🤖 Category

cs.AI

2385 articoli

Enhancing Retrieval-Augmented Generation with Entity Linking for Educational Platforms

Il paper presenta ELERAG, un'architettura RAG potenziata dal Linking di Entità e da una strategia di riordinamento ibrida, che dimostra come l'integrazione di segnali fattuali basati su Wikidata migliori significativamente l'accuratezza nei sistemi di domanda-risposta educativi in italiano, superando i metodi tradizionali nei contesti specifici di dominio pur mantenendo prestazioni competitive su dataset generali.

Francesco Granata, Francesco Poggi, Misael Mongiovì2026-03-11🤖 cs.AI

EMFusion: Conditional Diffusion Framework for Trustworthy Frequency Selective EMF Forecasting in Wireless Networks

Il documento presenta EMFusion, un framework di previsione probabilistica basato sulla diffusione condizionale che, integrando fattori contestuali e strategie di imputazione, supera le prestazioni dei modelli esistenti nella previsione selettiva in frequenza dei campi elettromagnetici, fornendo stime affidabili con quantificazione esplicita dell'incertezza per la pianificazione delle reti wireless.

Zijiang Yan, Yixiang Huang, Jianhua Pei, Hina Tabassum, Luca Chiaraviglio2026-03-11🤖 cs.AI

Small Language Models for Efficient Agentic Tool Calling: Outperforming Large Models with Targeted Fine-tuning

Questo studio dimostra che un piccolo modello linguistico (SLM) come l'OPT-350M, opportunamente affinato tramite tecniche di Supervised Fine-Tuning, può superare le prestazioni dei grandi modelli (LLM) nel richiamo degli strumenti con un tasso di successo del 77,55%, offrendo una soluzione più economica ed efficiente per l'integrazione dell'IA generativa nei sistemi aziendali.

Polaris Jhandi, Owais Kazi, Shreyas Subramanian, Neel Sendas2026-03-11🤖 cs.AI

Reinforcement Learning for Self-Improving Agent with Skill Library

Il paper presenta SAGE, un nuovo framework di Reinforcement Learning che potenzia l'auto-miglioramento degli agenti basati su LLM integrando una libreria di competenze attraverso un meccanismo di rollout sequenziale e una ricompensa specifica, ottenendo risultati superiori in termini di accuratezza ed efficienza rispetto agli approcci esistenti.

Jiongxiao Wang, Qiaojing Yan, Yawei Wang, Yijun Tian, Soumya Smruti Mishra, Zhichao Xu, Megha Gandhi, Panpan Xu, Lin Lee Cheong2026-03-11🤖 cs.AI

Empowering All-in-Loop Health Management of Spacecraft Power System in the Mega-Constellation Era via Human-AI Collaboration

Questo lavoro propone SpaceHMchat, un framework open-source di collaborazione uomo-intelligenza artificiale basato sul principio di allineamento delle capacità sottostanti, per gestire in modo olistico la salute dei sistemi di alimentazione spaziale nell'era delle mega-costellazioni, validato attraverso una piattaforma sperimentale realistica e un nuovo dataset pubblico che dimostra prestazioni eccellenti in compiti di riconoscimento, rilevamento, localizzazione e decisione.

Yi Di, Zhibin Zhao, Fujin Wang, Xue Liu, Jiafeng Tang, Jiaxin Ren, Zhi Zhai, Xuefeng Chen2026-03-11🤖 cs.AI

CLEAR-Mamba:Towards Accurate, Adaptive and Trustworthy Multi-Sequence Ophthalmic Angiography Classification

Il paper presenta CLEAR-Mamba, un framework avanzato basato su MedMamba che integra un layer di condizionamento adattivo (HaC) e un meccanismo di previsione affidabile (RaP) per migliorare l'accuratezza, l'adattabilità e l'affidabilità nella classificazione multi-sequenza di angiografie oftalmiche FFA e ICGA, superando le limitazioni delle metodologie esistenti grazie a un nuovo dataset su larga scala.

Zhuonan Wang, Wenjie Yan, Wenqiao Zhang, Xiaohui Song, Jian Ma, Ke Yao, Yibo Yu, Beng Chin Ooi2026-03-11🤖 cs.AI

Automating Forecasting Question Generation and Resolution for AI Evaluation

Questo lavoro presenta un sistema automatizzato basato su agenti di ricerca web potenziati da LLM per generare e risolvere su larga scala domande di previsione diversificate e verificabili, dimostrando un'efficacia superiore rispetto alle piattaforme umane e migliorando le prestazioni degli agenti di previsione attraverso strategie di decomposizione delle domande.

Nikos I. Bosse, Peter Mühlbacher, Jack Wildman, Lawrence Phillips, Dan Schwarz2026-03-11🤖 cs.AI

From Self-Evolving Synthetic Data to Verifiable-Reward RL: Post-Training Multi-turn Interactive Tool-Using Agents

Il paper presenta EigenData, un framework unificato che combina un agente di dati auto-evolutivo con un'apprendimento per rinforzo basato su verificatori per generare dati sintetici di alta qualità e addestrare agenti interattivi multi-turno in grado di utilizzare strumenti complessi, ottenendo prestazioni all'avanguardia su benchmark specifici senza costose annotazioni umane.

Jiaxuan Gao, Jiaao Chen, Chuyi He, Shusheng Xu, Di Jin, Yi Wu2026-03-11🤖 cs.AI

UAT-LITE: Inference-Time Uncertainty-Aware Attention for Pretrained Transformers

Il paper presenta UAT-LITE, un framework di inferenza che rende l'attenzione dei trasformatori preaddestrati consapevole dell'incertezza epistemica tramite dropout Monte Carlo, migliorando la calibrazione e la selezione delle predizioni senza modificare i pesi del modello o richiedere un addestramento aggiuntivo.

Elias Hossain, Shubhashis Roy Dipta, Subash Neupane, Rajib Rana, Ravid Shwartz-Ziv, Ivan Garibay, Niloofar Yousefi2026-03-11🤖 cs.AI

B-DENSE: Branching For Dense Ensemble Network Supervision Efficiency

Il paper propone B-DENSE, un nuovo framework che migliora l'efficienza dell'inferenza nei modelli di diffusione tramite allineamento denso di traiettorie multi-ramo, permettendo al modello studente di apprendere informazioni strutturali intermedie complete e ottenere una qualità di generazione superiore rispetto alle tecniche di distillazione esistenti.

Cherish Puniani, Tushar Kumar, Arnav Bendre, Gaurav Kumar, Shree Singhi2026-03-11🤖 cs.AI