5653 articoli
Il paper presenta AgentServe, un sistema di serving per AI agenti su GPU consumer che, attraverso la co-progettazione algoritmo-sistema e l'isolamento delle fasi di prefill e decode, garantisce un'esecuzione multi-agente stabile con riduzioni fino a 2,8 volte nel tempo di primo token e 2,7 volte nel tempo per token rispetto alle soluzioni attuali.
Il paper introduce EmoStory, un nuovo framework a due stadi che genera storie visive coerenti e soggettivamente consistenti guidate da direzioni emotive esplicite, superando i limiti dei metodi esistenti che trascurano l'impatto emotivo sulla narrazione.
Questo paper introduce un quadro unificato basato su un Manifold di Equilibrio parametrizzato e una strategia di "haptic SLAM" che integra stima aptica, pianificazione online e controllo di impedenza adattivo per raggiungere una destrezza simile a quella umana nella manipolazione mediata da strumenti, come dimostrato da oltre 260 prove reali di allentamento di viti.
Il paper propone S-HPLB, una strategia di bilanciamento del carico parallelo a livello di testa che sfrutta l'eterogeneità stabile della sparsità nelle teste di attenzione degli LLM per ridurre i tempi di calcolo fino a 2,88 volte senza compromettere la qualità dell'inferenza.
Il paper introduce StyleGallery, un framework di trasferimento di stile personalizzato e privo di addestramento che, attraverso segmentazione semantica, corrispondenza di regioni e ottimizzazione guidata, risolve le limitazioni delle metodologie esistenti garantendo una migliore preservazione del contenuto e una maggiore adattabilità a riferimenti stilistici arbitrari.
Il paper propone un framework unificato che, manipolando i token visivi tramite calibrazione sinergica e causale delle rappresentazioni latenti, riduce efficacemente le allucinazioni nei modelli multimediali senza richiedere riaddestramento, migliorando la precisione POLO del 2% con un lieve sovraccarico computazionale.
Il paper propone il Geometric Autoencoder (GAE), un framework innovativo che integra prior di modelli fondazionali visivi e normalizzazione latente per superare i limiti degli attuali autoencoder, ottenendo risultati di stato dell'arte nella generazione visiva ad alta risoluzione con un equilibrio superiore tra compressione, profondità semantica e stabilità di ricostruzione.
Il paper "GeoSense" presenta un nuovo framework per i modelli linguistici multimodali che, invece di iniettare rigidamente informazioni geometriche in ogni input, li dota della capacità di riconoscere autonomamente l'insufficienza dei segnali visivi 2D e di attivare dinamicamente canali geometrici solo quando necessario, migliorando così il ragionamento spaziale senza compromettere le prestazioni generali.
Questo studio implementa un modello di diffusione condizionale per la previsione dei rendimenti azionari, rivelando che esiste un numero ottimale di fattori che bilancia il compromesso tra errore e varianza, permettendo di costruire portafogli con prestazioni fuori campione superiori rispetto alle strategie di base.
Questo articolo analizza le gravi vulnerabilità di sicurezza della piattaforma OpenClaw, dimostrando che la sua resistenza nativa agli attacchi è scarsa e proponendo un nuovo strato difensivo basato sulla collaborazione uomo-macchina (HITL) che riduce significativamente i rischi di esecuzione di comandi dannosi.
Questo articolo presenta una dimostrazione end-to-end di un attacco di spoofing dei sensori tramite componenti compromessi nella catena di approvvigionamento di satelliti, evidenziando come tale minaccia interna possa ingannare sia i sistemi di bordo che gli operatori a terra e proponendo contromisure per garantire l'integrità della missione.
Il paper propone ScanDP, un framework di scansione 3D generalizzabile ed efficiente dal punto di vista dei dati che utilizza una Diffusion Policy e una mappatura a griglia di occupazione per imitare strategie di scansione umane, garantendo una maggiore copertura, percorsi più brevi e una robustezza al rumore rispetto ai metodi esistenti.
Questo studio esplora come animare gli smartphone tramite il supporto "AnimaStand" durante discussioni di gruppo faccia a faccia, trasformandoli in facilitatori attivi che migliorano l'engagement, le prestazioni del compito e le relazioni tra i partecipanti.
Questo articolo propone OCpose, una nuova metrica per la valutazione della stima della posa multi-persona basata sul trasporto ottimo, che garantisce un'equa valutazione bilanciando veri e falsi positivi indipendentemente dai punteggi di confidenza, pur utilizzandoli per migliorare l'affidabilità dell'abbinamento.
Il paper propone SpatioCoupledNet, un metodo di controllo ibrido che combina conoscenze cinematiche e apprendimento automatico per gestire l'instabilità e migliorare la precisione nella forma di un robot iper-redundante planare flessibile, superando le prestazioni dei modelli puramente analitici o basati sui dati.
Questo paper introduce un nuovo metodo di perdita basato sulla stima della densità kernel e sulla distribuzione Chi-quadro per calibrare l'incertezza nei predittori di traiettoria gaussiani, migliorando così l'affidabilità della pianificazione sicura in ambienti affollati.
Il paper introduce "Motion Forcing", un framework decoupled che risolve il trilemma della generazione video complessa separando il ragionamento fisico dalla sintesi visiva attraverso una gerarchia "Punto-Forma-Aspetto" e una strategia di recupero dei punti mascherati per apprendere leggi fisiche latenti.
Il paper propone DGI (Differentiable Geometric Indexing), un nuovo approccio per il recupero generativo che risolve i conflitti di ottimizzazione e geometrici esistenti unificando l'indicizzazione e il recupero in un quadro differenziabile e sostituendo le logiche basate sul prodotto interno con una similarità coseno scalata per migliorare la robustezza nei casi di coda lunga.
Il paper propone Frames2Residual (F2R), un framework di decoupling spaziotemporale per la denoising video auto-supervisionata che supera i limiti delle reti a punto cieco esistenti separando l'addestramento in due fasi distinte: una modellazione temporale cieca per la coerenza inter-frame e un affinamento spaziale non cieco per il recupero delle texture.
Il paper presenta TractoRC, un quadro di apprendimento probabilistico unificato che esegue congiuntamente la registrazione e il clustering della tractografia per migliorare le prestazioni di entrambi i compiti sfruttando informazioni complementari in uno spazio di embedding condiviso.