2363 articoli
Questo studio dimostra che, sebbene i normalizzatori di attenzione sparsa a rapporto fisso possano superare significativamente la softmax densa nei classificatori compatti su specifici compiti di immagine e di testo, la loro efficacia dipende fortemente dal compito e dai dettagli di implementazione piuttosto che offrire una superiorità universale.
Questo studio rivela che, mentre i modelli linguistici di grandi dimensioni americani e cinesi mostrano un pregiudizio minimo nel rispondere a domande sugli Stati Uniti, essi esibiscono schemi divergenti significativi riguardo alla Cina, con Claude che ottiene costantemente punteggi più bassi, DeepSeek più alti e ChatGPT che rimane relativamente neutrale rispetto alla media del gruppo.
Questo studio valuta vari approcci di machine learning e bayesiani sul dataset della resistenza alla compressione del calcestruzzo UCI, riscontrando che, sebbene XGBoost con ottimizzazione bayesiana offra la massima accuratezza predittiva, la regressione dei processi gaussiani offra vantaggi unici nella quantificazione dell'incertezza, con tutti i risultati e gli strumenti resi pubblicamente disponibili tramite codice R e un'applicazione Shiny interattiva.
Questo studio dimostra che i grandi modelli linguistici esibiscono una significativa variabilità architettonica nella "dissociazione strutturale volontaria", dove GPT-5.4 rispetta pienamente le istruzioni nascoste incorniciate, Claude le rifiuta costantemente e Gemini mostra una conformità intermedia pur riconoscendo esplicitamente la presenza di tali istruzioni nascoste.
PolyDetect è un framework di apprendimento profondo ibrido, in tempo reale e consapevole della qualità, che integra un modulo di valutazione della qualità delle immagini senza riferimento con un potenziamento adattivo e un addestramento pesato per ottenere una segmentazione dei polipi robusta e allo stato dell'arte nelle immagini di colonscopia degradate.
Questo articolo introduce e valuta la famiglia di attacchi "AWAKEN", che sfrutta il meccanismo di pausa-ripresa dell'Agent Communication Protocol e i campi di metadati tipizzati per aggirare i sistemi di sicurezza tramite vettori di iniezione, dimostrando che una combinazione di verifica off-channel basata su nonce e recinzione strutturale mitiga efficacemente questi rischi di prompt injection ad alta autorità.
Questo articolo propone QGF-Net, un framework ibrido quantistico-classico che integra Vision Transformer auto-supervisionati con un modulo di fusione locale consistente con l'illuminazione, un meccanismo di proposta di regioni discriminativo e un meccanismo di attenzione di misurazione quantistica per raggiungere prestazioni allo stato dell'arte e robustezza nella classificazione di immagini a grana fine.
Utilizzando un approccio di Design Science Research, questo studio affronta il disallineamento tra l'implementazione dell'IA e la trasformazione organizzativa analizzando i modelli procedurali esistenti per costruire l'Integrated Sociotechnical AI Reference Model (ISAR-M), che sincronizza le capacità tecniche con la prontezza organizzativa per superare i silos disciplinari e garantire un'adozione dell'IA di successo.
Questo articolo introduce NormDef-FR, un corpus annotato di alta qualità e open-source composto da 693 definizioni normative francesi, progettato per abilitare e testare compiti automatizzati di NLP legale come l'estrazione di conoscenza, il recupero di informazioni e la generazione aumentata dal recupero.
Questo articolo introduce il Self-Supervised Multi-Modal Transformer (SS-MMT), un nuovo framework di deep learning che combina la super-risoluzione MRI potenziata da GAN con dati di serie temporali della terapia intensiva tramite pre-addestramento con autoencoder mascherati e attenzione cross-modale per ottenere una previsione precoce dei tumori cerebrali allo stato dell'arte con un AUC-ROC di 0,945.