di anonimizzazione in streaming che proteggono efficacemente i dati biometrici mantenendo una bassa latenza.
Il documento presenta TildeOpen LLM, un modello fondazionale open-weight da 30 miliardi di parametri ottimizzato per 34 lingue europee attraverso tecniche di apprendimento curricolare e bilanciamento dei dati, che dimostra prestazioni superiori rispetto ai modelli esistenti, in particolare per le lingue baltiche, finoro-ugriche e slave, con una significativa riduzione degli errori linguistici.
Il paper propone MM-TS, un metodo che estende la programmazione della temperatura e dei margini all'apprendimento contrastivo multimodale adattandoli dinamicamente alla distribuzione dei dati a coda lunga, unificando così gli approcci InfoNCE e max-margin per ottenere risultati all'avanguardia su diversi dataset immagine-testo e video-testo.
Il paper evidenzia i limiti delle attuali metriche di benchmark per la regressione tabellare basate su foundation models, che valutano solo stime puntuali, e propone l'adozione di regole di punteggio adeguate, come il CRPS, per valutare e ottimizzare le previsioni probabilistiche, suggerendo al contempo l'uso di modelli finetunati o promptabili per gestire i diversi bias induttivi.
Questo studio presenta due strategie di fusione multimodale, RGIF e RGMAF, che integrano allineamento spaziale e gate di affidabilità per migliorare significativamente la rilevazione di droni su dataset eterogenei termico-visivi, raggiungendo un mAP del 97,65% e una recall del 98,64%.
Questo studio estende il metodo di aggregazione adattiva AsyncFedED nell'apprendimento federale asincrono esplorando metriche di distanza alternative rispetto alla distanza euclidea per misurare la staleness dei gradienti, dimostrando che l'uso di metriche specifiche migliora la convergenza, le prestazioni e la stabilità del modello in ambienti con clienti eterogenei e dati non-IID.
Il paper presenta SplitAgent, un'architettura distribuita innovativa che risolve il dilemma della privacy nella collaborazione tra agenti aziendali e cloud tramite una sanificazione dinamica contestuale, garantendo un elevato livello di protezione dei dati senza compromettere l'accuratezza delle attività.
Questo lavoro presenta il primo studio sistematico sul ragionamento consapevole dell'ambiguità nei grandi modelli audio-linguistici, riformulando il riconoscimento delle emozioni come un problema distribuzionale e dimostrando miglioramenti significativi attraverso un obiettivo allineato alle distribuzioni percettive umane e una supervisione strutturata del pensiero a catena.
Questo studio analizza meccanicisticamente le vulnerabilità ai jailbreak nei modelli linguistici di grandi dimensioni, rivelando che il successo degli attacchi basati sul completamento del testo deriva dalla competizione interna tra la spinta naturale del modello a continuare il discorso e le difese di sicurezza apprese durante l'addestramento, un fenomeno identificato attraverso l'analisi delle testine di attenzione.
Questo studio valuta l'efficacia di metodi di deep learning avanzati, inclusi transformer e modelli fondazionali, applicati all'imaging ultra-grandangolare per la diagnosi della retinopatia diabetica e dell'edema maculare diabetico, dimostrando prestazioni superiori attraverso l'analisi sia spaziale che in frequenza e tecniche di fusione delle caratteristiche.
Il documento presenta Fibration Policy Optimization (FiberPO), un quadro teorico unificato che combina un nuovo obiettivo di censura delle policy (APC-Obj) e una struttura algebrica a fascio (FBG) per ottimizzare i modelli linguistici su più scale gerarchiche, garantendo stabilità e maggiore efficienza nei token attraverso un controllo dei trust region composito.