13561 articoli
Il paper presenta un approccio neuro-simbolico basato su due stadi di ottimizzazione e potatura delle regole che integra vincoli logici differenziabili nel monitoraggio predittivo dei processi, migliorando significativamente l'accuratezza e la conformità normativa rispetto ai metodi puramente data-driven, specialmente in scenari con dati limitati.
Questo articolo presenta un approccio neuro-simbolico basato su Logic Tensor Networks per il monitoraggio predittivo dei processi, che integra vincoli di conformità specifici del dominio nei modelli predittivi, ottenendo risultati superiori in termini di accuratezza e aderenza alle regole rispetto ai metodi sub-simbolici tradizionali.
Il paper presenta ASTER, un toolkit agentic che sfrutta i modelli linguistici di grandi dimensioni per automatizzare e orchestrare flussi di lavoro complessi nella ricerca sugli esopianeti, integrando strumenti per il download dei dati, la modellazione radiativa e le analisi di recupero bayesiano.
Questo articolo propone un framework per l'inferenza statistica online su un approccio Q-learning mediato su campioni, adattando il teorema del limite centrale funzionale per costruire intervalli di confidenza tramite scalatura casuale e validando il metodo attraverso esperimenti su problemi di griglia e di matching dinamico delle risorse.
Il documento sostiene che il mandato di trasparenza dell'Articolo 50 II del Regolamento UE sull'IA, che richiede una doppia etichettatura dei contenuti generati, rivela lacune strutturali irrisolvibili con semplici etichette postume e richiede che la trasparenza sia integrata come requisito architetturale fondamentale nel design dei sistemi di intelligenza artificiale.
Il paper presenta FormalProofBench, un benchmark privato che valuta la capacità dei modelli AI di generare prove matematiche di livello universitario avanzato formalmente verificate in Lean 4, rivelando che i modelli più performanti raggiungono una precisione del 33,5%.
Il paper presenta AutoSiMP, un sistema autonomo che utilizza un modello linguistico per convertire descrizioni testuali di problemi strutturali in topologie binarie validate, chiudendo per la prima volta il ciclo completo dalla definizione naturale del problema alla soluzione ingegneristica verificata.
Il paper introduce UMI-Underwater, un sistema che supera le difficoltà della manipolazione sottomarina combinando la raccolta autonoma di dati con il trasferimento di conoscenze da dimostrazioni terrestri tramite una rappresentazione basata sulla profondità, permettendo così un'afferramento zero-shot robusto e generalizzabile senza necessità di teleoperazione sottomarina.
Il paper presenta GG-Langevin, un approccio probabilistico che unifica modelli generativi e dinamiche di Langevin guidate dalla geometria per ricostruire forme 3D complete e robuste partendo da osservazioni incomplete o rumorose, garantendo al contempo coerenza con i dati misurati e plausibilità della forma.
Il paper TAPS dimostra che l'efficacia del campionamento speculativo dipende dall'allineamento tra i dati di addestramento del modello bozza e il carico di lavoro specifico, mostrando che l'addestramento su dati specializzati migliora le prestazioni su compiti mirati e che la combinazione di modelli specializzati tramite routing basato sulla confidenza durante l'inferenza è superiore rispetto alla fusione dei pesi.