2315 articoli
Questo studio dimostra che gli shock geopolitici e geoeconomici influenzano il rischio sovrano attraverso canali distinti e opposti, creando un "pattern a forbice" in cui i primi agiscono direttamente sul default mentre i secondi operano tramite le aspettative di politica monetaria e il ciclo finanziario globale.
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.
Questo articolo presenta nuovi indici assoluti di validità dei cluster, basati su funzioni di compattezza e margini di separabilità definiti tramite punti vicini, per determinare in modo efficace il numero ottimale di cluster e la qualità della partizione in diversi dataset sintetici e reali.
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.
Questo lavoro presenta un'analisi geometrica unificata che dimostra come l'algoritmo di Iterazione del Valore converga geometricamente sia nel caso di ricompensa scontata che in quello di ricompensa media, superando i limiti teorici precedenti e spiegando la rapida convergenza osservata empiricamente.
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.
Il paper introduce gli Augmented Time Series Causal Models (ATSCM), un framework che integra l'analisi causale temporale e il ragionamento controfattuale per modellare le complesse relazioni nei mercati energetici e simulare scenari futuri, come l'impatto di diverse configurazioni di generazione rinnovabile sui prezzi dell'elettricità.
Il paper propone il TNCM-VAE, un modello generativo che combina autoencoder variazionali e modelli causali strutturali per produrre serie temporali finanziarie sintetiche capaci di preservare le dipendenze temporali e le relazioni causali, abilitando così analisi controfattuali e test di stress più accurati.
Questo articolo propone il framework DGET, un'architettura di apprendimento multi-task basata su GNN e Transformer, per ottimizzare la schedulazione nelle reti IoT ibride radio-ottiche, ottenendo prestazioni vicine all'ottimo con minore complessità computazionale rispetto ai metodi tradizionali.
Il paper presenta STREAM-VAE, un modello variational autoencoder che utilizza un'architettura a doppio percorso per separare le dinamiche lente (deriva) da quelle rapide (picchi) nei dati telemetrici veicolari, migliorando così l'accuratezza e la robustezza del rilevamento delle anomalie rispetto ai metodi esistenti.
Questo articolo presenta un framework di disapprendimento gerarchico a doppia strategia che, integrando aggiornamenti del gradiente vincolati geometricamente e interventi a livello di token consapevoli dei concetti, rimuove selettivamente conoscenze mediche specifiche da modelli linguistici preservando le competenze fondamentali e garantendo la privacy con modifiche minime ai parametri.
Il paper introduce CostNav, il primo benchmark fisico-economico che valuta l'efficienza commerciale degli agenti di navigazione fisica integrando dati finanziari e medici reali, rivelando che le attuali strategie di successo del task non garantiscono la sostenibilità economica necessaria per il dispiegamento commerciale.
Il paper introduce il framework PI-MDP e gli algoritmi PE-DQN e PE-SAC per l'apprendimento per rinforzo parzialmente equivariante, che gestiscono efficacemente le rotture di simmetria negli ambienti reali applicando selettivamente backup di Bellman invarianti o standard, migliorando così l'efficienza del campionamento e la generalizzazione rispetto ai metodi baselines.
Questo articolo presenta un framework di co-progettazione che integra l'ottimizzazione della morfologia della mano robotica con politiche di controllo dattiliche specifiche per il compito, consentendo la progettazione, l'addestramento, la fabbricazione e il dispiegamento di nuove mani robotiche in meno di 24 ore.
Il paper introduce AlphaQubit 2, un decoder neurale scalabile e in tempo reale che raggiunge tassi di errore logici quasi ottimali per i codici di superficie e di colore, superando i limiti di velocità e accuratezza delle soluzioni precedenti e aprendo la strada alla correzione degli errori quantistici su larga scala.
Il paper presenta Trio, un framework di generazione molecolare che integra modellazione linguistica, apprendimento per rinforzo e ricerca ad albero Monte Carlo per realizzare una progettazione mirata di farmaci a ciclo chiuso, superando le limitazioni degli approcci esistenti grazie a una maggiore validità chimica, proprietà farmacologiche migliorate e una diversità molecolare significativamente ampliata.
Questo lavoro introduce varianti efficienti e statisticamente coerenti delle foreste casuali basate sul principio di minimizzazione del rischio massimo (MaxRM) per migliorare la generalizzazione fuori distribuzione, fornendo nuove garanzie teoriche e validando l'approccio su dati simulati e reali.
Il paper presenta PvP, un framework di apprendimento contrastivo che sfrutta le rappresentazioni privilegiate per migliorare l'efficienza dei dati e le prestazioni nel controllo globale del corpo per robot umanoidi, accompagnato da SRL4Humanoid, il primo ambiente unificato per la valutazione sistematica di tali metodi.
Il paper introduce il "Pretrained Battery Transformer" (PBT), un modello fondazionale che supera i limiti attuali nella previsione della vita delle batterie grazie all'addestramento su dati eterogenei, ottenendo prestazioni all'avanguardia su diverse tecnologie di batterie.