8175 articoli
Il documento presenta QTabGAN, un framework ibrido quantistico-classico che sfrutta la potenza dei circuiti quantistici per generare dati tabulari realistici, superando le limitazioni dei modelli esistenti e ottenendo miglioramenti significativi nelle prestazioni di classificazione.
Il framework WeightCaster affronta il problema della generalizzazione fuori dal supporto (OoS) riformulandolo come un'attività di modellazione sequenziale nello spazio dei pesi, permettendo di ottenere previsioni affidabili, interpretabili e consapevoli dell'incertezza senza richiedere induttivi bias espliciti.
Questo studio dimostra che un framework di inferenza basato su simulazione che utilizza reti neurali supera i metodi bayesiani tradizionali nell'efficienza e nella precisione della stima dei parametri di un modello basato su agenti del mercato del lavoro, sia su dati sintetici che reali.
Questo lavoro propone algoritmi di previsione conformale online che adattano dinamicamente i set di calibrazione rilevando cambiamenti di distribuzione, garantendo un rimpianto cumulativo condizionato all'addestramento minimax-ottimale sia per dati con score preaddestrati che per modelli appresi online.
Il paper introduce SubQuad, una pipeline end-to-end che supera i colli di bottiglia computazionali e gli squilibri nei dataset dei repertori immunitari adattivi combinando un prefiltraggio MinHash, kernel di affinità accelerati da GPU e obiettivi di clustering equo per abilitare un'analisi scalabile e priva di bias a fini di scoperta di biomarcatori e priorizzazione vaccinale.
Il paper propone un framework di apprendimento curricolare a tre stadi che, combinando mascheramento strutturale e ottimizzazione GRPO, permette di distillare efficacemente il ragionamento a catena di pensiero in modelli più piccoli, ottenendo su GSM8K un miglioramento dell'accuratezza dell'11,29% e una riduzione della lunghezza delle risposte del 27,4%.
CityGuard è un framework basato su transformer e grafi che abilita la ricerca di identità nelle città rispettando la privacy, integrando metriche adattive, attenzione condizionata spazialmente e embedding differenzialmente privati per garantire robustezza alle variazioni di vista e all'occlusione senza condividere immagini grezze.
Il documento presenta RA-QA, un nuovo sistema di benchmarking che armonizza dataset pubblici per creare un vasto insieme di 9 milioni di coppie domanda-risposta audio-respiratorie, valutando le prestazioni e i limiti dei modelli multimodali attuali in condizioni di eterogeneità del mondo reale.
Il paper propone cc-Shapley, un metodo che integra la conoscenza causale nei valori di Shapley per correggere le distorsioni indotte da bias di collisore e soppressione, garantendo così attribuzioni di importanza delle feature più affidabili e prive di associazioni spurie.
Questo lavoro estende la stima della densità kernel (KDE) e l'assottigliamento gerarchico (HS) agli alberi di Hoeffding per la regressione su flussi di dati sbilanciati, dimostrando sperimentalmente che KDE migliora le prestazioni nelle fasi iniziali dello streaming mentre HS offre benefici limitati.
Il paper presenta Zatom-1, il primo modello fondazionale open-source multimodale che unifica la generazione e la previsione per molecole e materiali 3D, superando i limiti degli approcci esistenti grazie a un addestramento congiunto che migliora le prestazioni predittive e riduce drasticamente i tempi di inferenza.
Questo lavoro propone un approccio di RLHF online regolarizzato basato sul modello di preferenze bilineari generalizzate (GBPM) che, sfruttando la forte convessità e la struttura a rango basso, garantisce bound di regret statisticamente efficienti e privi di dipendenze esponenziali rispetto alla forza di regolarizzazione.
Questo lavoro presenta Lap2, un nuovo metodo che supera le limitazioni della scalabilità del DP-SGD basato sul meccanismo di Laplace in ambienti ad alta dimensionalità consentendo il clipping L2 tramite la teoria della maggiorizzazione, ottenendo così prestazioni di addestramento comparabili o superiori a quelle del meccanismo Gaussiano.
Il paper presenta un nuovo framework di ottimizzazione al momento dell'inferenza che, agendo sulle rappresentazioni latenti e combinando prior strutturali e di campo di forza, genera ensemble proteici termodinamicamente plausibili e in migliore accordo con i dati sperimentali rispetto agli attuali modelli generativi, rivelando al contempo vulnerabilità nelle metriche di fiducia degli attuali sistemi di design.
Il paper presenta JAILBREAK FOUNDRY, un sistema multi-agente che automatizza la traduzione delle tecniche di jailbreak da articoli accademici a moduli eseguibili per garantire benchmark di sicurezza riproducibili, coerenti e aggiornati per i modelli linguistici su larga scala.
Il paper introduce DiffusionHarmonizer, un framework di enhancement generativo online che utilizza un modello di diffusione a singolo passo per trasformare le ricostruzioni neurali imperfette in simulazioni fotorealistiche e temporalmente coerenti, risolvendo problemi di artefatti e integrazione di oggetti dinamici.
Il paper introduce Aurchestra, il primo sistema che consente un controllo sonoro fine e in tempo reale su dispositivi acustici limitati, permettendo agli utenti di isolare e regolare individualmente fino a cinque sorgenti sonore sovrapposte in ambienti reali.
Lo studio dimostra che la persistenza dello stato dell'interprete è una semantica fondamentale che, se disallineata tra addestramento e deployment, non compromette la qualità delle soluzioni ma causa significativi inefficienze nei costi token e instabilità operative negli agenti LLM.
Il paper introduce ReGFT, un metodo che utilizza soluzioni di riferimento parziali per generare traiettorie di ragionamento all'interno dello spazio del modello, superando la sparsità dei reward e migliorando significativamente le prestazioni del Reinforcement Learning nel ragionamento matematico.
Il paper presenta VoxKnesset, un dataset longitudinale open-source di circa 2.300 ore di discorsi parlamentari ebraici che copre 16 anni, progettato per studiare l'invecchiamento della voce e migliorare la robustezza dei sistemi di elaborazione del parlato.