2403 articoli
Questo articolo introduce AlloyGen, un framework multi-agente auto-adattivo e basato sulla fisica che orchestra autonomamente il recupero delle conoscenze, le simulazioni termodinamiche e l'organizzazione dinamica dei team per snellire i flussi di lavoro complessi della progettazione di leghe per la produzione additiva.
Il documento introduce FetMRIE, un nuovo framework non supervisionato che utilizza il denoising a diffusione con adattamento di corrispondenza di stato per migliorare la risonanza magnetica del cervello fetale, sopprimendo efficacemente il rumore e gli artefatti indotti dal movimento e preservando al contempo i dettagli anatomici e patologici critici senza richiedere immagini di riferimento pulite.
Questa survey presenta un framework unificato di apprendimento rappresentazionale che traccia la convergenza dei paradigmi discriminativo, multimodale e generativo nella moderna visione artificiale — dalle CNN e dai Vision Transformer fino ai modelli foundation e di diffusione — sostenendo una prospettiva coesa per far avanzare l'intelligenza visiva general-purpose.
Questo studio riferisce che il modello di rilevamento del testo IA WordBinary ha raggiunto una precisione di classificazione perfetta (100%) su un benchmark specifico di 11.000 campioni comprendenti 9.000 testi generati dall'IA e 2.000 articoli accademici umani precedenti al 2015, pur riconoscendo che tali risultati richiedono un'ulteriore validazione indipendente e test più ampi prima di generalizzarli a una precisione universale.
Questo articolo introduce e valida un framework sistematico per l'audit della affidabilità dei benchmark dei modelli linguistici di grandi dimensioni (LLM) in lingua bengalese, rilevando la contaminazione dei dati cross-lingua e misurando la robustezza rispetto alle perturbazioni, rivelando che i risultati pilota iniziali mostrano prestazioni appena superiori ai livelli del caso.
Questa revisione esamina l'impatto trasformativo delle tecniche di ricostruzione di immagini 3D guidate dall'IA e convenzionali nell'imaging medico, evidenziando come il deep learning, la realtà aumentata e gli algoritmi ottimizzati migliorino la precisione diagnostica e la pianificazione chirurgica affrontando al contempo sfide persistenti come le richieste computazionali e il rumore.
Questo studio dimostra che JuriBERT, un modello adattato al dominio legale francese, predice con la massima accuratezza l'esito di oltre 157.000 decisioni dei tribunali amministrativi francesi basandosi esclusivamente sui background fattuali e procedurali, raggiungendo un punteggio macro F1 di 0,718 e mettendo in luce il segnale predittivo incorporato nei fatti del caso prima dell'adjudicazione.
Questo articolo presenta una valutazione controllata che dimostra come la selezione del contesto della knowledge graph a ambito di repository generi efficacemente test di validazione dell'ontologia per l'artefatto multi-modulo TKTOnto isolando automaticamente i moduli rilevanti, soddisfacendo un contratto di rilevanza deterministico e riducendo i token di input del 2,24%.
Questo studio propone un metodo di onere decisionale monotono e consapevole della ridondanza per la supervisione umana spiegabile nella collaborazione uomo-robot che assicura che le condizioni di sicurezza non siano mai sovrascritte da punteggi aggregati, dimostrando prestazioni predittive migliorate e monotonia matematica rispetto ai modelli non regolati in estese simulazioni computazionali, pur rilevando la necessità di una futura validazione sul campo.
Questo articolo propone un framework di ottimizzazione automatizzata degli iperparametri per la diagnosi dei guasti meccanici basata sul transfer learning mediante un algoritmo ibrido Genetic–Simulated Annealing, che dimostra robusti miglioramenti delle prestazioni rispetto ai metodi baseline in diversi scenari industriali che coinvolgono scarsità di dati e shift di dominio.