6946 articoli
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.
Questo articolo propone un nuovo framework parallelo per sistemi multi-agente basati su LLM in Minecraft, che supera i limiti delle esecuzioni seriali adottando un'architettura a doppio thread per consentire la pianificazione e l'azione simultanee, migliorando così la reattività in ambienti dinamici.
Il paper propone un modello di apprendimento profondo geometrico basato su transformer che, integrando punti di riferimento anatomici in mesh tetraedriche derivanti da risonanza magnetica strutturale, migliora la diagnosi dell'Alzheimer e la previsione della positività all'amiloide cerebrale, riducendo la necessità di scansioni PET costose e invasive.
Il paper presenta ViLAM, un metodo innovativo che distilla il ragionamento visivo-linguistico da grandi modelli in mappe di attenzione spaziale per guidare la navigazione socialmente consapevole di robot, ottenendo miglioramenti significativi nel tasso di successo rispetto alle tecniche esistenti.
Il paper introduce Snapmoji, un sistema che genera istantaneamente avatar 3D animabili e personalizzabili su dispositivi mobili a 30-40 FPS, trasformando un selfie in uno stile principale tramite l'adattamento del dominio Gaussiano (GDA) e applicando successivamente uno stile secondario pur preservando l'identità dell'utente.
Il paper presenta iProg, uno strumento di programmazione induttiva strutturata interattiva che, sfruttando un protocollo di comunicazione bidirezionale tra umani e modelli linguistici per decomporre i compiti in diagrammi di flusso dati e generare codice verificato, permette di costruire sistemi di analisi dati scientifici con qualità superiore e tempi di sviluppo drasticamente ridotti rispetto alle alternative No Code.
Il paper presenta SceneEval, un nuovo framework di valutazione e un benchmark di 500 campioni (SceneEval-500) progettati per misurare in modo completo e interpretabile la coerenza semantica e il rispetto delle specifiche testuali nella sintesi di scene 3D interne, evidenziando le lacune attuali nei metodi di generazione esistenti.
Questo paper propone un nuovo approccio per l'apprendimento compatibile con il passato che, rilassando i vincoli di allineamento tramite perturbazioni sui prototipi delle vecchie caratteristiche, preserva la capacità discriminatoria del nuovo modello senza richiedere il costoso ricalcolo delle embedding.
Il documento propone un'architettura di ripetitori a fiducia zero per le reti QKD che utilizza la crittografia omomorfica per eseguire la riconversione delle chiavi senza esporle in chiaro, superando così le vulnerabilità dei nodi intermedi tradizionali e migliorando la scalabilità e la sicurezza delle infrastrutture di comunicazione quantistica.