7280 articoli
Questo lavoro propone un approccio neuro-simbolico che integra i Large Language Models con i solutori di vincoli per generare iterativamente lemma ausiliari, migliorando significativamente la capacità di risolvere vincoli contenenti definizioni induttive rispetto agli strumenti esistenti.
Questo studio empirico, basato su un'analisi tematica di diari retrospettivi e interviste a esperti, identifica quattro temi chiave riguardanti la governance, il perfezionamento iterativo, i vincoli operativi e la collaborazione uomo-AI per colmare le lacune nella definizione dei ruoli e dei meccanismi di feedback nelle applicazioni di Intelligenza Artificiale.
Il paper presenta "Companion", un sistema artistico che integra un robot disegnatore con modelli linguistici di grandi dimensioni per trasformare la collaborazione uomo-macchina in una co-creazione sinergica di narrazioni visive, la cui qualità estetica e valore espositivo sono stati validati da esperti del settore.
Questo studio presenta ARC, un sistema progettato per ridurre il carico cognitivo nelle revisioni sistematiche della letteratura integrando più database e un'IA trasparente, facilitando così il passaggio degli ricercatori dalla gestione amministrativa all'esplorazione strategica.
Il paper propone "Traversal-as-Policy", un metodo che distilla i log di esecuzione in un Gated Behavior Tree eseguibile per trasformare la navigazione dell'albero in una politica di controllo verificabile, migliorando significativamente il successo, la sicurezza e l'efficienza degli agenti LLM autonomi su benchmark complessi.
Il paper introduce RoboLayout, un'estensione di LayoutVLM che genera scene 3D semanticamente coerenti e fisicamente fattibili per agenti incarnati, integrando vincoli di raggiungibilità differenziabili e una fase di raffinamento locale per ottimizzare la disposizione degli oggetti in base alle capacità fisiche specifiche dell'agente.
Questo articolo offre una guida alle rappresentazioni digitali delle molecole ispirate all'elaborazione del linguaggio naturale (NLP) e alle relative applicazioni basate sull'intelligenza artificiale, fungendo da risorsa fondamentale per i ricercatori che operano all'intersezione tra chimica, scienza dei materiali e informatica.
Il paper presenta Omni-C, un singolo encoder denso basato su Transformer che comprime modalità eterogenee (immagini, audio e testo) in rappresentazioni condivise tramite pre-addestramento contrastivo, eliminando la necessità di architetture Mixture-of-Experts e riducendo significativamente l'uso di memoria rispetto ai modelli multimodali tradizionali.
Il paper introduce NGDBench, un benchmark unificato che valuta le capacità dei modelli neurali nella gestione di dati grafici strutturati supportando l'intero linguaggio di query Cypher, rivelando significative limitazioni negli attuali LLM e metodi RAG nel ragionamento strutturato e nella robustezza al rumore.
Lo studio valuta Boltz-2, un modello di fondazione biomolecolare, su due grandi dataset e conclude che, sebbene offra velocità per lo screening iniziale, manca della risoluzione energetica necessaria per l'identificazione di candidati farmacologici, rendendo indispensabili i metodi basati sulla fisica per garantire affidabilità e raffinamento.
Il paper presenta JAWS, una strategia di regolarizzazione probabilistica che modula dinamicamente il vincolo di stabilità in base alla complessità fisica locale, permettendo ai modelli di operatori neurali di mantenere la stabilità a lungo termine e la fedeltà delle caratteristiche singolari (come gli shock) senza compromettere le regioni lisce, superando così i limiti delle tecniche di regolarizzazione globale.
Il paper presenta VDCook, un sistema operativo auto-evolutivo per la costruzione dinamica e personalizzata di dataset video tramite query in linguaggio naturale, che integra recupero e sintesi controllata per abbattere le barriere all'addestramento di modelli multimediali in domini specifici.
Questo articolo esamina come i rapidi progressi dell'IA, in particolare i modelli fondazionali, stiano ridefinendo le interazioni uomo-dati e l'analisi visiva, evidenziando le nuove sfide legate all'incertezza e alla scalabilità e proponendo un approccio centrato sull'umano che integri principi cognitivi e percettivi per superare i limiti dei paradigmi esistenti.
Il paper presenta EigenData, una piattaforma multi-agente auto-evolutiva che automatizza la sintesi, l'audit e la riparazione dei dati per il function calling, migliorando significativamente la correlazione tra le valutazioni dei modelli e il giudizio umano sulla correttezza funzionale attraverso la correzione del benchmark BFCL-V3 e l'introduzione di metriche basate sullo stato del database.
Il documento presenta il Continuous-Time Koopman Autoencoder (CT-KAE) come un modello surrogato leggero e stabile per le previsioni oceaniche a lungo termine, che supera le limitazioni di instabilità e deriva energetica dei modelli basati su Transformer garantendo un'evoluzione temporale strutturata e un'inferenza estremamente rapida.
Il paper introduce il concetto di "model change" per le logiche descrittive, distinguendo tra evizione, ricezione e revisione, e analizza i risultati teorici sulla loro compatibilità e sulla natura non riducibile della revisione nelle logiche EL e ALC.
Questo studio teorizza come l'IA generativa, pur omogeneizzando le competenze individuali, possa paradossalmente ampliare la disuguaglianza aggregata spostando il valore economico verso asset concentrati, definendo due regimi di disuguaglianza la cui dinamica dipende dalla struttura tecnologica dell'IA e dalle istituzioni del mercato del lavoro.
Il paper introduce CBR-to-SQL, un framework basato sul ragionamento per casi che supera le limitazioni dei metodi RAG tradizionali nel dominio sanitario, ottenendo risultati all'avanguardia nella traduzione da testo a SQL su dati EHR grazie a un processo di recupero a due stadi che migliora l'efficienza e la robustezza anche in condizioni di scarsità di dati.
Il paper presenta PRISM, un metodo che combina apprendimento per imitazione e rinforzo guidato da istruzioni umane per affinare le politiche di manipolazione robotica, migliorandone la robustezza e l'efficienza dei dati attraverso correzioni intermedie e la generazione iterativa di funzioni di ricompensa.
Il paper presenta Tool-Genesis, un benchmark diagnostico che valuta la capacità degli agenti linguistici di creare e utilizzare strumenti autonomamente da requisiti astratti, rivelando come le imperfezioni iniziali nei modelli più avanzati compromettano drasticamente le prestazioni a valle.