10008 articoli
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.
Questo articolo introduce il Distributed Partial Information Puzzle (DPIP), un nuovo dataset multimodale per studiare la costruzione di terreno comune in condizioni di asimmetria epistemica, e dimostra che i moderni modelli linguistici di grandi dimensioni (LLM) faticano a tracciare con precisione lo stato delle credenze e l'evoluzione del compito rispetto a un approccio basato sulla logica epistemica dinamica.
Il paper introduce INTRA, un metodo che verifica i fatti sfruttando le conoscenze parametriche interne dei modelli linguistici senza ricorrere alla ricerca esterna, superando i limiti delle approcci basati sul retrieval e ottenendo prestazioni all'avanguardia su diversi scenari di generalizzazione.
Il paper introduce SurvHTE-Bench, il primo benchmark completo per la valutazione rigorosa e riproducibile dei metodi di stima degli effetti del trattamento eterogenei su dati di sopravvivenza censurati, basato su una suite diversificata di dataset sintetici, semi-sintetici e reali.
Il paper propone un framework algoritmico chiamato "average bias-boundedness" (A-BB) che garantisce formalmente la riduzione dell'impatto negativo derivante da bias nei giudici LLM, mantenendo al contempo un'elevata correlazione con le classifiche originali.
Lo studio dimostra che l'analisi delle attivazioni può rilevare la "teatro del ragionamento" nei modelli AI, consentendo un'uscita anticipata che riduce drasticamente il consumo di token mantenendo l'accuratezza, specialmente per domande di facile recall.
Questo studio utilizza modelli LLM cinesi censurati come banco di prova naturale per valutare tecniche di elicitarazione della verità e rilevamento delle menzogne, scoprendo che metodi come il prompting few-shot e il fine-tuning migliorano significativamente l'onestà, sebbene nessuna tecnica riesca a eliminare completamente le risposte false.
Questo studio dimostra che le "massive activations" e gli "attention sinks", sebbene spesso co-occorrenti nei modelli Transformer a causa della configurazione pre-norm, svolgono funzioni distinte agendo rispettivamente come parametri impliciti globali e come modulatori locali delle dipendenze a breve raggio.
Il paper introduce POET-X, una variante scalabile ed efficiente dal punto di vista della memoria del framework POET che, riducendo i costi computazionali delle trasformazioni ortogonali, permette l'addestramento di modelli linguistici su larga scala su una singola GPU H100 dove i metodi standard fallirebbero.
RoboPocket è un sistema portatile basato su smartphone che utilizza la realtà aumentata per visualizzare le previsioni di un robot, permettendo agli operatori di raccogliere dati mirati e aggiornare istantaneamente le politiche di apprendimento senza bisogno di un robot fisico, raddoppiando così l'efficienza dei dati rispetto alle strategie offline.
Il paper presenta RATE, un nuovo modello Transformer ricorrente con memoria per l'apprendimento per rinforzo offline che supera i limiti delle architetture standard negli ambienti parzialmente osservabili migliorando significativamente le prestazioni nei compiti che richiedono memoria, pur mantenendo la competitività su benchmark standard.
Questo articolo propone un metodo innovativo per la segmentazione istanza di oggetti mimetizzati in ambito open-vocabulary, sfruttando le capacità dei modelli di diffusione testo-immagine per apprendere rappresentazioni visivo-testuali multiscala che superano le sfide poste dal camuffamento e permettono l'identificazione di nuove classi di oggetti.