11434 articoli
Questo articolo introduce il framework teorico CoVar per la selezione delle pseudo-etichette nell'apprendimento semi-supervisionato, il quale combina la massima confidenza con la varianza delle classi residue per superare i limiti delle soglie fisse e migliorare le prestazioni in compiti di classificazione e segmentazione semantica.
Questo articolo presenta un quadro teorico che stabilisce un limite di generalizzazione per l'adattamento incrociato di modalità, introducendo il concetto di distorsione feature-etichetta per ottimizzare l'interazione tra allineamento delle caratteristiche e adattamento al target, ottenendo così prestazioni superiori rispetto agli stati dell'arte.
Il paper introduce un quadro per apprendere mappe di flusso hamiltoniano basate sulla coerenza del flusso medio, che consente aggiornamenti a grandi passi temporali nelle simulazioni di dinamica molecolare senza richiedere la generazione di traiettorie costose, utilizzando invece campioni indipendenti dello spazio delle fasi.
Questo lavoro propone il primo framework di arresto anticipato privo di dati per l'Apprendimento Federato, che determina il punto di stop ottimale monitorando la crescita del vettore del compito tramite parametri lato server, ottenendo prestazioni superiori rispetto ai metodi basati su dati di validazione senza compromettere la privacy.
Il paper presenta EPIAGENT, un framework agentic che automatizza la sintesi, la calibrazione e la verifica di simulatori epidemiologici attraverso un'intermediazione a grafo di flusso, garantendo modelli meccanicistici coerenti e accelerando la convergenza verso proiezioni valide rispetto ai metodi tradizionali.
Il paper risolve il paradosso tra indipendenza e dipendenza dal percorso nei metodi basati sul punteggio proponendo il principio MVP, che minimizza la varianza del percorso tramite un'espressione in forma chiusa e un modello di miscela Kumaraswamy per ottenere stime del rapporto di densità più accurate e stabili.
Questo studio caratterizza la soglia critica per l'apprendimento delle feature nelle reti neurali a due strati durante l'addestramento con discesa del gradiente, identificando una transizione di fase nello spettro dell'Hessiano che determina la capacità dell'algoritmo di apprendere la proiezione latente sottostante.
Il paper propone gli -GFN, un quadro teorico basato sulla reversibilità delle catene di Markov che generalizza gli obiettivi delle GFlowNet tramite un parametro per controllare dinamicamente il compromesso esplorazione-sfruttamento, migliorando significativamente la scoperta di modalità in diversi compiti di generazione.
Il paper presenta Spark, un nuovo framework modulare per le reti neurali a impulsi progettato per ottimizzare l'efficienza energetica e dei dati, facilitando l'apprendimento continuo e non batchizzato attraverso meccanismi di plasticità semplici.
Il paper propone un metodo innovativo basato su RVQ-VAE e apprendimento contrastivo per disaccoppiare contenuto e stile nei dati di movimento umano, permettendo il trasferimento di stile senza riaddestramento tramite una tecnica di scambio di codici quantizzati.
Il documento propone l'Evidential Uncertainty Quantification (EUQ), un metodo innovativo che utilizza la teoria dell'evidenza per rilevare le disfunzioni dei modelli visione-linguaggio su larga scala distinguendo tra conflitti interni e ignoranza, superando così i limiti delle tecniche di quantificazione dell'incertezza esistenti.
Il paper propone CreDRO, un metodo che apprende ensemble credali ottimizzando la robustezza distribuzionale per catturare l'incertezza epistemica derivante da potenziali spostamenti di distribuzione, superando le limitazioni delle tecniche basate sulla sola casualità dell'inizializzazione e ottenendo prestazioni superiori in compiti come la rilevazione di dati fuori distribuzione e la classificazione selettiva in ambito medico.
Questo studio rivela un paradosso di fedeltà nella compressione del contesto, in cui l'aumento delle dimensioni del modello peggiora la ricostruzione fedele dei dati a causa dell'overwriting delle conoscenze e della deriva semantica, sfidando la convinzione che modelli più grandi garantiscano sempre prestazioni superiori.
Il paper presenta Versor, una nuova architettura sequenziale basata sull'Algebra Geometrica Conforme che, sostituendo le operazioni lineari tradizionali con trasformazioni geometriche, supera i Transformer e le reti geometriche esistenti in termini di efficienza, generalizzazione strutturale e interpretabilità su compiti dinamici e multimodali.
Questo lavoro introduce il framework Generalized On-Policy Distillation (G-OPD), che estende la distillazione on-policy standard attraverso un fattore di scaling del reward e un modello di riferimento flessibile, dimostrando che l'estrapolazione del reward (ExOPD) e la correzione del reward basata sul modello pre-RL del docente permettono di superare le prestazioni dei modelli insegnanti in compiti di ragionamento matematico e generazione di codice.
Nonostante i modelli linguistici di grandi dimensioni (LLM) riescano a simulare giudizi umani in compiti semplici di teoria della mente, la ricerca dimostra che mancano di un modello causale coerente e generalizzabile dei stati mentali, rivelando che la loro apparente competenza sociale non deriva da una vera teoria della mente.
Lo studio dimostra che la struttura geometrica delle rappresentazioni interne dei modelli linguistici, come cerchi o varietà, nasce universalmente dalle simmetrie di traslazione presenti nelle statistiche dei dati naturali e ne deriva una geometria analitica che risulta robusta anche in presenza di perturbazioni.
Il paper dimostra che una curazione mirata dei dati per lingua, piuttosto che limiti di capacità fondamentali, risolve l'interferenza multilingue e permette di ottenere modelli ad alte prestazioni in diverse lingue con una frazione significativa del calcolo necessario rispetto alle basi pubbliche.
Questo studio introduce un protocollo di valutazione basato su eventi e aumentazioni realistiche per il rilevamento di anomalie nelle serie temporali IoT, dimostrando attraverso il benchmark di 14 modelli su dataset pubblici e industriali che non esiste un vincitore universale e che le prestazioni variano significativamente in base al tipo di perturbazione e all'architettura del modello.
Questo studio dimostra che i grandi modelli linguistici (LLM) possono essere utilizzati per eseguire su larga scala la deanonimizzazione di utenti pseudonimi su piattaforme online, superando significativamente i metodi tradizionali e rivelando che l'oscurità pratica che proteggeva l'anonimato digitale non è più sufficiente.