4152 articoli
Il paper presenta Idea-Catalyst, un nuovo framework basato su LLM che stimola la creatività scientifica interdisciplinare trasformando obiettivi di ricerca astratti in problemi concettuali agnostici per recuperare e integrare insight da discipline esterne, migliorando significativamente la novità e la profondità delle idee senza ancorarsi prematuramente a soluzioni specifiche.
Il paper dimostra che nei grandi modelli preaddestrati gli esperti specifici per compito sono densamente distribuiti attorno ai pesi originali, permettendo un adattamento competitivo basato su un semplice campionamento casuale e votazione a maggioranza che supera o eguaglia metodi complessi come PPO e GRPO.
Questo articolo, basato sull'esperienza di Perplexity nella gestione di sistemi agenziali, analizza le nuove vulnerabilità di sicurezza introdotte dagli agenti AI avanzati e propone una strategia difensiva stratificata, insieme a raccomandazioni per colmare le lacune nella ricerca e negli standard normativi.
Questo lavoro propone una tecnica di verifica incrementale per le reti neurali che riutilizza i conflitti appresi tra query correlate per ridurre la ridondanza e accelerare i processi di verifica, ottenendo speedup fino a 1,9 volte rispetto alle basi non incrementali.
Il paper propone le architetture neurali separabili (SNA) come primitiva unificata per l'intelligenza predittiva e generativa, sfruttando una struttura fattorizzabile per modellare efficacemente sistemi complessi e caotici in domini diversificati come la fisica, il linguaggio e la navigazione autonoma.
Questo studio dimostra che, sebbene i giudici LLM dotati di capacità di ragionamento siano efficaci nell'addestrare modelli per domini non verificabili evitando l'hacking della ricompensa, i modelli risultanti tendono a generare output ingannevoli che ottengono punteggi elevati ingannando altri giudici LLM.
Il paper introduce SciMDR, un dataset su larga scala e un framework "synthesize-and-reground" progettati per superare i compromessi tra scala, fedeltà e realismo nel ragionamento sui documenti scientifici multimodali, migliorando significativamente le prestazioni dei modelli su compiti di comprensione complessi.
Il paper presenta un metodo privo di addestramento per il controllo fine dei colori nelle immagini generate da FLUX.1, basato sull'identificazione e manipolazione di un sottospazio latente strutturato secondo i parametri di Tonalità, Saturazione e Luminosità.
Questo articolo offre una panoramica completa delle ricerche sull'interpretabilità e la spiegabilità dei metodi di elaborazione del linguaggio naturale e di recupero delle informazioni, esaminando in particolare tecniche applicate a word embeddings, modelli sequenziali, meccanismi di attenzione, transformer, BERT e ranking dei documenti, per concludere con suggerimenti per la ricerca futura.
Questo paper propone una nuova misura di equità chiamata "rischio discriminatorio" che integra aspetti individuali e di gruppo, dimostrando teoricamente come la combinazione di ensemble possa migliorare l'equità dei modelli di machine learning attraverso limiti dipendenti dal margine e introducendo metodi di potatura per ottenere sottogruppi sia accurati che equi.
Questo studio offre una valutazione aggiornata dell'approccio di apprendimento per rinforzo di Google Brain per il posizionamento dei macro, introducendo nuovi benchmark open-source, confrontando l'implementazione Circuit Training con baselines avanzate come la ricottura simulata e strumenti commerciali, e sollevando questioni critiche sulla riproducibilità e la scalabilità dei metodi esistenti.
Il paper propone e sperimenta le "società di menti" basate sul linguaggio naturale (NLSOM), in cui grandi modelli linguistici e altri esperti neurali collaborano tramite un'interfaccia linguistica per superare i limiti dei singoli modelli e risolvere compiti multimodali complessi, aprendo al contempo nuove questioni di ricerca sulla struttura sociale e l'economia di tali sistemi di intelligenza artificiale emergenti.
Questo studio dimostra che i grandi modelli linguistici (LLM), utilizzati sia tramite prompting zero-shot che come generatori di embedding per modelli supervisionati, offrono un'alternativa flessibile ed efficiente dal punto di vista dei dati per la previsione dei comportamenti di viaggio, raggiungendo prestazioni competitive rispetto ai modelli tradizionali.
Questo articolo propone un metodo di aggregazione basato sul trasporto ottimo per combinare modelli Mixture-of-Experts distribuiti in un unico stimatore globale, garantendo efficienza computazionale, bassi costi di comunicazione e prestazioni statistiche comparabili all'addestramento centralizzato.
Questo studio dimostra che personalizzare le spiegazioni degli suggerimenti generati dall'intelligenza artificiale in un sistema di tutoraggio intelligente, adattandole alle caratteristiche degli studenti con bassi livelli di bisogno di cognizione e coscienziosità, ne aumenta l'interazione, la comprensione e l'apprendimento.
Il paper presenta HyWIA, un metodo innovativo per la potatura strutturata dei grandi modelli linguistici che, integrando valutazioni di importanza dei pesi a granularità fine e grossolana tramite un meccanismo di attenzione adattivo, supera le tecniche esistenti mantenendo prestazioni superiori nei compiti downstream.
Questo articolo sostiene che i grandi modelli linguistici possono fungere da modelli scientifici validi delle lingue pubbliche come entità sociali, difendendo tale posizione contro le critiche e proponendo un'interpretazione del modello basata sui recenti progressi nella comprensione del loro funzionamento interno.
Questo studio applica tecniche di machine learning spiegabile a un dataset di 28 anni nel Golfo di Trieste per prevedere con successo la tossicità delle cozze causata da fioriture algali, identificando specie specifiche e fattori ambientali come predittori chiave per migliorare i sistemi di allerta precoce e l'acquacoltura sostenibile.
Il paper propone un metodo innovativo che utilizza modelli linguistici su larga scala per guidare la ricerca evolutiva di politiche di controllo interpretabili, rappresentate come programmi in linguaggi standard come Python, per applicazioni in sistemi dinamici come l'oscillazione del pendolo e il gioco della pallina nella tazza.
Il paper presenta EoRA, un metodo senza riaddestramento che utilizza un'approssimazione a rango basso nello spazio degli autovettori per compensare la perdita di accuratezza nei modelli linguistici di grandi dimensioni compressi, offrendo al contempo un'implementazione ottimizzata che migliora le prestazioni e l'efficienza della memoria.