4099 articoli
Il paper introduce Slow-Fast Inference, un metodo di inferenza senza addestramento che accelera la decodifica a lungo contesto sfruttando la stabilità dell'attenzione all'interno delle frasi per alternare passi veloci con memoria sparsa a passi lenti che aggiornano il contesto, ottenendo un throughput fino a 14,4 volte superiore mantenendo la qualità.
Il paper presenta XSkill, un framework a doppio flusso che permette agli agenti multimodali di migliorare continuamente senza aggiornare i parametri, estraendo e recuperando conoscenza visivamente contestualizzata sotto forma di esperienze (guida a livello di azione) e competenze (guida a livello di compito) per ottimizzare l'orchestrazione degli strumenti e il ragionamento in ambienti aperti.
Il paper propone un metodo di generazione visiva "coarse-guided" senza addestramento che utilizza la trasformata h per guidare i modelli di diffusione pre-addestrati verso campioni ad alta fedeltà partendo da riferimenti degradati, introducendo un programma di pesatura sensibile al livello di rumore per bilanciare l'aderenza alla guida e la qualità della sintesi.
Questo articolo dimostra matematicamente ed empiricamente che le reti di reazioni chimiche senza strati nascosti possono apprendere compiti di classificazione in modo più efficiente ed accurato rispetto alle reti neurali spiking che richiedono strati nascosti, offrendo nuove prospettive sul calcolo chimico e sull'apprendimento biologico.
Questo articolo presenta una tassonomia sistematica di operatori strutturati che estendono o sostituiscono la convoluzione tradizionale nell'elaborazione delle immagini basata sull'apprendimento, classificandoli in cinque famiglie principali e analizzandone le proprietà, i costi computazionali e le applicazioni specifiche.
Il paper presenta LoV3D, un pipeline innovativo che utilizza modelli visione-linguaggio 3D per analizzare risonanze magnetiche cerebrali longitudinali, combinando valutazioni volumetriche regionali e un verifcatore clinico per generare diagnosi di demenza e riassunti diagnostici con elevata accuratezza e riducendo le allucinazioni.
Questo articolo propone un framework basato su reti convoluzionali temporali (TCN) per il riconoscimento multi-etichetta dei siti di legame dei fattori di trascrizione, permettendo di catturare le correlazioni e i meccanismi cooperativi tra diversi fattori e di scoprire nuovi pattern di interazione biologica.
Il paper propone un metodo efficiente di ricerca neurale (NAS) basato su modelli linguistici di grandi dimensioni (LLM) che, tramite un ciclo chiuso con memoria di feedback storica e l'uso di due LLM specializzati, genera e affina iterativamente architetture di reti neurali convoluzionali adatte alla distribuzione su dispositivi edge, ottenendo risultati significativi su dataset come CIFAR-10 con un singolo GPU consumer senza necessità di fine-tuning dei modelli.
Questo studio presenta LMP2, uno strumento di auto-audit basato sul browser, e attraverso due ricerche con 458 partecipanti evidenzia come i modelli linguistici possano inferire informazioni personali, rivelando al contempo le sfide e le frizioni nell'operazionalizzare audit sulla privacy centrati sull'utente per l'intelligenza artificiale generativa.
Questo articolo presenta un framework robusto ed efficiente di Apprendimento per Rinforzo Multi-Agente (MARL) per il controllo dei semafori, che integra randomizzazione dei rapporti di svolta, un'azione di durata esponenziale delle fasi e osservazioni basate sui vicini per migliorare la generalizzazione e ridurre i tempi di attesa del traffico.
Il paper identifica e risolve il problema del "blocco informativo" negli agenti LLM addestrati con apprendimento per rinforzo, proponendo una strategia di riallocazione del segnale di apprendimento che migliora significativamente le capacità di selezione delle azioni e tracciamento delle credenze, portando a incrementi fino al 60% nelle prestazioni di ragionamento attivo.
Questo articolo presenta MMDDPG, un framework di apprendimento per rinforzo che utilizza un'ottimizzazione minimax con un obiettivo frazionario per addestrare politiche di controllo robuste e stabili contro disturbi esterni e incertezze del modello in ambienti continui.
Il paper introduce SommBench, un benchmark multilingue sviluppato in collaborazione con sommelier professionisti per valutare l'expertise enologica dei modelli linguistici, rivelando che, sebbene eccellano nelle domande teoriche, faticano significativamente nel completare le caratteristiche sensoriali e nell'abbinamento cibo-vino.
Il paper presenta CRAFT, una mano antropomorfa a trasmissione tendinea a basso costo e open-source che combina rigidità e morbidezza ibride per migliorare resistenza, ripetibilità e manipolazione di oggetti fragili.
Lo studio dimostra che l'aumento dell'intelligenza e della diversità degli agenti AI, unito all'apprendimento per rinforzo, può peggiorare i risultati collettivi e causare sovraccarichi pericolosi in scenari di scarsità di risorse, mentre la formazione di tribù mitiga tale rischio, rendendo l'esito finale dipendente esclusivamente dal rapporto tra capacità e popolazione.
Il paper introduce TopoBench, un benchmark per valutare le capacità di ragionamento topologico dei grandi modelli linguistici, rivelando che i loro fallimenti derivano principalmente dalla difficoltà nell'estrarre e mantenere i vincoli spaziali piuttosto che dal ragionamento logico stesso.
Questo lavoro presenta un metodo automatizzato e a basso costo per generare ambienti di apprendimento per rinforzo ad alte prestazioni, semanticamente equivalenti e verificati, che offrono accelerazioni fino a 22.320 volte rispetto alle implementazioni di riferimento esistenti.
Il paper introduce FlashMotion, un nuovo framework di training che combina un adattatore per traiettorie, distillazione in pochi step e un'ottimizzazione ibrida per generare video controllabili con traiettorie precise in tempi ridotti, superando le limitazioni delle metodologie esistenti in termini di qualità visiva e accuratezza del movimento.
Questo studio definisce regole prescrittive per l'allocazione ottimale delle risorse di calcolo nel post-addestramento RL degli LLM, dimostrando che il numero di roll-out paralleli per problema deve aumentare fino a una saturazione prevedibile per massimizzare l'efficienza, a seconda della difficoltà del compito.
Il paper introduce GlyphBanana, un approccio privo di addestramento basato su workflow agentici che integra modelli di glifi per migliorare la precisione nel rendering di testo complesso e formule matematiche all'interno di modelli di generazione immagine.