7784 articoli
Il paper presenta RepKAN, una nuova architettura per la classificazione di immagini di telerilevamento che combina l'efficienza delle CNN con la potenza rappresentativa dei KAN per ottenere modelli ad alte prestazioni e fisicamente interpretabili, superando lo stato dell'arte su dataset come EuroSAT e NWPU-RESISC45.
Il paper presenta MASFactory, un framework centrato sui grafi per orchestrare sistemi multi-agente basati su LLM che introduce il "Vibe Graphing", un approccio interattivo che traduce intenti in linguaggio naturale in flussi di lavoro eseguibili, facilitando la riutilizzabilità, l'integrazione di contesti eterogenei e la visualizzazione del processo.
Questo articolo propone un approccio in tre fasi per sviluppare agenti conversazionali di chiarimento dell'intento potenziati dalla ricerca, che agiscano come mediatori sicuri per collezioni di dati sensibili (come in ambito sanitario o legale) definendo modelli di attacco, progettando difese specifiche e valutando il compromesso tra protezione e utilità del sistema.
Questo studio analizza le attivazioni intermedie dei modelli visione-linguaggio per l'automazione stradale, identificando che i fallimenti derivano sia da incapacità percettive (mancata codifica lineare di concetti visivi come l'orientamento) sia da errori cognitivi (mancato allineamento tra informazioni visive e semantica linguistica), con una ridotta separabilità dei concetti all'aumentare della distanza degli oggetti.
Il paper introduce TempoSyncDiff, un framework di diffusione latente basato su distillazione che genera volti parlanti guidati dall'audio con alta fedeltà temporale e bassa latenza, rendendo possibile il loro utilizzo su dispositivi edge.
Lo studio presenta PyPDDLEngine, un motore di simulazione PDDL che permette agli LLM di pianificare in modo agentic attraverso feedback step-wise, dimostrando un miglioramento marginale rispetto alla pianificazione diretta ma inferiore rispetto ai metodi simbolici classici, suggerendo che i vantaggi degli agenti dipendono dalla natura del feedback ambientale.
Questo studio valuta l'efficacia di quattro modelli linguistici di grandi dimensioni open-weight nel correggere automaticamente saggi in tedesco di livello A austriaci basandosi su rubriche, rivelando che, sebbene i modelli siano in grado di applicare i criteri di valutazione, la loro bassa concordanza con i valutatori umani (massimo 40,6% per le dimensioni e 32,8% per i voti finali) li rende attualmente inadatti all'uso in contesti di valutazione reali.
Questo articolo introduce una nuova famiglia di semantica aggregativa per i Framework di Argomentazione Bipolare Quantitativa (QBAF), che calcola il grado di accettabilità degli argomenti in tre fasi distinte aggregando separatamente attaccanti e sostenitori, garantendo così una maggiore interpretabilità e flessibilità parametrica rispetto alle semantica modulari esistenti.
Il paper propone un nuovo compito di generazione di volti parlanti emotivamente continui (EC-TFG) e il modello TIE-TFG associato, capaci di sintetizzare video realistici in cui le espressioni facciali cambiano dinamicamente in risposta a variazioni emotive descritte nel testo di input.
Il paper propone Uni-Walker, un framework di apprendimento incarnato a vita che risolve il problema della rimozione catastrofica nei agenti di navigazione potenziati da LLM, decoulando le conoscenze in componenti condivise e specifiche tramite DE-LoRA e strategie di eredità e ortogonalità per adattarsi a compiti e stili di istruzioni diversi mantenendo le competenze apprese in precedenza.
Il paper propone StreamVoiceAnon+, un metodo di anonimizzazione speaker in streaming che preserva le emozioni attraverso un fine-tuning supervisionato e una distillazione emotiva a livello di frame, ottenendo un miglioramento significativo nella conservazione delle emozioni senza compromettere l'intelligibilità, la privacy o la latenza.
Questo lavoro presenta CliqueFlowmer, un nuovo modello di ottimizzazione basato su dati offline che combina trasformatori e flussi generativi per scoprire materiali con proprietà superiori rispetto ai metodi generativi tradizionali.
Questo studio dimostra che l'esposizione a testi specifici tramite pre-addestramento continuo modella la personalità dei modelli linguistici, rivelando un vantaggio nella risoluzione di problemi complessi per i modelli con tratti sociali ridotti e fornendo una roadmap per l'ingegneria delle personalità.
Questo paper propone una pipeline che integra modelli linguistici di grandi dimensioni e un ragionatore neuro-simbolico per trasformare gli entimemi in argomenti logici espliciti, generando le premesse implicite necessarie per verificarne la validità tramite risoluzione SAT.
Questo rapporto presenta un quadro strutturato per la sicurezza fisica dei robot che integra l'ingegneria della sicurezza classica con l'apprendimento automatico, allineando la dichiarazione degli asset, l'enumerazione delle vulnerabilità e la generazione di dati sintetici basati sui pericoli per l'addestramento di modelli di sicurezza.
Questo lavoro propone un framework basato su grafi causali che rappresenta le narrazioni oppositive come interazioni tra entità, superando i limiti dei modelli a scatola nera tradizionali e ottenendo prestazioni superiori nella classificazione di tali narrazioni attraverso l'estrazione di sottografi causali minimi.
Il paper propone un approccio di gradiente parziale per l'apprendimento per rinforzo negli LLM che ottimizza sottoinsiemi di ricompense future per modellare diverse classi di policy, dimostrando empiricamente come politiche diverse (come quelle greedy o con lookahead) eccellano in specifici problemi di allineamento conversazionale.
Il paper presenta Place-it-R1, un framework end-to-end che sfrutta il ragionamento Chain-of-Thought dei Modelli Linguistici Multimodali per guidare l'inserimento di oggetti nei video, garantendo coerenza fisica e interazione con l'ambiente attraverso un ciclo di pensiero e generazione che supera i limiti delle tecniche attuali focalizzate solo sulla fedeltà visiva.
Il documento dimostra che i grafi di codifica predittiva costituiscono un insieme matematico sovrastante delle reti neurali feedforward, rafforzando così il loro ruolo nel machine learning moderno e la rilevanza della topologia nelle reti neurali.
Il paper presenta VLM-RobustBench, un benchmark completo che valuta la robustezza dei modelli visione-linguaggio contro 133 tipi di perturbazioni, rivelando che le distorsioni geometriche e di ricampionamento a bassa severità compromettono le prestazioni più delle corruzioni fotometriche visivamente gravi, evidenziando la fragilità spaziale di questi modelli.