4208 articoli
Il paper presenta la Locality-aware Parallel Decoding (LPD), un nuovo metodo che accelera la generazione di immagini autoregressive riducendo drasticamente i passaggi e la latenza attraverso un'architettura di modellazione parallela flessibile e un ordinamento della generazione consapevole della località, mantenendo al contempo la qualità su ImageNet.
Il documento sostiene che l'interazione tra i bias cognitivi umani e le tendenze sycophantiche degli chatbot AI stia creando un ciclo di feedback pericoloso che destabilizza la salute mentale degli utenti vulnerabili, richiedendo un'azione coordinata tra clinica, sviluppo tecnologico e regolamentazione per mitigare questi rischi emergenti.
Questo studio introduce il concetto di "Generazione di Codice a Fonte Etica" (ES-CodeGen), definendone una tassonomia di 11 dimensioni attraverso una revisione della letteratura e un sondaggio tra professionisti, al fine di promuovere pratiche responsabili e sostenibili in tutto il ciclo di vita dei modelli di generazione del codice.
IntrinsicWeather è un framework basato su diffusione che realizza un'editing del meteo controllabile nello spazio intrinseco, migliorando la decomposizione e la generazione di immagini con condizioni atmosferiche specifiche rispetto ai metodi tradizionali, grazie a un nuovo meccanismo di attenzione, all'interpolazione nello spazio CLIP e a dataset annotati dedicati.
Questo articolo analizza per la prima volta i rischi di privacy legati alla cache KV nell'inferenza dei grandi modelli linguistici, dimostrando come sia possibile ricostruire input sensibili e proponendo KV-Cloak, un meccanismo di difesa leggero ed efficiente che neutralizza tali minacce senza compromettere accuratezza o prestazioni.
Questo articolo introduce l'Ambiente di Apprendimento Yokai (YLE), un nuovo benchmark open-source per il coordinamento a zero-shot che supera i limiti dell'ambiente Hanabi richiedendo agli agenti di costruire un terreno comune attraverso il ragionamento su credenze dinamiche e informazioni ambigue, rivelando così che i metodi all'avanguardia falliscono nel mantenere modelli interni coerenti con partner sconosciuti.
Questo studio dimostra che sia modelli simbolici allineati (STRIPS Transformer) sia architetture transformer standard con meccanismi di attenzione specifici (stick-breaking) possono apprendere modelli del mondo da tracce di azioni per supportare la pianificazione, sebbene i transformer standard mostrino una migliore ottimizzazione e generalizzazione rispetto alle controparti simboliche.
Questo articolo analizza teoricamente i minimi globali della funzione di perdita contrastiva sigmoide, introducendo le "costellazioni" come nuova struttura combinatoria per spiegare il successo dei modelli SigLIP, il fenomeno del divario modale e l'importanza della sincronizzazione di temperatura e bias, proponendo inoltre una riparametrizzazione che migliora la dinamica di addestramento.
Il paper presenta RADAR, un framework di routing leggero e interpretabile che ottimizza il compromesso tra prestazioni e costi nei modelli di ragionamento assegnando dinamicamente le query in base alla loro difficoltà e alle capacità specifiche delle coppie modello-budget.
Il paper "BiasBusters" identifica e quantifica i pregiudizi sistematici nella selezione degli strumenti da parte dei modelli linguistici di grandi dimensioni, ne analizza le cause principali (come l'allineamento semantico e l'esposizione pre-addestramento) e propone una strategia di mitigazione efficace per garantire un'equa distribuzione tra fornitori di strumenti equivalenti.
Il paper presenta MonitorVLM, un innovativo framework visione-linguaggio che rileva automaticamente le violazioni della sicurezza nelle operazioni minerarie analizzando i flussi video, grazie a un dataset specifico, un modulo di filtraggio delle clausole e un ingranditore comportamentale che migliorano significativamente precisione e richiamo rispetto ai modelli di base.
Questo studio presenta la prima valutazione sistematica dell'apprendimento auto-supervisionato per la stadiazione del sonno tramite EEG indossabile, dimostrando che tale approccio supera i modelli supervisionati e quelli generici, raggiungendo accuratezza clinica con una frazione significativamente inferiore di dati etichettati.
Il paper propone HyWA, un metodo che utilizza una rete iperperazionale per generare pesi personalizzati in un modello VAD standard, migliorando le prestazioni di rilevamento della voce del parlante target e semplificando il deployment rispetto alle tecniche di condizionamento esistenti.
Il paper presenta un framework generativo spiegabile e attento ai pregiudizi che unisce fusione di attenzione multimodale, attribuzione Grad-CAM++ e un ciclo di feedback "Rivelare-Per-Rivedere", ottenendo risultati superiori su benchmark multimodali e di classificazione testuale grazie a una maggiore coerenza strutturale e equità.
Il paper introduce MVCustom, un nuovo framework basato su diffusione che risolve il problema della generazione multi-vista personalizzata garantendo coerenza geometrica e fedeltà del soggetto attraverso una rappresentazione a campo di feature, un'attenzione spaziotemporale densa e tecniche di rendering e completamento latente consapevoli della profondità.
Questo articolo presenta un quadro teorico, basato sull'ansatz dell'autostruttura di Hermite (HEA), che permette di prevedere le curve di apprendimento della regressione a kernel su dataset reali analizzando solo la matrice di covarianza empirica e una decomposizione polinomiale della funzione target, dimostrando inoltre che le MLP in regime di apprendimento delle caratteristiche seguono la stessa gerarchia di polinomi di Hermite prevista dalla teoria.
Il paper presenta KVTC, un metodo di codifica trasformativa leggero che comprime la cache KV nei modelli linguistici su larga scala fino a 20 volte (o più in casi specifici) preservando l'accuratezza e riducendo l'uso di memoria GPU senza modificare i parametri del modello.
Questo studio valuta la capacità di sei sistemi di modelli linguistici di rispondere a domande complesse sulla superconduttività ad alta temperatura, dimostrando che le soluzioni basate su retrieval-augmented generation (RAG) su letteratura curata superano i modelli chiusi esistenti in termini di completezza fattuale e supporto evidenziale.
Il paper introduce DeepEyesV2, un modello multimodale agentic che, grazie a una pipeline di addestramento in due fasi e al nuovo benchmark RealX-Bench, dimostra una capacità superiore di integrare percezione, ricerca e ragionamento attraverso l'invocazione adattiva di strumenti esterni.
Il paper introduce "What We Don't C", un approccio innovativo basato sul flusso latente che disaccoppia i sottospazi latenti rimuovendo esplicitamente le informazioni delle variabili di condizionamento, generando così rappresentazioni residue significative per l'analisi e il controllo di fattori di variazione non ancora catturati.