9684 articoli
Il paper propone UniSTOK, un framework plug-and-play che migliora la kriging induttiva spaziotemporale in presenza di dati mancanti eterogenei attraverso un'architettura a doppio ramo che integra osservazioni originali e segnali proxy sintetizzati, elaborati in parallelo e fusi tramite meccanismi di attenzione.
Il paper presenta Med-V1, una famiglia di modelli linguistici di piccole dimensioni addestrata su dati sintetici di alta qualità che, pur essendo efficiente ed economica, supera le prestazioni dei modelli di base e compete con i modelli LLM all'avanguardia nel compito di attribuzione e verifica delle evidenze biomediche, offrendo applicazioni pratiche per il rilevamento di allucinazioni e la verifica di linee guida cliniche.
Il paper presenta Latent-Mark, il primo framework di watermarking audio a zero bit che garantisce robustezza contro la risintesi neurale inserendo il marchio nello spazio latente invariante del codec, ottimizzando le perturbazioni del segnale attraverso più codec per preservare l'invisibilità e garantire un trasferimento zero-shot su codec non visti.
Il paper introduce PersianPunc, un vasto dataset di 17 milioni di campioni e un approccio basato su ParsBERT per il ripristino della punteggiatura in persiano, ottenendo prestazioni elevate con un'efficienza computazionale superiore rispetto ai grandi modelli linguistici.
Il paper introduce GALACTIC, il primo framework unificato che genera spiegazioni controfattuali sia locali che globali per il clustering di serie temporali, ottimizzando le perturbazioni a livello di istanza e selezionando un riassunto non ridondante delle transizioni tra cluster tramite un obiettivo basato sulla Lunghezza Minima di Descrizione (MDL) con garanzie di approssimazione.
Il documento presenta OPENDEV, un agente di codifica open-source nativo per terminale che, attraverso un'architettura composta da modelli specializzati, un sistema di memoria automatica e una gestione adattiva del contesto, abilita l'assistenza autonoma e sicura nello sviluppo software a lungo termine.
Il paper presenta "Ailed", un motore scacchistico che introduce variabilità comportamentale umana simulando una personalità statica e uno stato psicologico dinamico, elaborati attraverso una catena di segnali audio ispirata all'elaborazione del suono per modificare le probabilità delle mosse in base a fattori posizionali, con risultati che mostrano variazioni monotone nell'accordo con le mosse migliori in funzione dello stress e dell'eccessiva sicurezza, sebbene senza validazione su soggetti umani.
In collaborazione con il dipartimento delle comunicazioni di emergenza di Nashville, il sistema PACE rivoluziona la formazione degli operatori 9-1-1 attraverso un motore adattivo personalizzato che riduce i tempi di competenza del 19,50% e aumenta la padronanza finale del 10,95% ottimizzando la selezione degli scenari formativi.
Il paper introduce TS-BOSS, un metodo scalabile basato sulla ricerca di ordinamenti ottimali per l'apprendimento della struttura causale nelle serie temporali multivariate, che combina alberi grow-shrink per l'efficienza computazionale e garantisce prestazioni superiori rispetto ai metodi basati su vincoli, specialmente in regimi ad alta autocorrelazione.
Il paper esamina l'evoluzione della ricerca su AI e Diritto nel campo dell'interpretazione giuridica, passando dai sistemi esperti focalizzati sulla codifica della conoscenza, ai framework di argomentazione che ne analizzano la struttura dialettica, fino ai moderni modelli linguistici che generano automaticamente suggerimenti interpretativi.
Questo articolo presenta la "Judge Reliability Harness", una libreria open source progettata per valutare l'affidabilità dei giudici basati su LLM attraverso suite di test che rivelano significative variazioni nelle prestazioni e problemi di coerenza dovuti a semplici modifiche nel formato del testo o nella formulazione.
Lo studio dimostra che i modelli di intelligenza artificiale rilevano le rappresentazioni iniettate attraverso due meccanismi distinti: un'inferenza basata sull'anomalia del prompt e un accesso diretto agli stati interni che, sebbene rilevi l'anomalia in modo agnostico rispetto al contenuto, non permette di identificare con precisione il significato semantico senza un significativo aumento dei token.
Questo studio presenta una pipeline computazionale che, analizzando segnali EMG multicanale tramite algoritmi di apprendimento automatico, dimostra la possibilità di decodificare con elevata accuratezza l'intenzione motoria e la direzione del movimento verso 25 bersagli spaziali già nelle fasi precoci di pianificazione ed esecuzione, offrendo così un contributo fondamentale per lo sviluppo di sistemi riabilitativi adattivi e anticipatori.
Il paper presenta MobileFetalCLIP, un modello studentesco leggero da 11,4 milioni di parametri che supera i fondamenti esistenti grazie a una nuova tecnica di distillazione della conoscenza repulsiva selettiva, consentendo l'analisi in tempo reale degli ultrasuoni fetali su dispositivi mobili con risorse limitate.
Il paper presenta RelaxFlow, un framework senza addestramento che risolve l'ambiguità semantica nella generazione 3D da testo sotto occlusione, utilizzando un meccanismo di rilassamento per completare le regioni nascoste rispettando sia l'osservazione originale che l'intento del prompt.
Questo lavoro introduce un quadro unificato per l'ensembling di modelli linguistici tramite distribuzioni -ensemble, utilizzando un algoritmo Sequential Monte Carlo a livello di byte per campionare coerentemente da distribuzioni aggregate anche con vocabolari diversi, superando i limiti delle tecniche di aggregazione tradizionali.
Il paper presenta SAIL, un metodo per la descrizione densa di video debolmente supervisionata che migliora la localizzazione temporale degli eventi generando maschere semanticamente consapevoli tramite allineamento cross-modale e arricchendo le annotazioni con caption sintetiche generate da LLM.
Il paper presenta CompACT, un tokenizzatore discreto che comprime le osservazioni in soli 8 token per abilitare una pianificazione rapida ed efficiente nei modelli del mondo, rendendoli pratici per il controllo in tempo reale.
Questo articolo propone un controller ibrido che combina un MPC nominale con una politica residua appresa tramite RL per migliorare la robustezza e l'accuratezza nella spinta di cellule microscopiche tramite un microrobot magnetico in flussi microfluidici variabili nel tempo.
Il paper presenta RealWonder, il primo sistema in tempo reale che genera video condizionati da azioni fisiche partendo da una singola immagine, integrando ricostruzione 3D, simulazione fisica e un generatore video distillato per simulare interattivamente forze, manipolazioni robotiche e comportamenti di materiali diversi.