3568 articoli
Il paper presenta ComVo, un vocodere neurale complesso che utilizza operazioni native a valori complessi, quantizzazione di fase e uno schema di calcolo a matrice a blocchi per generare forme d'onda audio di qualità superiore rispetto ai metodi reali, riducendo al contempo i tempi di addestramento.
Questo studio propone un approccio innovativo che combina Modelli Linguistici di Grande Dimensione (LLM) e analisi di sopravvivenza per estrarre fenotipi e risultati terapeutici da note cliniche, migliorando significativamente la previsione precoce degli esiti della chemioterapia, in particolare per il cancro al seno, consentendo piani di trattamento più personalizzati.
Questo studio valuta le prestazioni di sette modelli linguistici open-source nel supportare la stesura di referti di patologia in giapponese, concludendo che, sebbene le preferenze per le spiegazioni varino, tali modelli si rivelano utili in scenari clinici specifici come la generazione strutturata di diagnosi e la correzione di errori di battitura.
Questo studio presenta un nuovo framework che integra l'analisi di sopravvivenza con tecniche di classificazione per prevedere il rischio di cinque malattie croniche utilizzando dati clinici elettronici, dimostrando prestazioni superiori o comparabili ai modelli più avanzati e fornendo spiegazioni clinicamente validate.
Lo studio dimostra che l'integrazione di rappresentazioni simboliche migliora le prestazioni dei modelli visione-linguaggio nei giochi interattivi solo quando l'estrazione di tali simboli è affidabile, evidenziando la qualità della percezione come collo di bottiglia fondamentale per gli agenti basati su VLM.
Questo articolo presenta un'analisi completa delle minacce di sicurezza per l'agente autonomo OpenClaw, introducendo un framework a cinque livelli per esaminare vulnerabilità come l'iniezione di prompt indiretta e l'avvelenamento della memoria, e proponendo strategie di difesa olistiche per mitigare i rischi sistemici lungo l'intero ciclo di vita dell'agente.
Questo lavoro presenta il primo studio sistematico sulla densità dei diagrammi di persistenza incrociata, stabilendone le basi teoriche e proponendo un nuovo framework di machine learning che, sfruttando le caratteristiche lineari e l'introduzione strategica di rumore, supera le tecniche esistenti nel distinguere nuvole di punti e prevedere la loro densità.
Il paper presenta MedPruner, un framework di pruning gerarchico dei token privo di addestramento che riduce drasticamente il costo computazionale nella comprensione di immagini mediche 3D eliminando la ridondanza anatomica e adattando dinamicamente la compressione, consentendo ai modelli di mantenere alte prestazioni con meno del 5% dei token visivi originali.
Il paper presenta VisDoT, un framework che migliora il ragionamento visivo nei modelli LVLM attraverso un grounding percettivo ispirato all'interpretazione umana e una strategia di "Decomposizione del Pensiero" (DoT), ottenendo risultati all'avanguardia nella comprensione di grafici e nel ragionamento interpretabile.
Il paper presenta HouseMind, un modello linguistico multimodale che utilizza token discreti per unificare la comprensione, la generazione e la modifica di piante architettoniche, garantendo un ragionamento spaziale coerente e un controllo preciso basati su istruzioni testuali.
Il paper propone IDRL, un framework di apprendimento multimodale consapevole dell'individuo che migliora la diagnosi della depressione disaccoppiando le rappresentazioni in spazi specifici e comuni per allineare i segnali rilevanti e adattando dinamicamente la fusione delle caratteristiche alle differenze individuali.
Questo paper propone "Stable Spike", un metodo che ottimizza la coerenza duale nelle Reti Neurali a Spike tramite operazioni bitwise AND per decouplare lo scheletro stabile dalle mappe temporali, migliorando significativamente l'accuratezza e la generalizzazione, specialmente in scenari a bassa latenza.
Questo articolo propone il paradigma "simulazione nel ciclo" per trasformare la collaborazione uomo-agente da un controllo reattivo e puntuale a una partnership proattiva basata sulla previsione delle conseguenze future, permettendo agli utenti di esplorare scenari simulati prima di prendere decisioni.
Il paper propone un'agente pipeline basata su LLM che genera rubriche per standardizzare dati eterogenei, migliorando significativamente l'apprendimento supervisionato su compiti clinici rispetto a modelli tradizionali e foundation model, garantendo al contempo auditabilità, efficienza dei costi e interoperabilità con tecniche di machine learning tabellare.
Questo paper introduce metodi di apprendimento per rinforzo che preservano l'entropia, come REPO e ADAPO, per contrastare la riduzione naturale della diversità delle traiettorie negli algoritmi di gradiente della politica, garantendo così politiche finali più performanti e capaci di apprendimento sequenziale continuo.
Il paper propone un nuovo framework di mediazione causale per la sintesi vocale che, integrando un modello strutturale causale e obiettivi di addestramento controfattuale nell'architettura FastSpeech2, disaccoppia efficacemente l'espressività emotiva dal contenuto linguistico per ottenere una manipolazione del prosodia più controllabile e naturale.
Il paper introduce SemBench, un framework universale e multilingue che genera automaticamente benchmark sintetici per valutare la comprensione semantica dei modelli linguistici di grandi dimensioni utilizzando solo definizioni lessicali, offrendo un metodo scalabile, efficiente e indipendente dalla lingua rispetto ai tradizionali dataset curati.
Il paper propone un "Canale Logico Esplicito" parallelo ai modelli MLLM esistenti, che integra ragionamento logico e inferenza probabilistica per validare, selezionare e migliorare le prestazioni dei modelli multimodali su compiti zero-shot senza necessità di annotazioni di ground-truth, aumentando così la loro affidabilità e spiegabilità.
Il paper presenta STAIRS-Former, un'architettura transformer basata su gerarchie spaziali e temporali e su un meccanismo di ricorsione intercalata, che supera i metodi esistenti nell'apprendimento per rinforzo multi-agente offline multi-task garantendo una migliore coordinazione, una gestione robusta di popolazioni di agenti variabili e una superiore capacità di catturare dipendenze temporali a lungo termine.
Il paper introduce OSCBench, un nuovo benchmark basato su dati di cucina che valuta la capacità dei modelli di generazione video da testo di rappresentare correttamente i cambiamenti di stato degli oggetti, rivelando che le attuali tecnologie faticano a gestire tali trasformazioni, specialmente in scenari nuovi o compositi.