1327 articoli
Questa sezione raccoglie le ricerche più recenti che spaziano dalla chimica alla mineralogia, un ambito affascinante dove si studia la materia, le sue trasformazioni e le risorse naturali che ci circondano. Dai nuovi materiali sintetici alle dinamiche geologiche profonde, questi studi ci aiutano a comprendere meglio il mondo fisico che abita il nostro pianeta e le tecnologie che ne derivano.
Tutti i lavori presentati qui provengono direttamente da arXiv, la principale piattaforma di preprint scientifici. Il team di Gist.Science analizza ogni nuovo preprint in questa categoria appena viene pubblicato, offrendo per ciascuno una spiegazione chiara e accessibile a tutti, affiancata da un'analisi tecnica approfondita per chi desidera approfondire i dettagli metodologici.
Di seguito trovate la lista aggiornata degli ultimi articoli pubblicati in questo settore, pronti per essere esplorati.
Il documento introduce BRA-Audit, un framework di auditing runtime consapevole del budget che ottimizza il posizionamento dei punti di audit all'interno di sistemi multi-agente LLM per minimizzare l'esposizione cumulativa non controllata, riducendo così significativamente i costi dei token pur mantenendo alte prestazioni e un'efficace localizzazione dei guasti.
Questo articolo introduce l'Open-Strategy Dictator Game, in cui le strategie in linguaggio naturale sono mutuamente visibili e giudicate da un LLM, dimostrando attraverso l'analisi dei tornei che le strategie condizionatamente cooperative dominano costantemente quelle incondizionate in ambienti di trasparenza reciproca.
Questo articolo propone UC-PSRO, un framework per la generazione di corsi d'azione di tipo teorico-gioco per sciami di UAS avversari che combina self-play, condizionamento dell'utilità e curricula di comunicazione-dropout, rivelando che mentre il dropout della comunicazione migliora significativamente la robustezza in ambienti degradati, la complessità aggiunta del self-play e del condizionamento dell'utilità comporta attualmente costi di convergenza senza dimostrare un beneficio di robustezza statisticamente significativo.
Questo articolo propone un framework in tempo reale per il georeferenziazione della navigazione autonoma in ambienti privi di GNSS, utilizzando marcatori a Riflettore Sferico Colesterico (CSR) pre-ispezionati e mimetizzati per correggere la deriva e allineare traiettorie eterogenee di odometria LiDAR e di ricostruzione densa all'interno di un sistema di coordinate comune, ottenendo una riduzione superiore al 97% dell'inconsistenza di rivisitazione.
Il documento propone KC-BFPRL, un framework di apprendimento per rinforzo bi-livello guidato dalla conoscenza che coordina efficacemente flotte multi-UAV per il ripristino su larga scala delle praterie, scomponendo il complesso problema della massimizzazione dell'area di ripristino in compiti di pianificazione gerarchica, ottenendo così un'efficienza e una soddisfazione dei vincoli superiori rispetto ai metodi allo stato dell'arte.
Il documento presenta MELD, un protocollo auto-gestito che consente ad agenti autonomi distribuiti di riconciliare e fondere i propri grafi di conoscenza attraverso patch verificabili e il tracciamento dello stato basato su CRDT, ottenendo un'elevata completezza e un'efficienza di archiviazione pur preservando le contraddizioni per una successiva giudicazione senza un coordinatore centrale.
Il documento propone VCE-Skill, un nuovo framework che potenzia l'auto-evoluzione delle abilità dell'agente fondendo in modo adattivo le traiettorie di esecuzione specifiche per il compito con l'esperienza strutturata e distillata derivante dalle cronologie delle versioni delle abilità pubbliche, risultando in significativi miglioramenti delle prestazioni e in una maggiore capacità di trasferimento tra modelli diversi.
Questo articolo dimostra che il comportamento collettivo di oltre 10.000 agenti IA interagenti attraverso diverse comunità può essere predetto e spiegato accuratamente da un formalismo della meccanica statistica, rivelando tre distinti regimi dinamici (indifferenza, polarizzazione e consenso) guidati dalla tendenza degli agenti a minimizzare la pressione sociale.
Questo articolo introduce "Reconstruction", un benchmark cieco progettato per testare se i modelli linguistici possano recuperare le idee di ricerca centrali di articoli pubblicati utilizzando solo le loro bibliografie pre-pubblicazione, rivelando che mentre i singoli modelli ottengono un successo modesto, una pipeline multi-agente che combina la revisione cross-modello e la selezione a torneo migliora significativamente i tassi di recupero portandoli al 23–42%.
Questo articolo introduce MACAT e MACataRT, due sistemi di intelligenza artificiale generativa human-in-the-loop progettati per potenziare l'esecuzione musicale in tempo reale e l'improvvisazione collaborativa attraverso un addestramento personalizzato su piccoli dataset che privilegia l'impegno etico e l'integrità artistica.