6629 articoli
Il paper introduce ABD, un benchmark per valutare la capacità dei modelli linguistici di generare formule logiche di prima ordine che definiscono eccezioni sparsamente in mondi finiti, evidenziando attraverso l'analisi di dieci modelli all'avanguardia su 600 istanze che, sebbene ottengano alta validità, persistono significative lacune nella parsimonia e modalità di fallimento nella generalizzazione.
Questo lavoro introduce il nuovo setting di Open-Vocabulary Domain Generalization in Semantic Segmentation (OVDG-SS) per la guida autonoma, proponendo un benchmark e il metodo S2-Corr per migliorare la robustezza dei modelli di segmentazione sia su domini non visti che su categorie non viste, mitigando le distorsioni nelle correlazioni testo-immagine causate dai cambiamenti di dominio.
Il paper introduce INDUCTION, un benchmark per la sintesi di concetti in logica del primo ordine su strutture finite, che valuta la capacità dei modelli di generare formule logiche concise e generalizzabili attraverso tre diversi regimi di verifica.
Il paper presenta SKYLIGHT, un'architettura scalabile di core tensoriali fotonici in memoria a 3D con 100 canali che supera le limitazioni attuali offrendo un'efficienza energetica e prestazioni superiori per l'inferenza AI in tempo reale e l'apprendimento locale.
Il paper presenta UniMatch, un framework innovativo che utilizza un approccio a due stadi basato su segmentazione semantica e guida linguistica per stabilire corrispondenze dense tra forme 3D non isometriche di categorie diverse, superando i limiti dei metodi precedenti.
Il documento sostiene che iCloud fallisce a causa di un errore categoriale fondamentale nel proiettare un grafo causale distribuito su una catena temporale lineare, generando incompatibilità strutturali con flussi di lavoro complessi, e propone che la semantica transazionale dell'Open Atomic Ethernet offra la soluzione allineando i protocolli alla realtà fisica.
Il paper propone InfScene-SR, un metodo di super-risoluzione basato su modelli di diffusione che, grazie alle tecniche di fusione con correzione della varianza (VCF) e correzione spazialmente disaccoppiata (SDVC), permette di generare immagini ad alta risoluzione di dimensioni arbitrarie eliminando gli artefatti di confine e riducendo la complessità computazionale.
Il paper propone un metodo di decomposizione e ricomposizione online di oggetti, scene e pose della camera per generare dati di addestramento diversificati e migliorare l'efficienza dei modelli di rilevamento 3D monoculari, riducendo la dipendenza da grandi quantità di dati annotati.
Questo lavoro presenta un framework di decomposizione delle immagini basato su modelli di diffusione pre-addestrati e adattati tramite LoRA, che utilizza una strategia di tuning ciclicamente coerente e un processo di auto-miglioramento progressivo per separare con precisione elementi complessi come i loghi dalle loro superfici di sfondo, garantendo una ricostruzione fedele di entrambi gli strati.
Il paper presenta "See It, Say It, Sorted", un framework iterativo e privo di addestramento che riduce le allucinazioni visive e migliora il ragionamento nei modelli LVLM supervisionando ogni passo del ragionamento con evidenze visive dinamiche estratte dall'immagine.
Il paper introduce ARLArena, un framework unificato per analizzare la stabilità dell'apprendimento per rinforzo agenziale, e propone SAMPO, un metodo di ottimizzazione che garantisce un addestramento stabile e performante per agenti basati su LLM.
Questo lavoro presenta un approccio unificato alla segmentazione semantica di immagini e video che utilizza il linguaggio modellato per generare maschere come sequenze di token discreti ottenuti tramite codifica RLE, integrando strategie di compressione e informazioni sulle istanze per raggiungere prestazioni competitive.
Il paper presenta EmoOmni, un framework unificato che migliora la comprensione e l'espressione emotiva nei modelli linguistici multimodali omnimodali attraverso l'introduzione della Catena di Pensiero Emotiva (E-CoT), un dataset annotato e una nuova valutazione, ottenendo prestazioni superiori rispetto a modelli più grandi.
Il paper presenta CryoNet.Refine, un modello di diffusione deep learning a un singolo passaggio che automatizza e accelera il raffinamento dei modelli strutturali in mappe di densità Cryo-EM, superando i metodi tradizionali in termini di velocità e qualità geometrica.
Questo articolo esplora come gli agenti AI, attraverso il concetto di "vibe researching" e un framework cognitivo che delinea i limiti tra compiti codificabili e conoscenza tacita, possano potenziare ma non sostituire i ricercatori sociali, sollevando al contempo questioni critiche riguardo alla stratificazione professionale e alla crisi pedagogica.
Lo studio scompone la discrepanza tra medici nel dataset HealthBench, rivelando che la maggior parte della varianza è strutturale e irriducibile, sebbene la risoluzione delle incertezze riducibili (come la mancanza di contesto) possa comunque offrire spunti pratici per migliorare la progettazione delle valutazioni dell'IA medica.
Il paper presenta WISER, un framework senza addestramento per il recupero di immagini composte zero-shot che supera i limiti dei metodi esistenti unendo la ricerca a doppio percorso (testo e immagine) con un meccanismo di verifica e raffinamento adattivo, ottenendo prestazioni superiori su diversi benchmark.
Il paper introduce PackUV, un nuovo metodo di rappresentazione 4D basato su Gaussian Splatting che mappa gli attributi volumetrici in atlanti UV strutturati per garantire coerenza temporale, compatibilità con i codec video standard e scalabilità, validato su un vasto dataset di 2 miliardi di frame.
Questo lavoro propone un approccio di pianificazione generalizzata basato sull'apprendimento esplicito di modelli di transizione neurali che prevedono gli stati successivi, dimostrando che tale metodo supera i pianificatori basati su Transformer nella generalizzazione fuori distribuzione e nell'efficienza dei campioni, richiedendo meno dati e modelli più piccoli.
Il paper propone HART, un framework di post-addestramento basato sul reinforcement learning che permette ai Large Multimodal Models di migliorare il ragionamento visivo ad alta risoluzione e la localizzazione delle regioni chiave senza richiedere annotazioni esterne.