2282 articoli
Questo lavoro presenta una pipeline automatizzata che utilizza modelli linguistici di grandi dimensioni (LLM) per rilevare e analizzare le cause profonde dei test flaky nel software quantistico, espandendo un dataset esistente e dimostrando l'efficacia di modelli come Google Gemini nel classificare tali problemi con elevata precisione.
Il paper presenta PlayWorld, un sistema autonomo e scalabile che apprende modelli di mondo video ad alta fedeltà attraverso l'auto-gioco robotico non supervisionato, superando i limiti dei dati umani per prevedere interazioni fisiche complesse e migliorare le prestazioni delle politiche di controllo robotico nel mondo reale.
Il documento presenta WS-Net, un framework di deep learning che combina modellazione a spazio di stato (Mamba) e un meccanismo di attenzione per segnali deboli, al fine di migliorare l'accuratezza della stima delle abbondanze nell'unmixing iperspettrale, specialmente in presenza di risposte spettrali deboli e rumore.
Questo articolo propone un toolkit conservativo per valutare l'identità negli agenti linguistici, distinguendo tra la capacità di parlare di un sé stabile e l'effettiva organizzazione strutturale di tale identità attraverso l'applicazione della Teoria dello Stack a tracce di scaffolding.
Il paper introduce EPOCH, un protocollo ingegneristico che organizza l'ottimizzazione multi-round di sistemi eterogenei in fasi di costruzione della baseline e auto-miglioramento iterativo, strutturando ogni round in fasi distinte di pianificazione, implementazione e valutazione per garantire stabilità, riproducibilità e tracciabilità nei flussi di lavoro autonomi.
Il paper presenta Sentinel, un agente AI autonomo che supera i limiti di scalabilità della sorveglianza clinica tradizionale analizzando i dati dei pazienti remoti con una sensibilità superiore a quella dei singoli medici e a un costo irrisorio, offrendo così una soluzione praticabile per ridurre la mortalità.
Il paper propone Sim2Act, un framework robusto per l'apprendimento simulazione-decisione che combina una calibrazione avversariale e una strategia di perturbazione relativa ai gruppi per migliorare l'affidabilità delle politiche in contesti critici come le catene di approvvigionamento, superando i limiti degli approcci esistenti che spesso sacrificano azioni ad alto rischio e alto rendimento.
Il paper presenta Doki, un'interfaccia basata sul testo che rivoluziona la creazione di video generativi consentendo agli utenti di scrivere, strutturare e modificare storie visive direttamente in un documento testuale, rendendo il processo accessibile a tutti senza la necessità di strumenti specializzati.
Il paper presenta GST-VLA, un modello Vision-Language-Action che introduce un Tokenizzatore Spaziale Gaussiano per rappresentare le osservazioni visive come primitive 3D anisotrope e un meccanismo di ragionamento CoT sensibile alla profondità, ottenendo prestazioni superiori su compiti robotici complessi grazie a una rappresentazione geometrica strutturata e a un'architettura di azione basata sul flow-matching.
Questo studio dimostra che l'integrazione di dati di sentiment estratti da un modello LLM finetunato (Qwen3) da notizie in inglese e cinese migliora significativamente la previsione dei prezzi dell'alluminio, specialmente durante i periodi di alta volatilità, superando i modelli basati esclusivamente su dati tabulari tradizionali.
Questo articolo propone un quadro unificato per i modelli di mondo latenti nella guida automatizzata, presentando una tassonomia che organizza le rappresentazioni latenti, delineando cinque meccanismi interni fondamentali, introducendo un framework di valutazione per colmare il divario tra scenari open-loop e closed-loop e identificando le sfide aperte per sistemi decisionali verificabili ed efficienti.
Il paper propone un framework basato su transformer per la ricerca di casi di cancro della pelle mediante query composte da immagine e testo, che migliora le prestazioni attraverso un allineamento congiunto di rappresentazioni globali e locali, ottenendo risultati superiori rispetto agli stati dell'arte sul dataset Derm7pt.
Il paper presenta VIVID-Med, un innovativo framework che utilizza un grande modello linguistico (LLM) congelato come insegnante semantico strutturato per pre-addestrare efficientemente transformer visivi medici, ottenendo prestazioni superiori con dati ridotti e un modello finale leggero e pronto per il deployment clinico.
Il paper propone PM-Nav, un sistema di navigazione embodied guidato da mappe prioritarie che, trasformando le mappe ambientali in rappresentazioni semantiche e utilizzando prompt gerarchici con ragionamento a catena, risolve le sfide della navigazione in edifici funzionali con caratteristiche simili ottenendo miglioramenti significativi rispetto agli approcci esistenti.
Il paper presenta DexHiL, un innovativo framework "human-in-the-loop" che integra teleoperazione e campionamento dati intelligente per il post-addestramento di modelli Vision-Language-Action, migliorando significativamente l'affidabilità e il successo delle manipolazioni destre dei robot rispetto alle tecniche di affinamento offline tradizionali.
Il modello QUSR propone una soluzione innovativa per la super-risoluzione delle immagini in scenari reali complessi, integrando un prior di qualità basato su modelli linguistici multimodali e una generazione di rumore guidata dall'incertezza per preservare i dettagli e ridurre gli artefatti.
Lo studio dimostra che i sistemi deliberativi multi-LLM, anche in condizioni deterministiche, possono esibire dinamiche caotiche e instabilità imprevedibili a causa della differenziazione dei ruoli e dell'eterogeneità dei modelli, rendendo essenziale l'audit di stabilità come requisito fondamentale per la loro progettazione.
Il paper propone un metodo di regolarizzazione basato sulla Probabilità di Necessità e Sufficienza (PNS), esteso al contesto di apprendimento incrementale di classe (CIL), che utilizza un generatore controfattuale per mitigare le collisioni tra feature causate da correlazioni spurie intra- e inter-task, garantendo così la completezza causale e la separabilità delle rappresentazioni.
Il paper propone un nuovo framework agenziale per la "Deep Tabular Research" che affronta la complessità dei dati tabellari non strutturati tramite un processo decisionale in ciclo chiuso, caratterizzato da un grafo meta gerarchico, una politica di selezione consapevole delle aspettative e una memoria strutturata per l'apprendimento continuo.
Il paper presenta DataFactory, un framework collaborativo multi-agente che supera le limitazioni dei modelli linguistici esistenti nelle risposte a domande su tabelle, combinando un coordinatore ReAct, team specializzati per database e grafi della conoscenza, e strategie di ingegneria del contesto per ottenere significativi miglioramenti di accuratezza e riduzione delle allucinazioni su diversi benchmark.