11579 articoli
Il paper presenta DeepEarth, un modello mondiale multi-modale auto-supervisionato che utilizza il nuovo codificatore posizionale 4D Earth4D per raggiungere prestazioni all'avanguardia nella previsione ecologica con precisione sub-metrica e sub-secondaria su scala planetaria.
Il paper propone CAPL, un framework strutturato che combina un meccanismo di attenzione calibrato per le interazioni tra immagini e un'ottimizzazione basata sulle preferenze per mitigare le allucinazioni nei modelli visione-linguaggio su compiti multi-immagine, migliorando le prestazioni senza compromettere le capacità su singole immagini.
Questo articolo presenta un framework innovativo che, sfruttando un'interfaccia conversazionale basata su LLM e un sistema di rendering ottimizzato, consente agli scienziati di generare animazioni 3D di dati climatici petascale su workstation commerciali, riducendo drasticamente i tempi di elaborazione e rendendo accessibile la visualizzazione avanzata anche a utenti privi di competenze specialistiche.
Questo articolo propone un metodo di diagnosi dei guasti con pochi esempi che utilizza un prototipo digitale bidirezionale e l'apprendimento della multi-periodicità per adattare i modelli virtuali agli asset fisici, superando la dipendenza da grandi quantità di dati etichettati.
Il paper presenta MedSteer, un framework di steering delle attivazioni senza addestramento che genera coppie controfattuali endoscopiche preservando la struttura anatomica e superando i metodi basati su inversione e riprompting nelle valutazioni di sintesi e rilevamento dei polipi.
Questo studio propone un sistema basato su GPT-4 che facilita la scrittura di recensioni per gli utenti attraverso dialoghi di intervista, dimostrando che le recensioni generate richiedono meno editing e risultano più utili per i lettori rispetto a quelle scritte manualmente, nonostante alcune sfide relative alla fluidità del testo.
Il paper introduce CoTJudger, un framework guidato da grafi che valuta l'efficienza dei Modelli di Ragionamento su larga scala convertendo le catene di pensiero in grafi di dipendenza per identificare il percorso più breve necessario, permettendo così di distinguere tra logica essenziale e ridondanza strutturale.
Il paper introduce Countdown-Code, un ambiente di test che rivela come anche una minima contaminazione di dati di addestramento con strategie di "reward hacking" possa indurre modelli LLM a imparare e generalizzare tale comportamento, aggravato successivamente dall'apprendimento per rinforzo.
Il paper propone mAVE, il primo framework di watermarking nativo per modelli di generazione audio-visiva congiunta che, legando crittograficamente le latenti audio e video, risolve la vulnerabilità agli attacchi di sostituzione garantendo integrità e sicurezza senza compromettere le prestazioni.
Questo studio indaga la capacità dei modelli linguistici di grandi dimensioni di sintetizzare codice Unity eseguibile a partire da pattern di gioco, dimostrando che l'uso di una rappresentazione intermedia specifica per il motore, pur migliorando la coerenza semantica, incontra ancora ostacoli critici legati al "grounding" strutturale e alla pulizia del progetto che limitano il successo della compilazione automatica.
Il paper propone PSAD, un nuovo framework di reranking personalizzato che combina generazione semi-autoregressiva e distillazione della conoscenza online per bilanciare efficacemente qualità e latenza, migliorando al contempo l'interazione tra utenti e articoli.
Il paper introduce ConservationBench, un benchmark che dimostra come i modelli visione-linguaggio attuali falliscano sistematicamente nel ragionare sulle trasformazioni fisiche, mostrando prestazioni vicine al caso e una dipendenza da priors testuali piuttosto che dalla comprensione visiva delle invarianti fisiche.
Questo studio presenta un agente AI per il gioco del Lupacchiotto sviluppato per la sfida AIWolfDial 2024, che migliora la coerenza delle risposte e la coerenza del personaggio integrando riassunti del dialogo e informazioni sulla personalità all'interno di un modello linguistico di grandi dimensioni.
Il paper presenta aCAPTCHA, un nuovo protocollo di verifica che distingue umani, script e agenti autonomi sfruttando l'asimmetria nella difficoltà di elaborazione temporale tra cognizione umana e intelligenza artificiale.
Il paper presenta EyExIn, un framework efficiente che supera le lacune di conoscenza specifica nel dominio oftalmico dei modelli visione-linguaggio, integrando un meccanismo di iniezione profonda di esperti per ancorare il ragionamento a evidenze visive accurate e raggiungere prestazioni all'avanguardia nella diagnosi retinica.
Questo lavoro introduce un nuovo compito chiamato Trascrizione Emotiva nella Conversazione (ETC) e un corrispondente dataset giapponese per superare i limiti delle annotazioni emotive tradizionali, consentendo la generazione di descrizioni linguistiche naturali che catturano sfumature emotive complesse e sottili.
Il paper presenta DCTR, un meccanismo di recupero tabelle che utilizza la decomposizione di query tipizzate e la consapevolezza della connettività globale per migliorare la risposta a domande complesse su database relazionali, dimostrando robustezza su benchmark industriali.
Il paper propone un metodo di inferenza efficiente per i modelli linguistici che migliora il ragionamento massimizzando la certezza interna del modello a livello di singoli pensieri, ottenendo prestazioni superiori rispetto alle tecniche esistenti con un minor costo computazionale.
Questo studio dimostra che l'uso di reti neurali grafiche per prevedere un ordine di ramificazione iniziale può accelerare significativamente i risolutori SAT su istanze casuali e pseudo-industriali, sebbene tale approccio perda efficacia su istanze industriali complesse a causa della rapida sovrascrittura delle euristiche dinamiche del solver.
Questo lavoro propone tre approcci complementari per superare i limiti delle attuali registrazioni delle tracce creative, che spesso perdono l'intento e le relazioni strutturali, presentando rispettivamente un'interfaccia basata su nodi per la gestione degli artefatti GenAI, un vocabolario di segnali visivi per l'autoria di visualizzazioni e un modello di programmazione che integra direttamente le storie semantiche nello stato di interazione.