8469 articoli
Questo lavoro presenta SceneCOT, un nuovo framework che introduce il ragionamento a catena di pensiero (CoT) ancorato per i modelli linguistici su scene 3D, supportato dal primo dataset su larga scala specifico (SceneCOT-185K), ottenendo risultati superiori nel question answering con un ragionamento passo-passo simile a quello umano.
Il paper presenta Schrödinger Bridge Mamba (SBM), un modello innovativo che combina il paradigma di addestramento Schrödinger Bridge con l'architettura Mamba per ottenere un potenziamento della voce di alta qualità in un solo passo di inferenza, superando i metodi esistenti nel denoising e nella dereverberazione.
Il paper introduce Grasp Any Region (GAR), un modello che supera i limiti delle precedenti MLLM regionali integrando il contesto globale e il replay delle caratteristiche per ottenere una comprensione visiva precisa, interattiva e capace di ragionamento compositivo su qualsiasi regione, come dimostrato dalle sue prestazioni superiori su benchmark specifici e sulla capacità di generalizzazione ai video.
Il paper introduce GhostEI-Bench, il primo benchmark progettato per valutare la resilienza degli agenti mobili basati su modelli visione-linguaggio contro gli attacchi di iniezione ambientale in ambienti dinamici, rivelando la loro vulnerabilità critica a elementi UI manipolati e proponendo un protocollo di analisi per migliorare la sicurezza.
Il paper presenta LLEMA, un framework unificato che combina la conoscenza scientifica dei modelli linguistici di grandi dimensioni con regole evolutive e affinamento basato sulla memoria per scoprire nuovi materiali multi-obiettivo chimicamente plausibili e termodinamicamente stabili con prestazioni superiori rispetto alle tecniche esistenti.
Il paper presenta FMint-SDE, un modello fondazionale multimodale basato su transformer che accelera la simulazione di equazioni differenziali stocastiche correggendo gli errori dei solutori classici tramite apprendimento in contesto, ottenendo un compromesso superiore tra accuratezza ed efficienza su diversi domini scientifici.
Il paper presenta FLoC, un framework di compressione efficiente e senza addestramento per i token visivi nei modelli multimodali su video lunghi, che utilizza una funzione di localizzazione delle strutture per selezionare in modo rapido e ottimale un sottoinsieme rappresentativo di token, migliorando significativamente le prestazioni su vari benchmark.
Il paper presenta CytoNet, un modello fondazionale addestrato su un milione di patch di immagini istologiche che permette l'analisi scalabile della microarchitettura corticale umana e il collegamento tra struttura cellulare e organizzazione funzionale del cervello.
Il paper introduce RefAgent, un framework multi-agente basato su LLM per il refactoring automatico del software che, attraverso la pianificazione, l'esecuzione e l'iterazione autonoma, dimostra di migliorare significativamente la qualità del codice e la capacità di identificare opportunità di refactoring rispetto agli approcci tradizionali.
Il paper propone CoRPO, una modifica all'ottimizzazione GRPO che introduce un bias di correttezza tramite l'uso di una soglia minima fissa per evitare la sovrastima dei vantaggi delle soluzioni errate, migliorando così la generalizzazione e il trasferimento delle capacità di ragionamento tra diversi domini.
Il paper propone SASG-DA, un metodo di aumento dei dati basato sulla diffusione che, integrando una guida semantica e un campionamento consapevole della sparsità, genera campioni sEMG sia fedeli che diversificati per migliorare il riconoscimento dei gesti miopotenziali e la generalizzazione dei modelli.
Il paper presenta DAP, un pianificatore autoregressivo basato su token discreti che, con un budget di soli 160 milioni di parametri, ottiene prestazioni all'avanguardia nel benchmark NAVSIM prevedendo congiuntamente la semantica BEV e le traiettorie del veicolo, integrando inoltre un affinamento tramite apprendimento per rinforzo.
Il paper propone CCSD, un nuovo framework di auto-distillazione cross-modale che, attraverso un'architettura condivisa-specifica e strategie di distillazione gerarchica e progressiva, garantisce una segmentazione robusta e generalizzabile dei tumori cerebrali anche in presenza di modalità MRI mancanti.
Il lavoro propone FlashCache, un nuovo framework di compressione della cache KV per modelli linguistici multimodali che, guidato dall'analisi delle frequenze e dalla preservazione dei "KV outlier", riduce drasticamente l'uso di memoria e accelera il decoding mantenendo le prestazioni.
Il paper presenta MambaTAD, un modello innovativo per la rilevazione temporale delle azioni che integra modelli a spazio di stato strutturato con un modulo DMBSS e una testina di fusione globale per superare le limitazioni nella modellazione a lungo raggio e nel contesto visivo globale, ottenendo prestazioni superiori su diversi benchmark.
Il paper presenta "CycleChemist", un innovativo framework di machine learning dualistico che, sfruttando il nuovo dataset OPV2D, combina modelli predittivi per le proprietà elettroniche e delle prestazioni delle celle solari organiche con un generatore di molecole basato su MatGPT per accelerare la scoperta di materiali donatori e accettori ad alta efficienza.
Il paper presenta L4L, un framework centrato sul risolutore che integra agenti LLM specializzati e verifica formale tramite solutori SMT per garantire che le decisioni legali siano logicamente allineate alle leggi statutarie e forniscano giustificazioni verificabili.
Lo studio dimostra che i modelli linguistici possono essere addestrati a rilevare con alta precisione l'iniezione di vettori di steering, sfatando l'ipotesi che tale intervento rimanga impercettibile e rivelando che la capacità di rilevamento non garantisce affatto una maggiore robustezza comportamentale contro le manipolazioni.
Il paper introduce DPAC, un metodo di controllo avversariale per il campionamento diffusion che, proiettando i gradienti avversariali sullo spazio tangente definito dalla geometria del punteggio generativo, minimizza la divergenza KL nel percorso e preserva la qualità dei campioni riducendo la distanza di Wasserstein e il FID.
Il paper propone Deep FlexQP, un risolutore di programmazione quadratica convessa basato su un'architettura di deep unfolding che garantisce la fattibilità e accelera significativamente la risoluzione di problemi di ottimizzazione non lineare, superando gli stati dell'arte in termini di velocità e successo in applicazioni come l'ottimizzazione di traiettorie e i filtri di sicurezza predittivi.