9324 articoli
Il documento propone Video TokenCom, un nuovo framework per la comunicazione video che, integrando descrizioni testuali, tokenizzazione discreta e protezione d'errore disuguale (UEP), ottimizza l'allocazione delle risorse e la fedeltà semantica in condizioni di banda limitata.
Questo lavoro presenta STW, un ampio dataset open-source e un benchmark per la classificazione delle tonalità della pelle basato sulla scala MST a 10 toni, introducendo SkinToneNet, un modello ViT che supera i metodi classici e permette un'analisi equa e affidabile di dataset pubblici.
Il paper presenta MUSE, una piattaforma open-source per la valutazione unificata della sicurezza multimodale dei grandi modelli linguistici che integra la generazione automatica di payload cross-modali, algoritmi di attacco multi-turno e un sistema di giudizio basato su LLM, rivelando come le strategie di attacco multi-turno e il cambio di modalità tra i turni possano compromettere significativamente le difese dei modelli anche quando questi mostrano un alto tasso di rifiuto negli input singoli.
Questo lavoro introduce nuove strutture geometriche di tipo Finsleriano e duale information-geometrico sul dominio dei biconi di matrici definite positive simmetriche di James, garantendo che le geodetiche corrispondano a linee rette e generalizzando distanze esistenti con applicazioni in diversi campi scientifici.
Questo articolo presenta algoritmi potenziati dall'apprendimento automatico per la stima di momenti e frequenze nel modello a decadimento temporale, sfruttando un oracolo per gli elementi più frequenti per migliorare l'efficienza spaziale e convalidando i risultati teorici attraverso valutazioni empiriche.
Il documento dimostra che agenti capaci di agire con competenza in condizioni di incertezza devono necessariamente implementare stati interni strutturati e predittivi, poiché un basso rimpianto medio su compiti di previsione condizionale impone la distinzione tra esiti ad alto margine, portando al recupero approssimato del kernel di transizione interventivo o di stati di memoria simili a credenze.
Il paper presenta ParEVO, un framework basato su agenti evolutivi e modelli linguistici specializzati che sintetizza algoritmi paralleli ad alte prestazioni per dati irregolari, superando le limitazioni dei modelli attuali e ottenendo significativi miglioramenti nelle prestazioni rispetto alle soluzioni umane e commerciali.
Questo studio propone un quadro di regolazione termodinamica endogena per l'addestramento delle Restricted Boltzmann Machines, in cui la temperatura evolve dinamicamente per mitigare l'instabilità strutturale e il congelamento dei campioni, garantendo la stabilità globale dei parametri e migliorando le prestazioni di normalizzazione rispetto ai metodi a temperatura fissa.
Questo lavoro propone la Geometry Aware Attention Guidance (GAG), un metodo che unifica l'estrapolazione nello spazio dell'attenzione e l'accelerazione di Anderson tramite la dinamica delle reti di Hopfield moderne per migliorare la qualità e l'efficienza dei modelli di diffusione.
Questo lavoro fornisce una fondazione teorica per la funzione di focal-loss, analizzandone le proprietà dell'entropia focale per dimostrare come essa amplifichi le probabilità intermedie, sopprima quelle elevate e induca una sovrastima della soppressione in scenari di forte squilibrio di classe, offrendo così una comprensione sistematica dei compromessi introdotti nell'apprendimento imbalanced.
Il paper introduce CoDAR, un framework a due stadi che risolve il collo di bottiglia della quantizzazione nei modelli di linguaggio a diffusione continua mantenendo la generazione nello spazio degli embedding e utilizzando un decoder autoregressivo per la discretizzazione contestuale, ottenendo così prestazioni competitive con i modelli discreti.
Questo articolo presenta un robot assistivo chirurgico a due bracci in grado di consegnare strumenti in modo autonomo e privo di collisioni, utilizzando modelli linguaggio-visione per interpretare i comandi e un framework di programmazione quadratica per evitare ostacoli in tempo reale, raggiungendo un tasso di successo dell'83,33% in ambienti dinamici.
Il paper presenta VC-STaR, un nuovo framework di auto-miglioramento che sfrutta coppie di domande visive contrastive per mitigare le allucinazioni nei modelli visione-linguaggio, generando il dataset VisCoR-55K che potenzia significativamente le capacità di ragionamento visivo rispetto agli approcci esistenti.
Il paper presenta SOLAR, un framework di raccomandazione che utilizza l'attenzione SVD-Optimized per ridurre la complessità computazionale preservando la distribuzione softmax, permettendo così di modellare sequenze comportamentali di scala massiccia e migliorando le visualizzazioni video del 0,68% nello scenario online di Kuaishou.
Il paper presenta EdgeFLow, un innovativo framework di Federated Learning che sostituisce i server cloud con una migrazione sequenziale dei modelli tra stazioni base edge, riducendo drasticamente l'overhead di comunicazione e mantenendo prestazioni di accuratezza comparabili.
FlashEvaluator è un nuovo framework che supera i limiti dei metodi Generator-Evaluator tradizionali consentendo la condivisione delle informazioni tra sequenze e l'elaborazione parallela in un singolo passaggio, migliorando così sia l'accuratezza della selezione che l'efficienza computazionale, con risultati già validati in produzione su Kuaishou.
Il paper introduce il Wasserstein Proximal Policy Gradient (WPPG), un metodo per l'apprendimento per rinforzo con azioni continue e regolarizzazione dell'entropia che, sfruttando la geometria di Wasserstein e un'alternanza tra trasporto ottimo e convoluzione gaussiana, evita la valutazione della densità logaritmica della politica garantendo al contempo una convergenza lineare globale e prestazioni competitive.
Questo lavoro propone un algoritmo TD(0) con schedule esponenziale del passo di apprendimento che, sia nel caso di campionamento i.i.d. che in quello markoviano, garantisce convergenza ottimale senza richiedere la conoscenza di parametri specifici del problema o modifiche non standard.
Il paper introduce SteerEval, un benchmark gerarchico che valuta la controllabilità dei modelli linguistici su tre domini e tre livelli di granularità, rivelando come il controllo tenda a degradare a livelli più fini e fornendo un quadro interpretabile per comportamenti LLM più sicuri.
Questo articolo propone un sistema di inferenza collaborativa anti-disturbo che ottimizza congiuntamente la partizione del modello DNN e l'allocazione delle risorse per massimizzare il ricavo di ritardo e accuratezza, superando le sfide poste dai jammer malintenzionati attraverso un algoritmo di ottimizzazione alternata.