9660 articoli
Il paper presenta Logi-PAR, il primo framework di riconoscimento delle attività dei pazienti che integra regole differenziabili e logica simbolica per inferire esplicitamente le cause dei rischi clinici, fornendo spiegazioni verificabili e superando le prestazioni degli attuali modelli basati su visione e linguaggio.
Il lavoro presenta "Ara", un agente basato su modelli linguistici che accelera la scoperta di fotocatalizzatori COF stabili e attivi per la produzione di idrogeno solare, superando significativamente i metodi di ricerca tradizionali grazie all'integrazione di conoscenze chimiche pre-addestrate e a una logica di ragionamento interpretabile.
Il paper presenta Stable-LoRA, una strategia di ottimizzazione che risolve l'instabilità intrinseca dell'inizializzazione non nulla di LoRA riducendo dinamicamente la matrice A nelle fasi iniziali, garantendo così un apprendimento delle caratteristiche stabile e prestazioni superiori senza costi computazionali aggiuntivi.
Questo articolo propone un metodo di ottimizzazione per la selezione del vocabolario nei modelli di bozza dello speculative decoding, che bilancia copertura e latenza riducendo fino al 97% la dimensione del vocabolario e migliorando il throughput fino al 20% su compiti specifici di dominio.
Questo studio presenta IAENet, un innovativo framework di apprendimento multi-etichetta basato su Transformer che, integrando un dataset specifico (MuAE) e una nuova funzione di perdita, supera le limitazioni degli approcci esistenti nel prevedere tempestivamente eventi avversi intraoperatori multipli, migliorando significativamente la sicurezza del paziente.
Il paper presenta KARL, un sistema di agenti di ricerca aziendale addestrati tramite apprendimento per rinforzo che, grazie a un nuovo benchmark (KARLBench), dati sintetici e un paradigma di post-addestramento iterativo, raggiunge prestazioni all'avanguardia e supera i modelli chiusi più potenti in compiti complessi di ragionamento e ricerca.
Il paper presenta SPyCer, una rete semi-supervisionata guidata dalla fisica che utilizza l'attenzione contestuale su immagini satellitari per stimare con precisione e coerenza fisica la temperatura dell'aria vicino alla superficie, superando i limiti delle misurazioni dei sensori terrestri.
Questo documento presenta una roadmap decennale per la co-progettazione integrata di intelligenza artificiale e hardware, mirata a superare la frammentazione attuale attraverso l'ottimizzazione trasversale e l'efficienza energetica per realizzare sistemi intelligenti sostenibili, adattivi e accessibili entro il 2035.
Lo studio dimostra che l'adozione di una topologia sferica vincolata e l'ablazione del routing attentivo adattivo nei Transformer eliminano la fase di memorizzazione nel fenomeno del "grokking" sull'addizione modulare, suggerendo che l'allineamento tra le priorità architetturali e le simmetrie intrinseche del compito è cruciale per accelerare la generalizzazione.
Lo studio dimostra che il flusso decisionale e le spiegazioni influenzano in modo complesso la fiducia e l'affidamento comportamentale nell'AI, confermando che questi due costrutti sono distinti e che non esiste una soluzione universale per prevenire la sovrastima o la sottostima dell'AI.
Il paper presenta ASR-TRA, un nuovo framework di adattamento test-time basato sull'apprendimento per rinforzo che utilizza ricompense semantiche audio-testo per migliorare la robustezza e l'accuratezza dei sistemi di riconoscimento vocale in condizioni reali difficili, superando i limiti dei metodi basati sulla minimizzazione dell'entropia.
Il paper introduce le Recursive Inference Machines (RIMs), un nuovo framework di ragionamento neurale che integra meccanismi ricorsivi ispirati ai motori di inferenza classici per migliorare le prestazioni dei modelli esistenti su compiti complessi come il ragionamento logico e la classificazione di dati tabellari.
Questo paper propone un metodo per riutilizzare le informazioni delle "strati perduti" dell'encoder testuale di CLIP, invece di rimuoverli, al fine di migliorare l'apprendimento few-shot cross-dominio senza sorgente guidando il riadattamento del ramo visivo.
Il paper presenta GCAgent, un sistema basato su modelli linguistici di grandi dimensioni che migliora la comunicazione nei gruppi di chat tramite agenti dialogici personalizzati, dimostrando attraverso esperimenti e un deployment reale di 350 giorni un aumento significativo dell'attività e dell'engagement degli utenti.
Il paper propone la VI-NBFNet, una rete neurale di beamforming che integra segnali audio da array di microfoni e informazioni visive estratte dai movimenti delle labbra per migliorare l'enhancement del parlato e la robustezza in scenari complessi e dinamici.
Questo articolo presenta il "Whisperer", un innovativo framework di prompting visivo che utilizza un curriculum di apprendimento per imitazione comportamentale di miglioramenti stocastici trovati da un modello di diffusione, permettendo di ridurre significativamente l'errore di riconoscimento dei caratteri su immagini degradate adattando gli input pixel per pixel senza modificare i pesi dei modelli OCR pre-addestrati e congelati.
Il paper presenta X-RAY, un sistema di analisi spiegabile che utilizza sonde formali calibrate per mappare le capacità di ragionamento dei grandi modelli linguistici, rivelando una asimmetria sistematica nella loro robustezza rispetto alla raffinazione dei vincoli rispetto alla ristrutturazione dello spazio delle soluzioni.
Il paper presenta STRUCTUREDAGENT, un framework di pianificazione gerarchica che utilizza alberi AND/OR dinamici e un modulo di memoria strutturata per migliorare le prestazioni degli agenti LLM su compiti web a lungo orizzonte, superando le limitazioni degli approcci esistenti in termini di memoria, pianificazione e comportamento greedy.
Il paper presenta WebChain, il più grande dataset open-source di tracce di interazione web annotate da umani, e un metodo di addestramento duale che, decoppiando l'ancoraggio spaziale dalla pianificazione, raggiunge prestazioni all'avanguardia nei benchmark per agenti web.
Il paper presenta WavSLM, un modello linguistico per il parlato che, tramite la distillazione di rappresentazioni WavLM in un unico codice e l'ottimizzazione di un obiettivo di previsione autoregressiva, riesce a modellare congiuntamente informazioni semantiche e acustiche in un singolo flusso di token senza supervisione testuale, ottenendo prestazioni competitive con minori parametri e dati di addestramento.