8349 articoli
Il documento presenta GeoDVF, un quadro variaziale profondo adattivo alla geometria che risolve le limitazioni dei solver numerici nel modello di Landau-Brazovskii ottimizzando simultaneamente il parametro d'ordine e le dimensioni del dominio computazionale per scoprire stati ordinati stabili e metastabili senza stress artificiale.
Il paper propone un nuovo strato di quantizzazione addestrabile basato su funzioni sigmoidi che comprime le feature di input delle reti neurali tramite una quantizzazione soft a bit, permettendo di ridurre il trasferimento dati da dispositivi edge ai server remoti con fattori di compressione fino a 16 volte senza compromettere significativamente l'accuratezza del modello.
Questo lavoro propone un quadro normativo per l'IA basato sulla teoria del disegno dei meccanismi e sulla probabilità imprecisa, dimostrando che è possibile ottenere un esito di mercato perfetto (escludendo i fornitori non conformi e includendo quelli conformi) se e solo se l'insieme delle distribuzioni non conformi forma un insieme credale.
Il documento presenta STCV, un nuovo algoritmo di regressione sparsa che utilizza il coefficiente di presenza come metrica statistica per garantire l'identificazione robusta e invariante alla scala dei dati delle leggi fisiche non lineari, superando i limiti dei metodi tradizionali come STLSQ e E-SINDy in presenza di rumore e normalizzazione.
Il paper presenta Stable-LoRA, una strategia di ottimizzazione che risolve l'instabilità intrinseca dell'inizializzazione non nulla di LoRA riducendo dinamicamente la matrice A nelle fasi iniziali, garantendo così un apprendimento delle caratteristiche stabile e prestazioni superiori senza costi computazionali aggiuntivi.
Questo articolo propone un metodo di ottimizzazione per la selezione del vocabolario nei modelli di bozza dello speculative decoding, che bilancia copertura e latenza riducendo fino al 97% la dimensione del vocabolario e migliorando il throughput fino al 20% su compiti specifici di dominio.
Questo studio presenta IAENet, un innovativo framework di apprendimento multi-etichetta basato su Transformer che, integrando un dataset specifico (MuAE) e una nuova funzione di perdita, supera le limitazioni degli approcci esistenti nel prevedere tempestivamente eventi avversi intraoperatori multipli, migliorando significativamente la sicurezza del paziente.
Il paper presenta KARL, un sistema di agenti di ricerca aziendale addestrati tramite apprendimento per rinforzo che, grazie a un nuovo benchmark (KARLBench), dati sintetici e un paradigma di post-addestramento iterativo, raggiunge prestazioni all'avanguardia e supera i modelli chiusi più potenti in compiti complessi di ragionamento e ricerca.
Questo lavoro propone un nuovo framework per stimare regole decisionali individualizzate ottimali che integrano vincoli di parità demografica e condizionale, permettendo di mitigare le discriminazioni tramite perturbazioni computazionalmente efficienti delle regole non vincolate, come dimostrato sia teoricamente che empiricamente.
Lo studio dimostra che l'adozione di una topologia sferica vincolata e l'ablazione del routing attentivo adattivo nei Transformer eliminano la fase di memorizzazione nel fenomeno del "grokking" sull'addizione modulare, suggerendo che l'allineamento tra le priorità architetturali e le simmetrie intrinseche del compito è cruciale per accelerare la generalizzazione.
Il paper presenta ASR-TRA, un nuovo framework di adattamento test-time basato sull'apprendimento per rinforzo che utilizza ricompense semantiche audio-testo per migliorare la robustezza e l'accuratezza dei sistemi di riconoscimento vocale in condizioni reali difficili, superando i limiti dei metodi basati sulla minimizzazione dell'entropia.
SlideSparse è il primo sistema che sblocca l'accelerazione tramite Tensor Core di NVIDIA per i modelli con sparsità strutturata su GPU commerciali, riconfigurando i pesi in finestre sovrapposte compatibili con il formato 2:4 e integrando la riorganizzazione delle attivazioni nella quantizzazione per ottenere un'accelerazione significativa senza perdita di accuratezza.
Il paper introduce le Recursive Inference Machines (RIMs), un nuovo framework di ragionamento neurale che integra meccanismi ricorsivi ispirati ai motori di inferenza classici per migliorare le prestazioni dei modelli esistenti su compiti complessi come il ragionamento logico e la classificazione di dati tabellari.
Il paper propone un framework di apprendimento federato a due stadi che, raggruppando le turbine eoliche in base al loro comportamento storico tramite un algoritmo di inizializzazione DRS e addestrando modelli LSTM specifici per cluster, garantisce previsioni di potenza accurate e rispettose della privacy per flotte di turbine distribuite.
Questo articolo propone un nuovo quadro di audit per i sistemi di riconoscimento vocale che, superando il tradizionale Word Error Rate, utilizza metriche semantiche e un indice di difficoltà del campione per rivelare e mitigare le disparità sistemiche a danno di gruppi marginalizzati.
Questo articolo presenta il "Whisperer", un innovativo framework di prompting visivo che utilizza un curriculum di apprendimento per imitazione comportamentale di miglioramenti stocastici trovati da un modello di diffusione, permettendo di ridurre significativamente l'errore di riconoscimento dei caratteri su immagini degradate adattando gli input pixel per pixel senza modificare i pesi dei modelli OCR pre-addestrati e congelati.
Questo studio dimostra che per l'analisi OOD dei Vision Transformer è fondamentale scegliere strategicamente sia il livello intermedio che il modulo specifico da sondare, rivelando che l'attivazione interna della rete feed-forward è ottimale in caso di forte shift distributivo, mentre l'output normalizzato dell'attenzione multi-testa lo è quando lo shift è debole.
Il documento presenta il Bayesian Supervised Causal Clustering (BSCC), un nuovo metodo che utilizza l'effetto del trattamento come outcome per identificare sottogruppi di pazienti omogenei sia nelle caratteristiche che nella risposta terapeutica, valutandone l'efficacia su dati simulati e reali.
Questo lavoro stabilisce un quadro formale che collega il dibattito e l'RLAIF, dimostrando come il vantaggio del dibattito dipenda dalla divergenza geometrica delle conoscenze tra i modelli, passando da un regime trascurabile a uno essenziale attraverso una transizione di fase e classificando tre regimi di divergenza che determinano l'efficacia della supervisione avversariale.
Il paper propone Latent Policy Steering (LPS), un metodo offline reinforcement learning che utilizza un policy MeanFlow differenziabile a un passo per guidare l'ottimizzazione dello spazio latente tramite gradienti Q nello spazio delle azioni originali, eliminando la necessità di critici latenti proxy e ottenendo prestazioni all'avanguardia con una sintonizzazione minima.