927 articoli
Questo articolo propone un approccio alla generazione di casi di test basato su LLM, potenziato da un repository di memoria di progetto che integra dati storici e contesto di rilascio per migliorare significativamente la copertura dei rischi, ridurre la duplicazione e aumentare il rilevamento dei difetti nei sistemi software su larga scala.
Questo articolo stabilisce un modello preliminare basato su una CNN in MATLAB per la classificazione binaria tra maligno e non maligno di ecografie mammarie utilizzando il dataset BrEaST, ottenendo un'accuratezza di test migliorata pur inquadrando esplicitamente l'etichettatura esplorativa dei sottotipi e la spiegabilità come direzioni di ricerca future piuttosto che come risultati validati.
Questo articolo presenta un framework di programmazione differenziabile modulare che integra l'interpretabilità direttamente in un modello di catena di Markov a tempo continuo per il supporto alle decisioni cliniche, scomponendo i tassi di transizione in fattori clinicamente significativi, calcolandone le sensibilità tramite differenziazione automatica stocastica e generando spiegazioni tracciabili in linguaggio naturale in tempo reale.
Questo studio confronta le prestazioni di NLTK, TextBlob e spaCy nel gestire frasi "garden path" causate da spostamenti funzionali, riscontrando che spaCy supera significativamente le altre due librerie nell'accuratezza sintattica e offrendo spunti per migliorare gli strumenti di NLP, inclusi quelli per le lingue africane.
Questo articolo presenta un'architettura di riferimento e un'implementazione open-source che colma il divario tra l'apprendimento automatico e la ricerca operativa nella pianificazione della catena di approvvigionamento integrando la previsione probabilistica conforme con il routing stocastico basato su scenari, dimostrando empiricamente attraverso un backtest sintetico che le previsioni quantiliche non calibrate portano a una significativa sotto-copertura e a rischi di rottura di stock, convalidando così la necessità di interfacce consapevoli della calibrazione per un supporto decisionale affidabile.
Questo articolo introduce un framework di teleoperazione dematerializzato basato sulla Teoria del Controllo per Disaccoppiamento Cinematico che elimina la necessità di gemelli cinestetici fisici decomponendo ortogonalmente l'intento umano nello spazio informativo, ottenendo così una generalizzazione zero-shot attraverso diverse morfologie robotiche e ribaltando la convinzione radicata che il feedback di forza fisica sia essenziale per un controllo robotico intuitivo.
Cethraian-X è un benchmark open-source, privo di perdite di dati (leakage-clean), per la classificazione multi-label di radiografie del torace utilizzando il dataset NIH ChestX-ray14 che stabilisce rigorosi standard di riproducibilità attraverso la valutazione multi-seed, l'analisi della calibrazione e strumenti di spiegabilità per consentire un confronto trasparente dei metodi futuri.
Questo articolo presenta un framework di tracciamento semantico per sistemi multi-agente basati su LLM utilizzando LangChain, LangGraph e LangSmith all'interno del prototipo SHADOWAI-RISK, dimostrando che l'integrazione della valutazione semantica riduce significativamente la deriva semantica e le violazioni dei vincoli, comportando solo un moderato aumento della latenza e un costo locale nullo.
Questo articolo presenta e valuta un Automated Learning Engine (ALE) che va oltre il RAG standard impiegando un sistema orchestrato da più LLM con recupero ibrido e flussi di lavoro basati su macchine a stati, dimostrando un miglioramento significativo dell'accuratezza fattuale, della rilevanza contestuale e una riduzione dei tassi di allucinazione nella sintesi della conoscenza aziendale rispetto alle configurazioni di base.
Attraverso esperimenti empirici su un pool fisso di 24 milioni di token, questo articolo dimostra che un filtraggio aggressivo della qualità sotto un budget di calcolo fisso spesso danneggia le prestazioni del modello forzando un'eccessiva ripetizione dei dati, mentre il mantenimento di dati di qualità inferiore e il sovracampionamento di sottoinsiemi di alta qualità produce risultati superiori o equivalenti attraverso vari obiettivi.