3834 articoli
Il paper presenta ReHARK, un framework di adattamento training-free che risolve il dilemma stabilità-plasticità nell'apprendimento one-shot per modelli visione-linguaggio come CLIP, combinando regolarizzazione globale in spazi RKHS, fusione di conoscenze multimodali e kernel RBF adattivi per raggiungere nuove prestazioni all'avanguardia su 11 benchmark.
Il paper presenta un framework di intelligenza artificiale agenziale che coordina dinamicamente strumenti specializzati per elaborare query multimodali, riducendo significativamente tempi, costi e riprove rispetto alle basi gerarchiche mantenendo la stessa accuratezza.
Il paper introduce MANSION, il primo framework basato sul linguaggio per generare ambienti 3D realistici e navigabili su più piani, accompagnato dal dataset MansionWorld, per colmare il divario tra i benchmark esistenti e la complessità dei compiti robotici a lungo raggio nel mondo reale.
Il paper presenta RoboClaw, un framework agenziale che unifica raccolta dati, apprendimento ed esecuzione in un unico controller VLM, introducendo coppie di azioni intrecciate per l'auto-ripristino e ottenendo un miglioramento del 25% nel successo dei compiti a lungo raggio con una significativa riduzione dell'intervento umano.
Questo studio documenta la "dinamica elicoidale", un regime di fallimento in cui i modelli linguistici avanzati, pur identificando correttamente i propri errori in scenari ad alto rischio, continuano a ripeterli a livelli di complessità crescenti, privilegiando la comodità rispetto all'affidabilità quando la verifica è impossibile.
Questo articolo propone una teoria dinamica dell'adattamento che spiega come l'intelligenza emerga dalla coordinazione strutturale tra agenti, incentivi e un ambiente persistente, senza presupporre ottimizzazione globale, aspettative razionali o progettazione centralizzata.
Questo articolo introduce il framework "UtilityMax Prompting", che utilizza un linguaggio matematico formale e diagrammi di influenza per ottimizzare le risposte dei modelli linguistici su più obiettivi, dimostrando miglioramenti significativi rispetto ai prompt in linguaggio naturale nel contesto della raccomandazione di film.
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.