5702 articoli
Questo documento presenta gli atti del primo workshop CHIdeology, tenutosi nel 2026 a Barcellona durante la conferenza ACM CHI, dedicato a districare la frammentazione di politiche, valori e immaginari nell'interazione uomo-computer attraverso l'analisi delle ideologie.
Il paper presenta OnFly, un framework zero-shot completamente onboard per la navigazione aerea visione-linguaggio che, grazie a un'architettura dual-agent, una memoria ibrida e un verificatore semantico-geometrico, risolve i problemi di stabilità decisionale e monitoraggio a lungo termine, migliorando significativamente sicurezza ed efficienza rispetto agli stati dell'arte.
Il paper propone A²-Edit, un framework unificato di inpainting che, grazie al nuovo dataset UniEdit-500K, al modulo Mixture of Transformer e alla strategia di training Mask Annealing, permette di modificare con precisione oggetti arbitrari in un'immagine utilizzando solo maschere approssimative e superando le limitazioni di omogeneizzazione e copertura categoriale delle soluzioni esistenti.
Il paper presenta MapGCLR, un approccio semi-supervisionato che migliora la costruzione di mappe HD vettoriali online per veicoli autonomi applicando un apprendimento contrastivo basato sulla coerenza geospaziale tra griglie di caratteristiche sovrapposte, riducendo così la dipendenza da dati annotati e superando le prestazioni dei modelli puramente supervisionati.
Il paper presenta BorderNet, una rete neurale convoluzionale bioispirata che modella la completamento dei contorni nella corteccia visiva per migliorare la robustezza alla classificazione di immagini MNIST, Fashion-MNIST ed EMNIST sottoposte a occlusioni.
Il paper presenta UniCom, un framework unificato che supera i limiti dei tokenizzatori discreti e dell'instabilità dei modelli continui introducendo una rappresentazione semantica compressa tramite un compressore basato su attenzione e un'architettura di trasfusione, ottenendo così prestazioni all'avanguardia nella generazione e nel controllo delle immagini.
Il paper presenta WalkGPT, un modello visione-linguaggio ancorato ai pixel che unisce ragionamento linguistico e segmentazione per fornire guide di navigazione accessibili e consapevoli della profondità, supportato dal nuovo benchmark PAVE.
Attraverso un esperimento controllato, lo studio rivela che le convinzioni di efficacia agiscono come ancoraggi cognitivi persistenti che generano un ottimismo verso l'IA, influenzando le decisioni di delega in modo asimmetrico rispetto alle informazioni contestuali ma mostrando un impatto limitato sulle prestazioni complessive del team umano-IA, suggerendo la necessità di nuove linee guida di progettazione oltre agli approcci basati sulla sola trasparenza.
Questo studio presenta un modello computazionale che valuta l'efficacia dei nanomacchinari intravascolari nel rilevare biomarcatori tumorali in fase precoce, dimostrando come l'incorporazione di realistiche dinamiche vascolari riduca la probabilità di rilevamento rispetto ai modelli uniformi e come i capillari offrano le prestazioni migliori.
Il paper introduce FutureVLA, un nuovo modello che migliora le capacità predittive degli agenti robotici incorporando un'architettura di previsione visuomotoria congiunta che, attraverso la decoupling delle informazioni visive e motorie e l'allineamento degli embedding latenti, supera i limiti delle metodologie esistenti garantendo una maggiore continuità temporale e generalizzabilità.
Il paper presenta MAVEN, un framework di meta-apprendimento per rinforzo che permette a un singolo policy di adattarsi in tempo reale a variazioni dinamiche estreme, come cambi di massa fino al 66,7% o perdita di spinta di un singolo rotore del 70%, garantendo una navigazione agile e robusta sia in simulazione che nel mondo reale.
Il paper presenta ASTER, un framework di apprendimento per rinforzo che, grazie a una strategia di inizializzazione dello stato informata dalla dinamica ibrida, permette per la prima volta il volo autonomo invertito e manovri agili per un quadrotore con carico sospeso, superando le sfide della sparsità del reward e garantendo un trasferimento zero-shot dalla simulazione alla realtà.
Questo articolo dimostra che, nel modello di movimento congiunto per la materia programmabile, è possibile riconfigurare qualsiasi struttura in un segmento lineare canonico in tempo sublineare , risolvendo positivamente un problema aperto e fornendo nuovi primitivi per il movimento parallelo efficiente.
Il paper presenta il dataset eLasmobranc, una raccolta pubblica di immagini curata di sette specie di elasmobranchi del Mediterraneo spagnolo, acquisita principalmente in ambiente terrestre e annotata da esperti per supportare il riconoscimento delle specie a livello fine-grained e il monitoraggio della biodiversità.
Questo paper introduce Just-in-Time (JiT), un nuovo framework senza addestramento che accelera l'inferenza dei Diffusion Transformers sfruttando la ridondanza spaziale attraverso una selezione dinamica di token di ancoraggio, ottenendo un aumento di velocità fino a 7 volte con prestazioni quasi senza perdite.
Il paper presenta Pneuma-Seeker, un sistema basato sulla reificazione relazionale che allinea gli agenti AI al lavoro umano su dati relazionali trasformando le esigenze informative in schemi concreti e iterativamente raffinati, superando le limitazioni dei modelli linguistici tradizionali e garantendo maggiore accuratezza, trasparenza e fiducia.
Il paper propone un sistema di fotometria stereo basato su eventi che utilizza una singola sorgente luminosa rotante e una rete neurale leggera per-pixel per stimare le normali superficiali senza calibrazione, ottenendo risultati superiori in termini di precisione e robustezza rispetto ai metodi esistenti in condizioni di illuminazione variabile e ad alto dinamico.
AttriGuard è un nuovo sistema di difesa per agenti LLM che contrasta l'iniezione indiretta di prompt (IPI) utilizzando l'attribuzione causale e test controfattuali paralleli per verificare se le chiamate agli strumenti sono realmente motivate dall'intento dell'utente e non da osservazioni non attendibili, ottenendo così un tasso di successo degli attacchi nullo con una perdita minima di utilità.
Il paper "CodePercept" identifica le carenze percettive come il principale limite del ragionamento visivo STEM negli MLLM e propone un nuovo paradigma che utilizza l'esecuzione di codice per migliorare la percezione, supportato dal dataset su larga scala ICC-1M e dalla nuova benchmark STEM2Code-Eval.
Il paper presenta RAGPerf, un framework open source end-to-end per il benchmarking dei sistemi di Retrieval-Augmented Generation che, decodificando il flusso di lavoro in componenti modulari, permette un'analisi dettagliata delle prestazioni e della qualità attraverso la configurazione flessibile di modelli, database vettoriali e carichi di lavoro realistici.