6330 articoli
Questo articolo dimostra che i limiti inferiori uniformi nondeterministici per problemi come k-SAT e MAX-3-SAT implicano l'esistenza di generatori di funzioni booleane monotone, matrici rigide e tensori di alto rango, stabilendo così limiti inferiori non uniformi condizionati in diversi modelli computazionali.
Questo studio analizza come le pratiche di piattaforma di TikTok e Spotify influenzino diversamente la produzione e la ricezione della musica, rivelando differenze significative nelle caratteristiche delle hit e un flusso di influenza che spesso vede la popolarità su Spotify precedere quella su TikTok.
Lo studio dimostra che agenti algoritmici privi di informazioni dirette sui concorrenti possono sviluppare una "collusione ingenua" nei giochi ripetuti, la cui probabilità di emergere dipende criticamente dalla sincronizzazione delle azioni e dal tipo di politica di apprendimento utilizzata, variando da impossibile a certa a seconda che gli algoritmi siano persistentemente casuali, asintoticamente deterministici o puramente deterministici.
Il documento presenta Prithvi-EO-2.0, un nuovo modello fondazionale geospaziale open-source addestrato su 4,2 milioni di serie temporali globali che supera le prestazioni del suo predecessore e di altri modelli esistenti, offrendo versatilità in applicazioni come la risposta alle emergenze e il monitoraggio ambientale grazie a un approccio di scienza aperta collaborativa.
Il paper presenta iLLaVA, un metodo innovativo che accelera end-to-end i modelli multimodali grandi ottimizzando congiuntamente il codificatore di immagini e l'LLM tramite una strategia di fusione dei token che ricicla le informazioni utili, ottenendo significativi miglioramenti sia nell'efficienza computazionale che nelle prestazioni.
Questo articolo analizza la complessità computazionale del calcolo di un Equilibrio di Nash puro nei concorsi di Tullock eterogenei, dimostrando che la difficoltà è determinata dal numero di concorrenti con elasticità media, che delimita un regime efficiente risolvibile in tempo polinomiale da uno NP-completo per il quale viene proposto uno schema di approssimazione in tempo polinomiale completo (FPTAS).
Il paper presenta LangSurf, un metodo che allinea con precisione i campi linguistici 3D alle superfici degli oggetti mediante un'addestramento congiunto e un modulo di consapevolezza contestuale gerarchica, superando le prestazioni dello stato dell'arte per la segmentazione semantica open-vocabulary e abilitando compiti avanzati di editing e rimozione in 3D.
Questo articolo propone un framework basato sul deep learning che integra dati storici di interruzioni e meteorologici per valutare la resilienza dei sistemi elettrici, validando il metodo su dati simulati e reali e fornendo indicazioni per investimenti mirati nelle risorse energetiche distribuite.
Questo articolo presenta una tecnica basata sull'apprendimento per trasferimento e reti neurali twin per identificare le versioni del firmware dei dispositivi IoT analizzando le fluttuazioni nel traffico di rete, dimostrando un'efficacia superiore ai metodi tradizionali anche con dati di addestramento limitati.
Questo studio di caso esamina l'impatto dell'AI Helper di CGScholar sullo sviluppo della scrittura di sei studenti di undicesima classe in una scuola a basso reddito, rivelando come il feedback generato dall'intelligenza artificiale abbia sostenuto il loro apprendimento e fornito spunti per il miglioramento dello strumento.
Questo lavoro presenta il primo approccio sistematico di analisi statica e dinamica del flusso di dati per le API grafiche, focalizzato sulla rilevazione di controlli di accesso compromessi attraverso la modellazione delle chiamate API con regole di trasformazione e l'uso dell'analisi delle coppie critiche, come dimostrato dall'applicazione all'API GraphQL di GitHub.
Questo articolo propone un modello di diffusione agnostico rispetto al problema, basato sulla stima del termine guidato tramite MAP, che sfrutta score network preaddestrati e un prior gaussiano per risolvere problemi inversi nell'elaborazione delle immagini con una migliore preservazione dei contenuti rispetto agli stati dell'arte.
Il paper presenta VL-Nav, un sistema di navigazione visione-linguaggio neuro-simbolico che combina ragionamento neurale e guida simbolica per decomporre compiti complessi e ottimizzare l'esplorazione, ottenendo risultati di successo superiori nell'83,4% dei casi in ambienti indoor e nell'86,3% in esperimenti reali.
Questo studio presenta un quadro tecnico e una tassonomia per analizzare criticamente le argomentazioni delle grandi aziende tecnologiche che oppongono la sicurezza all'interoperabilità nei procedimenti antitrust dell'UE, offrendo strumenti per valutare l'effettiva validità di tali preoccupazioni.
Il paper introduce Prompt-SID, un framework di denoising per immagini singole basato sull'apprendimento di prompt strutturali generati tramite un processo di diffusione latente e integrati in un denoiser transformer, che addestrato in modo auto-supervisionato preserva efficacemente i dettagli strutturali superando i limiti delle metodologie esistenti.
Questo studio offre una panoramica completa sulla responsabilità dell'IA generativa, analizzando 232 ricerche per colmare il divario tra principi di governance, valutazione tecnica e implementazione settoriale, proponendo nuovi criteri di valutazione e un'agenda di ricerca per garantire uno sviluppo sicuro e sostenibile.
Questo studio presenta un algoritmo che fonde immagini MRI multimodali pre-elaborate e segmentate tramite architetture UNET in 2D e 3D, per poi classificarle con un modello ResNet50, ottenendo un'accuratezza del 99,25% nella sottoclassificazione dei gliomi.
Questo studio propone un approccio di deep learning basato su architetture UNET, Inception e ResNet per la segmentazione automatica 2D e 3D dei gliomi, ottenendo risultati superiori (con un'accuratezza fino al 99,77% e un punteggio Dice di 0,9888) che bilanciano efficienza computazionale e precisione spaziale per supportare la diagnosi clinica.
Il paper introduce DEBT control, un protocollo congiunto di instradamento e controllo del flusso che, mediante un meccanismo di prezzi dinamici basato sul flusso netto di denaro, guida le reti di canali di pagamento verso uno stato operativo ottimale garantendo la convergenza.
Il documento presenta la "Diffusion Stabilizer Policy" (DSP), un framework di apprendimento basato su modelli di diffusione che permette ai robot chirurgici di essere addestrati anche con traiettorie imperfette o fallite, garantendo prestazioni superiori e robustezza in ambienti chirurgici perturbati.