2315 articoli
Il paper presenta NMIRacle, un nuovo framework generativo a due stadi che combina rappresentazioni di frammenti molecolari e codifica spettrale per ricostruire con precisione la struttura molecolare direttamente dai dati IR e NMR, superando le prestazioni dei metodi esistenti.
Questo lavoro propone un quadro teorico unificante che spiega come la dinamica "sella-a-sella" del discesa del gradiente guidi un pregiudizio verso la semplicità in diverse architetture di reti neurali, mostrando che l'apprendimento procede evolvendo attraverso varietà invarianti e punti di sella per acquisire progressivamente soluzioni di complessità crescente.
Questo studio introduce il framework Data Relativistic Uncertainty (DRU), che affronta la scarsità di dati e l'incertezza dell'illuminazione nelle immagini di scenari anime a bassa luminosità creando un nuovo dataset non accoppiato e adattando dinamicamente le funzioni obiettivo per superare le prestazioni degli stati dell'arte.
Questo studio dimostra che i piccoli trasformatori realizzano l'inferenza bayesiana attraverso un meccanismo geometrico specifico, utilizzando stream residui come substrato delle credenze e reti feed-forward per l'aggiornamento, superando di gran lunga le architetture MLP in ambienti controllati chiamati "gallerie del vento bayesiane" dove la vera posterior è nota.
Questo lavoro dimostra che l'addestramento con entropia incrociata nei transformer scolpisce dinamicamente la geometria interna delle teste di attenzione, creando una procedura a due scale temporali analoga all'EM che allinea l'ottimizzazione del gradiente ai manifold bayesiani necessari per il ragionamento probabilistico in contesto.
Lo studio dimostra che i moderni modelli linguistici preservano un substrato geometrico che codifica la struttura bayesiana, organizzando le loro stime di incertezza lungo un asse dominante delle rappresentazioni di valore che può essere manipolato selettivamente senza però costituire un collo di bottiglia computazionale unico.
Il paper presenta PanSubNet, un framework di deep learning interpretabile che, analizzando direttamente le istologie standard H&E, predice i sottotipi molecolari clinicamente rilevanti del carcinoma pancreatico con alta accuratezza e valore prognostico, offrendo un'alternativa rapida ed economica ai costosi test genomici.
Questo lavoro analizza sistematicamente il fenomeno dell'"over-searching" nei modelli linguistici potenziati dalla ricerca, evidenziando come l'invocazione eccessiva degli strumenti di ricerca comprometta l'efficienza e la qualità delle risposte, proponendo al contempo una nuova metrica di valutazione (TPC), strategie di mitigazione e un nuovo dataset (OverSearchQA) per promuovere lo sviluppo di sistemi più efficienti.
Il paper propone un metodo innovativo per il campionamento da densità di Boltzmann non normalizzate, basato su un'equazione differenziale ordinaria di flusso derivata da interpolanti stocastici lineari, che utilizza una sequenza di campionatori di Langevin per generare campioni intermedi e stimare robustamente il campo di velocità, garantendo teoricamente la convergenza e dimostrando l'efficienza in esperimenti numerici su distribuzioni multimodali complesse e compiti di inferenza bayesiana.
Questo articolo presenta un'analisi quantitativa degli errori nei problemi inversi bayesiani con prior generativi, dimostrando che l'errore nel posterio eredita il tasso di convergenza del prior rispetto alla distanza di Wasserstein-1 e validando tali risultati attraverso esperimenti numerici e un problema inverso di equazioni alle derivate parziali ellittiche.
Il paper presenta HaKAN, un modello innovativo per la previsione di serie temporali multivariate basato sulle reti Kolmogorov-Arnold con funzioni di attivazione apprese tramite polinomi di Hahn, che supera i limiti computazionali e le distorsioni spettrali dei modelli esistenti offrendo un'alternativa leggera, interpretabile e ad alte prestazioni.
Il lavoro propone VR-SDA-A, un nuovo algoritmo che combina momentum ricorsivo e verifica della curvatura per superare la barriera stocastica nelle disuguaglianze variazionali stocastiche non convesse, ottenendo complessità ottimali e adattabilità automatica del passo senza bisogno di schedulazione manuale.
Il paper propone le Singular Bayesian Neural Networks, un approccio che parametrizza i pesi come prodotti di matrici a basso rango per ridurre drasticamente il numero di parametri e migliorare la calibrazione e la rilevazione di dati fuori distribuzione, ottenendo prestazioni competitive con gli ensemble profondi ma con una complessità teorica e pratica significativamente inferiore.
Questo studio formalizza la perdita di diversità nei modelli di diffusione guidati come "distorsione generativa", dimostrando che tale fenomeno subisce una transizione di fase in base al numero di classi e proponendo una nuova strategia di guida con una finestra di guida negativa per mitigare la riduzione della varianza preservando la separabilità delle classi.
Questo lavoro teorizza che l'allucinazione nei modelli linguistici è una conseguenza inevitabile dell'ottimizzazione dello spazio di memoria, dimostrando attraverso un teorema di rate-distorsione che, in condizioni di capacità limitata, la strategia informazionalmente ottimale richiede di assegnare alta confidenza a fatti non veri piuttosto che astenersi o dimenticare.
Il paper propone GVP-WM, un metodo che utilizza un modello del mondo appreso per ancorare i piani generati da video a sequenze di azioni fisicamente fattibili, risolvendo problemi di coerenza temporale e vincoli fisici in compiti di pianificazione a lungo raggio.
Lo studio dimostra che la qualità della generazione nei modelli di diffusione decentralizzati è governata dall'allineamento tra esperti e dati, piuttosto che dalla stabilità numerica, poiché il routing che seleziona gli esperti il cui training copre lo stato corrente di denoising produce risultati superiori rispetto a metodi più stabili ma meno pertinenti.
Questo articolo presenta un approccio basato su Thompson Sampling contestuale per sistemi di raccomandazione educativa che, analizzando i dati di un tutoraggio matematico online, genera sequenze di esercizi personalizzati per massimizzare l'acquisizione di competenze e supportare l'insegnamento su larga scala.
Questo articolo stabilisce un principio di universalità per i modelli di tensori spiked asimmetrici, dimostrando che il comportamento spettrale asintotico e i limiti statistici degli stimatori di massima verosimiglianza rimangono invariati rispetto al caso gaussiano anche quando il rumore segue una distribuzione generica con momento quarto finito.
Il paper introduce BLITZRANK, un framework basato su grafi di torneo che permette di selezionare i migliori elementi da tramite confronti -wise, ottenendo un ranking zero-shot più efficiente e preciso rispetto ai metodi esistenti grazie all'aggregazione delle preferenze e alla gestione dei cicli di non transitività.