9645 articoli
Questo articolo esamina l'evoluzione della cyber threat intelligence per proteggere i sistemi di intelligenza artificiale, analizzando le vulnerabilità specifiche, proponendo una struttura per un database di conoscenze dedicato e identificando le lacune attuali e le direzioni future per un framework di difesa pratico.
Il documento presenta Jagarin, un'architettura a tre livelli composta da DAWN, ARIA e ACE, che risolve il paradosso della persistenza degli agenti AI personali sui dispositivi mobili consentendo l'esecuzione on-demand e la gestione proattiva degli obblighi senza compromettere la batteria, la privacy o le policy di sandboxing.
Il paper presenta Aura, un framework universale che migliora le previsioni delle serie temporali nel settore aeronautico integrando in modo efficace fattori esogeni eterogenei e multimodali attraverso un meccanismo di codifica tripartito, ottenendo prestazioni superiori su un vasto dataset industriale.
Questo lavoro propone un nuovo metodo di attribuzione Shapley basato su flussi generativi ottimali che, minimizzando l'energia cinetica lungo geodetiche di Wasserstein-2, garantisce attribuzioni coerenti con la varietà dei dati, risolvendo i problemi di deriva geometrica e offrendo stabilità teorica rispetto agli approcci esistenti.
Il paper propone GEM-TFL, un framework innovativo che colma il divario tra supervisione debole e completa per la localizzazione temporale di falsificazioni, integrando decomposizione guidata da EM, affinamento temporale senza training e un modulo di raffinamento basato su grafi per ottenere risultati più accurati e robusti.
Il paper presenta ARC-TGI, un framework open-source di generatori di task validati da umani e basati su catene di ragionamento che producono compiti ARC-AGI diversificati e risolvibili, permettendo un campionamento scalabile e una valutazione controllata per superare i limiti dei dataset statici.
Il paper presenta SPIRIT, un sistema di autonomia condivisa percettiva che integra stime di incertezza derivanti da deep learning per regolare dinamicamente il livello di controllo tra manipolazione semi-autonoma e teleoperazione aptica, garantendo così operazioni robotiche robuste e sicure anche in presenza di fallimenti percettivi.
Il paper presenta UniPAR, un framework unificato basato su Transformer che supera le limitazioni dei modelli specifici per dataset permettendo a un'unica architettura di elaborare dati eterogenei (RGB, video ed eventi) e di raggiungere prestazioni all'avanguardia nel riconoscimento degli attributi pedonali con una robustezza superiore in condizioni ambientali difficili.
Il documento propone FedBCGD e la sua versione accelerata FedBCGD+, nuovi metodi di discesa del gradiente a coordinate bloccate per l'apprendimento federato che riducono significativamente l'overhead di comunicazione e migliorano la convergenza per modelli su larga scala suddividendo i parametri in blocchi.
Il paper presenta un nuovo framework di generazione curricolare bidirezionale basato su agenti multipli che, imitando la pedagogia adattiva e chiudendo il ciclo di feedback, ottimizza l'efficienza dei dati nel ragionamento matematico semplificando o complicando dinamicamente i problemi per colmare le lacune specifiche del modello.
Lo studio dimostra che i modelli SpeechLLM presentano un'elevata ridondanza nei loro decoder, ereditata dai LLM pre-addestrati, permettendo di rimuovere fino al 40% dei livelli mantenendo buone prestazioni in ASR e traduzione, con una struttura di ridondanza globale che abilita un'unica architettura ottimizzata per più compiti.
Il paper presenta MedCoRAG, un framework end-to-end che migliora la diagnosi epatologica interpretabile combinando l'estrazione ibrida di evidenze da grafi della conoscenza e linee guida cliniche con un ragionamento collaborativo multi-agente che simula una consultazione multidisciplinare.
Il paper presenta LBM, un modello gerarchico di auto-offerta pubblicitaria che combina un modulo di ragionamento (LBM-Think) e uno di azione (LBM-Act) potenziati da un meccanismo di embedding duale e da un fine-tuning offline (GQPO) per migliorare le prestazioni e la generalizzazione nelle aste competitive.
Questo studio applica modelli di diffusione guidati da principi fisici per generare campi di concentrazione coerenti e prevedere accuratamente le concentrazioni di uscita in reazioni chimiche in fase gassosa, dimostrando il potenziale di questi modelli per l'inferenza in sistemi di trasporto reattivo.
Questo lavoro stabilisce una corrispondenza esatta tra la potenza espressiva delle reti neurali su grafi ricorrenti e quella dei circuiti aritmetici ricorrenti operanti sui numeri reali, dimostrando che i due modelli sono computazionalmente equivalenti.
Il paper introduce fedCI e fedCI-IOD, un framework federato che permette di scoprire relazioni causali in dataset eterogenei e distribuiti sotto vincoli di confondimento latente, preservando la privacy e migliorando la potenza statistica senza centralizzare i dati.
Il paper propone SSR-GS, un nuovo framework che migliora la ricostruzione di superfici lucide nel Gaussian Splatting modellando le riflessioni speculari dirette e indirette e integrando prior geometriche e visivi per mitigare gli errori causati dalle riflessioni.
Il paper propone SkillsCrafter, un nuovo framework per l'apprendimento robotico continuo che mitiga l'oblio catastrofico e migliora la generalizzazione attraverso l'adattamento delle abilità di manipolazione e l'aggregazione specializzata basata su sottospazi semantici comuni.
Il paper introduce C2-Faith, un benchmark basato su PRM800K che valuta l'affidabilità dei giudici LLM nel misurare la fedeltà causale e la completezza del ragionamento a catena di pensiero, rivelando che le prestazioni dipendono fortemente dal compito specifico e che esistono significative lacune nella capacità di localizzare errori o valutare ragionamenti incompleti.
Questa guida propone un quadro sistematico per l'annotazione e la visualizzazione della struttura degli argomenti giuridici nelle decisioni giudiziarie cinesi, definendo tipi di proposizioni, relazioni argomentative e flussi di lavoro standardizzati per supportare l'analisi computazionale del ragionamento giuridico.