16428 articoli
Questa sezione esplora le scoperte scientifiche che si muovono tra la chimica e la fisica, un territorio affascinante dove la materia e l'energia interagiscono in modi complessi. Dai nuovi materiali intelligenti ai meccanismi fondamentali delle reazioni, questi studi offrono una finestra sul futuro della tecnologia e della nostra comprensione dell'universo.
Ogni giorno, Gist.Science monitora arXiv per individuare nuovi preprint in questo ambito, trasformando ricerche tecniche in contenuti accessibili. Offriamo sia riassunti semplici per chi cerca una visione d'insieme chiara, sia analisi dettagliate per chi desidera approfondire i dati specifici, rendendo la scienza aperta a tutti.
Di seguito trovate gli ultimi articoli pubblicati in questa categoria, aggiornati in tempo reale con le nostre sintesi.
Questo articolo propone un framework Deep Operator Network (DeepONet), potenziato dall'apprendimento residuo e da una strategia di aggregazione dei dati, per approssimare e simulare accuratamente la risposta transitoria dinamica dei generatori sincroni per l'integrazione in simulatori di reti elettriche.
Questo articolo dimostra che la validità del benchmark RemOve-And-Retrain (ROAR) è compromessa poiché le mappe di attribuzione post-elaborazione possono migliorare artificialmente i punteggi senza aggiungere informazioni, rivelando un pregiudizio sistematico verso maschere spazialmente sfocate che ne mina la capacità di valutare accuratamente i metodi di attribuzione delle caratteristiche.
Questo articolo impiega la geometria algebrica per analizzare gli spazi delle funzioni delle reti di auto-attenzione non normalizzate, stabilendo la loro identificabilità e dimensione, caratterizzando i punti singolari e congetturando tali risultati per le architetture normalizzate.
Questo articolo propone una metodologia di Inferenza Alimentata da IA Generativa (GPI) che sfrutta i grandi modelli linguistici per generare trattamenti e utilizza le loro rappresentazioni interne per una stima più accurata ed efficiente degli effetti causali da testi non strutturati, eliminando così la necessità di apprendere direttamente le rappresentazioni causali dai dati e superando sfide comuni come il confondimento e le violazioni della sovrapposizione.
Questo articolo analizza l'efficacia della Discesa del Gradiente Stocastico (SGD) nell'ottimizzazione non convessa modellandola attraverso equazioni differenziali alle derivate parziali di Fokker-Planck degenerate, identificando distinti regimi di deriva e diffusione per quantificare la concentrazione dei pesi, i tempi di fuga dai minimi locali e la convergenza asintotica utilizzando tecniche di dualità ed entropia innovative.
Prism è un framework di co-serving per LLM centrato sulla memoria che utilizza una nuova tecnica di memory ballooning chiamata kvcached per reclamare e riallocare dinamicamente la memoria GPU tra più modelli, unificando così la condivisione spaziale e temporale per migliorare l'efficienza dei costi e l'aderenza agli SLO in ambienti di produzione.
Questo articolo propone una strategia di addestramento basata sul meta-learning che utilizza dataset curati, su piccola scala e specifici per dominio per migliorare la generalizzazione in-context dei transformer, dimostrando che questo approccio raggiunge prestazioni paragonabili all'addestramento su larga scala offrendo al contempo una qualità dei dati, una modularità e una robustezza contro l'oblio superiori.
Questo articolo dimostra che i grandi modelli linguistici sviluppano naturalmente strutture emotive gerarchiche allineate alla psicologia umana, rivelando simultaneamente pregiudizi sistematici nel riconoscimento delle emozioni che colpiscono in modo sproporzionato i gruppi sottorappresentati.
Questo articolo introduce la Macchina di Urysohn, un modello computazionale metrico-topologico che utilizza le Tripletti di Urysohn e un teorema di realizzazione costruttiva per definire la complessità di classificazione attraverso misure geometriche come la larghezza del confine di decisione, dimostrando al contempo garanzie per la separazione ammortizzata, la stabilità e la scalabilità in un framework riutilizzabile.
Il documento introduce GetNetUPAM, un framework di validazione incrociata annidata ecologicamente informato accoppiato con una CNN basata sull'attenzione e robusta al rumore (ARPA-N), per migliorare significativamente la generalizzazione e l'affidabilità del monitoraggio bioacustico marino affrontando efficacemente le condizioni di alto rumore e prevenendo l'overfitting su artefatti ambientali localizzati.