9360 articoli
Questo studio presenta un approccio sistematico ai "facili problemi" della coscienza, dimostrando come un sistema cognitivo eseguibile, fondato sulla conoscenza concettuale kantiana, possa derivare meccanismi come discriminazione, attenzione e controllo deliberato attraverso l'apprendimento e gli stati emotivi, spiegando anche la differenza tra veglia e sonno.
Il paper presenta AMV-L, un framework di gestione della memoria per agenti LLM a lungo termine che, sostituendo le tradizionali politiche basate sull'età con un ciclo di vita guidato dal valore e un set di candidati limitato, garantisce un controllo preciso della latenza di coda e migliora significativamente il throughput e la stabilità rispetto ai sistemi esistenti.
Il documento presenta il vLLM Semantic Router, un framework di instradamento decisionale guidato da segnali che, attraverso l'orchestrazione composita di caratteristiche eterogenee e regole configurabili, ottimizza la selezione dei modelli in scenari Mixture-of-Modality per bilanciare costi, privacy e sicurezza senza richiedere modifiche al codice.
Il paper introduce SkillNet, un'infrastruttura aperta che crea, valuta e organizza competenze AI su larga scala attraverso un'ontologia unificata e un repository di oltre 200.000 competenze, migliorando significativamente le prestazioni degli agenti riducendo la necessità di reinventare soluzioni già esistenti.
Questo studio presenta un framework di ensemble spiegabile che, combinando tecniche di bilanciamento dei dati e algoritmi come XGBoost e Random Forest, raggiunge un'accurata e trasparente previsione dell'Alzheimer basata su dati clinici e cognitivi strutturati.
Questo articolo presenta MPBMC, un approccio ibrido che utilizza embedding di reti neurali grafiche e statistiche di runtime per raggruppare funzionalmente le proprietà e accelerare la verifica formale tramite model checking limitato.
Il paper propone l'NCnet, un'architettura di rete neurale classica che, attraverso la competizione dei gradienti tra neuroni condivisi, esibisce dinamiche di addestramento con correlazioni non-classiche misurabili tramite l'ineguaglianza CHSH, offrendo una nuova prospettiva per comprendere le interazioni interne e le prestazioni di generalizzazione delle reti profonde.
Questo studio presenta il primo framework end-to-end per lo sviluppo di modelli linguistici specializzati nella scienza della combustione, basato su un vasto database multimodale e un percorso di iniezione di conoscenza in tre fasi che dimostra come l'uso di grafi della conoscenza e il pre-addestramento continuato siano necessari per superare i limiti delle tecniche di recupero standard.
Questo studio rivela una nuova modalità di fallimento nei modelli linguistici visivi multimodali, dimostrando che l'ottimizzazione di una funzione di perdita volta a massimizzare l'instabilità numerica genera immagini che degradano significativamente le prestazioni del modello con modifiche minime, un fenomeno distinto dalle tradizionali perturbazioni avversarie.
Questo studio dimostra che riscrivere le query per ridurre l'ambiguità utilizzando un contesto di riferimento privo di risposte, piuttosto che limitarsi a inserirlo nel prompt, raddoppia le prestazioni dei modelli linguistici su benchmark complessi come Humanity's Last Exam.
Questo studio propone un framework distribuito per aste di spettro ripetute nelle reti eterogenee, in cui gli utenti equipaggiati con modelli linguistici di grandi dimensioni (LLM) dimostrano una maggiore efficienza nel budget e un accesso ai canali superiore rispetto alle strategie tradizionali grazie alla loro capacità di ragionamento strategico e adattamento dinamico.
Questo paper introduce l'Economia dell'Intelligenza Embodied, sostenendo che il superamento di determinate soglie di capacità nell'IA fisica innescherà una transizione di fase nella geografia economica manifatturiera, sostituendo la logica fordista di centralizzazione e arbitrio del lavoro con una produzione micro-distribuita e localizzata in base a condizioni ambientali ottimali per le macchine.
Questo articolo propone il paradigma di apprendimento HARR (Heterogeneous Attribute Reconstruction and Representation), un metodo privo di parametri e garantito nella convergenza che trasforma attributi eterogenei in uno stato omogeneo proiettandoli in spazi apprendibili unificati per migliorare l'accuratezza e l'efficienza del clustering su dati misti.
Questo studio presenta la prima valutazione multidimensionale dell'influenza accademica e della qualità del codice nei benchmark sulla sicurezza degli LLM, rivelando che non esiste una correlazione significativa tra la notorietà degli autori o l'impatto dei lavori e la qualità del codice, e sottolineando la necessità di standard più elevati data la scarsa prontezza e completezza delle risorse open source attuali.
Il paper presenta VSPrefill, un meccanismo di attenzione sparsa basato su pattern verticali e diagonali che, tramite un indice leggero e strategie adattive, riduce la complessità del prefilling a scala lineare ottenendo un'accelerazione di 4,95 volte su contesti lunghi fino a 128k senza compromettere significativamente l'accuratezza.
Il documento presenta MAD-SmaAt-GNet, una rete neurale multimodale addestrata per migliorare le previsioni di precipitazione a breve termine integrando l'architettura SmaAt-UNet con un encoder multimodale e un componente di avvezione basato sulla fisica, ottenendo una riduzione significativa dell'errore quadratico medio rispetto ai modelli di base.
Questo studio rivela che i modelli linguistici di grandi dimensioni elaborano le dimostrazioni conflittuali nell'apprendimento contestuale attraverso una struttura computazionale a due fasi, identificando specifiche "teste" di attenzione vulnerabili e suscettibili che, se disattivate miratamente, migliorano le prestazioni del modello di oltre il 10%.
Questo studio presenta un modello LSTM interpretabile per la previsione delle traiettorie delle navi nelle vie navigabili interne, che, pur ottenendo un'accuratezza comparabile agli studi esistenti, rivela attraverso l'analisi dei pesi di attenzione che i miglioramenti predittivi non sono interamente guidati da relazioni causali con le navi vicine, sottolineando così l'importanza della spiegabilità dei modelli.
Questo lavoro propone un modello di dinamica di propagazione e un layer di governance basato su un grafo genealogico per identificare e mitigare le cascate di errori nei sistemi multi-agente basati su LLM, migliorando significativamente il tasso di successo della difesa senza alterare l'architettura di collaborazione.
Il paper presenta un sistema di riconoscimento delle attività basato su una rete neurale convoluzionale circolare a dilatazione (CDCNN) che elabora dati multi-modali da plantari intelligenti, ottenendo un'accuratezza del 86,42% nell'identificazione di quattro classi di movimento e dimostrando la fattibilità di un'implementazione in tempo reale su dispositivi embedded.