9843 articoli
Questo lavoro presenta un nuovo framework di valutazione multi-obiettivo, disponibile pubblicamente e applicabile in modo agnostico al modello, che facilita l'analisi sistematica dei compromessi tra utilità e equità nei sistemi di Machine Learning, con una specifica validazione empirica nel dominio dell'imaging medico.
Questo lavoro presenta un dataset di riferimento composto da 624 campioni 2D ad alta risoluzione, generati tramite simulazioni numeriche fedeli, che catturano le complesse interazioni tra CO₂ e acqua nei mezzi porosi per supportare lo sviluppo e la validazione di modelli di apprendimento automatico applicati allo stoccaggio geologico del carbonio.
Il paper propone AdaRank, un nuovo framework di fusione di modelli che migliora l'efficienza e le prestazioni nel multi-task learning selezionando adattivamente le direzioni singolari più utili e rimuovendo dinamicamente quelle interferenti tramite minimizzazione dell'entropia, ottenendo risultati all'avanguardia con un divario prestazionale quasi nullo rispetto ai modelli fine-tuned.
Questo studio dimostra che le reti neurali su grafi e i transformer possono apprendere a ragionare su vincoli geometrici per prevedere posizioni spaziali, organizzando le loro rappresentazioni in uno spazio di embedding bidimensionale che riflette la struttura della griglia, con le reti neurali su grafi che mostrano prestazioni superiori e una migliore scalabilità rispetto ai transformer.
Il paper introduce i giochi su coni simmetrici come quadro unificante per diverse classi di giochi e problemi di ottimizzazione, proponendo l'algoritmo OSCMWU che, grazie alla dimostrazione della forte convessità dell'entropia negativa sui coni simmetrici, calcola efficientemente equilibri di Nash approssimati con complessità iterativa .
Questo studio identifica e valuta le "teste" di attenzione inattive nei grandi modelli linguistici preaddestrati, dimostrando che oltre il 12% di esse può essere rimosso senza compromettere significativamente le prestazioni e che le metriche basate sulla norma dell'output sono più efficaci di quelle tradizionali per rilevare tali ridondanze.
Il paper propone una funzione di standardizzazione generale che trasforma i coefficienti di correlazione tra ranking ponderati, garantendo un valore atteso nullo sotto l'ipotesi di indipendenza e preservando l'intervallo , e fornisce stime numeriche accurate dei parametri distributivi necessari per tale trasformazione tramite campionamento Monte Carlo e regressione polinomiale.
Questo articolo propone una tecnica innovativa per la standardizzazione degli obiettivi nei problemi QUBO multi-obiettivo, basata sul calcolo esatto della varianza per scalare ciascun obiettivo a varianza unitaria, al fine di facilitare la ricerca di soluzioni bilanciate e ridurre la complessità nella selezione dei pesi di scalarizzazione.
Il paper presenta SafeSparse, un nuovo framework di difesa a due livelli che risolve il compromesso tra efficienza e sicurezza nel Federated Learning sparsificato, ripristinando la robustezza contro gli attacchi di avvelenamento attraverso meccanismi di calibrazione topologica e allineamento semantico direzionale.
Il paper introduce due nuovi dataset pre-addestramento aperti, SwallowCode e SwallowMath, creati attraverso un processo sistematico di riscrittura e raffinamento dei dati pubblici che, se utilizzati per l'addestramento continuo, migliorano significativamente le prestazioni dei modelli linguistici su compiti di programmazione e ragionamento matematico.
Questo lavoro propone un metodo basato sull'Intelligenza Artificiale Spiegabile per attribuire in modo efficiente e accurato le distanze di Wasserstein a specifici componenti dei dati, come sottogruppi o caratteristiche, facilitando così l'analisi degli spostamenti dei dataset e dei fenomeni di trasporto.
Questo studio evidenzia come i recenti modelli di raccomandazione basati sulla diffusione, nonostante la loro complessità computazionale, siano sistematicamente inferiori a modelli più semplici a causa di problemi metodologici ricorrenti e di un disallineamento concettuale con il compito di raccomandazione top-n, rivelando un'illusione di progresso che richiede un cambiamento radicale nella cultura della ricerca.
Il paper presenta ARCANE, il primo framework progettato per il rilevamento precoce delle espulsioni di massa coronale interplanetarie (ICME) nei dati del vento solare in streaming, che dimostra come il modello ResUNet++ superi le baselines tradizionali mantenendo prestazioni elevate anche con dati in tempo reale e rilevando gli eventi prima del loro completamento.
Il paper presenta DRA-GRPO, un framework che migliora il ragionamento matematico dei modelli linguistici integrando una calibrazione della diversità basata sull'informazione mutua sottomodulare nel processo di ottimizzazione GRPO, permettendo così di superare la limitazione delle ricompense scalari standard e ottenere prestazioni superiori con dati di addestramento ridotti.
Questo articolo presenta la Double Binary Factorization (DBF), un metodo innovativo che comprime i grandi modelli linguistici fattorizzando le matrici dei pesi in prodotti di due matrici binarie con vettori di scala, offrendo un elevato rapporto di compressione e un controllo fine-granulare della precisione senza compromettere significativamente l'accuratezza.
Questo lavoro dimostra teoricamente che l'efficienza dell'apprendimento nelle reti neurali profonde è intrinsecamente legata a un pregiudizio iniziale verso una classe specifica, collegando così le teorie dei campi medi sull'inizializzazione al fenomeno del "bias di indovinamento iniziale" e smentendo l'idea che un'inizializzazione neutra sia ottimale.
Questo lavoro introduce il metodo di fattorizzazione BISR (Banded Inverse Square Root), che colma il divario teorico esistente fornendo un limite asintoticamente ottimale per l'errore di fattorizzazione matriciale nell'SGD differenzialmente privato multi-epoca, garantendo al contempo semplicità implementativa ed efficienza computazionale.
Il paper presenta SEAM, un nuovo metodo di difesa che rende i modelli linguistici di grandi dimensioni "auto-distruttivi", mantenendo le loro capacità legittime mentre subiscono un collasso delle prestazioni se sottoposti a tentativi di allineamento dannoso, rendendo così inefficaci gli attacchi di fine-tuning malevolo.
Il paper presenta mCLM, un modello linguistico chimico modulare che, tokenizzando le molecole in blocchi funzionali compatibili con la sintesi automatizzata, genera nuovi candidati farmacologici con proprietà migliorate e un'accessibilità sintetica superiore rispetto ai metodi esistenti, inclusi i modelli di grandi dimensioni come GPT-5.
Questo studio teorico dimostra che i transformer preaddestrati in modo avversario possono agire come modelli fondazionali universalmente robusti, adattandosi a compiti di classificazione non visti tramite apprendimento contestuale da esempi puliti senza necessità di ulteriore addestramento avversario.