2026 articoli
Il paper presenta VeriTrail, il primo metodo di rilevamento delle allucinazioni in domini chiusi che offre tracciabilità per i processi a step generativo singolo e multipli, supportato da nuovi dataset annotati che includono sia le uscite intermedie che le valutazioni di fedeltà.
Il paper presenta RedTeamCUA, un framework di testing avversario e il relativo benchmark RTC-Bench che, attraverso un ambiente ibrido web-OS realistico, evidenzia vulnerabilità critiche e alti tassi di successo negli attacchi di iniezione di prompt indiretti nei moderni agenti di uso informatico, sottolineando l'urgenza di sviluppare difese robuste prima del loro dispiegamento reale.
Il paper introduce CityLens, un benchmark completo che valuta le capacità dei modelli visivo-linguistici su larga scala nel prevedere indicatori socioeconomici urbani analizzando immagini satellitari e stradali di 17 città globali attraverso 11 task e 3 paradigmi di valutazione.
Il paper introduce OmniSpatial, un benchmark completo basato sulla psicologia cognitiva con oltre 8.400 coppie di domande e risposte per valutare le capacità di ragionamento spaziale avanzato dei modelli visione-linguaggio, evidenziando le loro attuali limitazioni e proponendo strategie come PointGraph e SpatialCoT per migliorarle.
Il paper propone un approccio di meta-apprendimento che migliora le capacità few-shot dei Large Multimodal Models per il Visual Question Answering distillando prompt soft da caratteristiche visive rilevanti tramite un modulo mappatore di attenzione, superando significativamente sia l'apprendimento in contesto che i metodi di finetuning efficiente.
Il paper introduce VINCIE, un modello basato su trasformatori di diffusione che impara l'editing di immagini in contesto direttamente da video, superando le dipendenze da pipeline specifiche e ottenendo risultati all'avanguardia su benchmark multi-turno.
Il paper introduce FAME, un framework di embedding multimodale consapevole dell'equità che ottimizza simultaneamente le prestazioni predittive e la giustizia nei dati delle cartelle cliniche elettroniche pesando dinamicamente i diversi modali in base al loro contributo all'equità.
Questo articolo presenta LA-CDM, un agente linguistico basato sull'apprendimento per rinforzo e supervisionato che supporta il processo decisionale clinico dinamico e iterativo attraverso una generazione di ipotesi guidata dall'incertezza, dimostrando miglioramenti nelle prestazioni diagnostiche e nell'efficienza sul dataset reale MIMIC-CDM.
Il paper introduce AgentSynth, una pipeline scalabile ed economica che genera automaticamente oltre 6.000 task complessi e realistici per agenti informatici generalisti, sfruttando l'asimmetria informativa per creare un benchmark discriminante a costi irrisori rispetto all'annotazione umana.
Il paper presenta GenRecal, un framework di distillazione generale per modelli visione-linguaggio che, grazie a un modulo di ricalibrazione, supera le incompatibilità architetturali tra modelli di diverse dimensioni, permettendo a modelli più piccoli di raggiungere prestazioni superiori rispetto a sistemi open- e closed-source su larga scala.
Il paper presenta OJBench, un nuovo benchmark competitivo composto da 232 problemi di programmazione tratti da NOI e ICPC, che rivela come anche i modelli di linguaggio più avanzati faticino a risolvere compiti di ragionamento su codice di livello agonistico.
Questo lavoro propone un quadro teorico basato sulla decomposizione del rumore per analizzare quando e perché la strategia "dividi e conquista" con chunking multi-agente è efficace per gestire contesti lunghi negli LLM, dimostrando sperimentalmente che tale approccio può superare modelli più avanzati applicati in un'unica passata.
Il paper introduce LongWriter-Zero, un approccio basato sul reinforcement learning che, partendo da zero senza dati sintetici, permette ai modelli linguistici di generare testi ultra-lunghi di alta qualità, superando le prestazioni dei metodi tradizionali e di modelli molto più grandi.
Questo lavoro presenta TTSDS2, una metrica di valutazione robusta e un insieme di risorse multilingue che superano le limitazioni dei metodi attuali, garantendo una correlazione significativa con i giudizi umani e offrendo un benchmark aggiornato per sistemi di sintesi vocale di alta qualità.
Lo studio dimostra che, sebbene il post-addestramento con rinforzo (RPT) migliori significativamente le capacità di ragionamento dei modelli linguistici su domini simili ai dati di addestramento, tali guadagni si trasferiscono in modo incoerente e possono annullarsi su domini non visti con pattern di ragionamento diversi.
Questo studio dimostra che l'applicazione di modelli cognitivi, originariamente sviluppati per analizzare i compromessi valoriali umani, permette di valutare in modo interpretabile e sistematico le dinamiche di allineamento e le preferenze comportamentali dei modelli linguistici, rivelando come fattori come il ragionamento, i prompt di sistema e le fasi di post-training influenzino tali trade-off.
Il paper introduce DAPFAM, un nuovo dataset a livello familiare per brevetti con partizioni intra- e inter-dominio, che evidenzia attraverso 249 esperimenti un significativo divario prestazionale nella ricerca di prior art tra domini tecnologici diversi, offrendo una piattaforma riproducibile per lo sviluppo di sistemi di recupero più robusti.
Il paper presenta XISM, un sistema interattivo che combina inferenza basata sui dati e conoscenza esperta per generare e raffinare mappe semantiche in modo trasparente, controllabile ed efficiente, risolvendo il compromesso tra scalabilità e interpretabilità.
Il paper propone FrugalRAG, un framework di due fasi che combina finetuning supervisionato e apprendimento per rinforzo per ridurre adattivamente il numero di passaggi di recupero nelle domande a più hop, ottenendo un ottimo compromesso tra accuratezza ed efficienza con un set di dati minimo.
Il paper presenta SASFT, un metodo di fine-tuning supervisionato guidato da autoencoder sparsi che riduce efficacemente il cambio di codice indesiderato nei modelli linguistici di grandi dimensioni mantenendo le loro capacità multilingue.