7200 articoli
Questo articolo presenta un motore di calcolo matematico a precisione dinamica per microcontrollori Xtensa LX6 come l'ESP32, che combina un'aritmetica in punto fisso, un modulo CORDIC e una moltiplicazione di matrici ottimizzata per ottenere accelerazioni fino a 24,7 volte rispetto alle librerie standard, permettendo un cambio di precisione in tempo reale senza ricompilazione.
Questo studio dimostra che, sebbene ChatGPT possa generare specifiche di requisiti di sistema sintetiche realistiche fino al 62% secondo gli esperti, l'uso esclusivo di valutazioni basate su modelli linguistici non può sostituire le revisioni approfondite degli esperti a causa di allucinazioni e contraddizioni intrinseche.
Il paper propone la Calibrazione Spettrale Predittiva (PSC), un framework senza sorgente che estende l'allineamento del sottospazio al matching spettrale a blocchi per migliorare l'adattamento al test nella regressione di immagini, ottenendo risultati superiori rispetto alle basi esistenti, specialmente in presenza di forti spostamenti distribuzionali.
Questo tutorial presentato all'ICDE 2026 esplora il ciclo virtuoso di reciproco potenziamento tra l'intelligenza artificiale e la ricerca vettoriale, analizzando come l'AI ottimizzi i sistemi di ricerca e come la ricerca vettoriale, in particolare attraverso il framework RAG, estenda le capacità dei modelli linguistici di grandi dimensioni.
Il paper propone un framework di steganografia d'immagine robusto e provabilmente sicuro basato sull'ottimizzazione iterativa nello spazio latente, che migliora significativamente l'accuratezza dell'estrazione del messaggio sotto compressione e vari processi di elaborazione delle immagini mantenendo al contempo la sicurezza teorica.
ProvAgent è un framework innovativo che supera i limiti della collaborazione uomo-modello nella rilevazione delle minacce APT, integrando screening iniziale, profilazione basata su coerenza identità-comportamento e indagine autonoma tramite agenti multipli per ricostruire processi di attacco complessi con alta precisione e costi ridotti.
Il documento presenta EPPINN, un nuovo framework che integra l'apprendimento evidenziale con le reti neurali informate dalla fisica per stimare i parametri di perfusione cerebrale nella risonanza magnetica per ictus ischemico acuto, permettendo una quantificazione dell'incertezza e migliorando sia l'accuratezza che l'affidabilità rispetto ai metodi esistenti.
Il paper presenta SinGeo, un framework innovativo che utilizza un'architettura di apprendimento discriminativo duale e una strategia di curriculum learning per abilitare un singolo modello a raggiungere una geo-localizzazione cross-view robusta e state-of-the-art su diverse condizioni di campo visivo, superando i limiti delle metodologie esistenti.
Questo articolo stabilisce esplicitamente un limite costruttivo secondo cui la dimensione ottimale di un circuito cambia al massimo di in seguito a perturbazioni della tabella di verità, estendendo il risultato a distanze di Hamming generali e convalidandolo sperimentalmente per nel basis AIG, dove la differenza massima osservata è esattamente .
Il paper presenta PixelConfig, un framework di analisi differenziale che, attraverso lo studio longitudinale di 18.000 siti web sanitari, rivela come le configurazioni predefinite del Meta Pixel consentano un tracciamento pervasivo di attività e identità degli utenti, inclusa la raccolta di dati sensibili, mentre le funzionalità di restrizione del tracciamento risultano spesso inefficaci o facilmente aggirabili.
Il paper introduce EventVGGT, un nuovo framework che supera i limiti delle attuali stime di profondità basate su eventi modellando il flusso come una sequenza video coerente e distillando conoscenze spaziotemporali e geometriche dal modello VGGT attraverso una strategia di distillazione tri-livello, ottenendo così risultati significativamente più accurati e coerenti nel tempo.
Il paper presenta MIDAS, un framework di steganografia senza copertura basato su diffusione e privo di addestramento che abilita il nascondimento di più immagini con controllo degli accessi specifico per utente, superando i limiti delle soluzioni esistenti in termini di qualità, robustezza e resistenza all'analisi steganografica.
Il paper presenta GeoBenchr, una suite di benchmarking open source e incentrata sulle applicazioni per valutare in modo completo le piattaforme di database spaziotemporali, colmando il divario tra le soluzioni esistenti e le esigenze reali di settori come il ciclismo, l'aviazione e il tracciamento marittimo.
Questo paper propone un innovativo sistema di identificazione per veicoli autonomi da corsa che combina una rete neurale leggera per stimare l'attrito stradale tramite visione, un modello S4 per catturare le dinamiche temporali residue e un algoritmo di ottimizzazione senza derivate per estrarre parametri fisici interpretabili, ottenendo così una convergenza più rapida e una maggiore precisione rispetto ai metodi tradizionali.
Il paper introduce YOLO-NAS-Bench, il primo benchmark surrogato per la ricerca architettonica di modelli YOLO, che utilizza un meccanismo di auto-evoluzione per affinare un predittore basato su LightGBM, permettendo di scoprire architetture di rilevamento oggetti superiori alle versioni ufficiali con costi di valutazione drasticamente ridotti.
Il paper presenta RiO-DETR, il primo trasformatore di rilevamento orientato in tempo reale che risolve le sfide specifiche degli angoli attraverso design nativi come la stima dell'angolo guidata dal contenuto e la raffinazione periodica disaccoppiata, ottenendo un nuovo compromesso tra velocità e accuratezza su dataset orientati.
Questo articolo propone un quadro unificante per i teoremi di dicotomia della complessità nelle reti tensoriali booleane, classificando i problemi irrisolti in nove casi basati su gruppi finiti di funzioni binarie e risolvendo i casi dei gruppi ciclici di ordine superiore.
Il paper presenta CIGPose, un framework basato su un'intervento causale e reti neurali grafiche che elimina le correlazioni spurie legate al contesto visivo per migliorare la robustezza e l'accuratezza della stima della posa del corpo intero, ottenendo nuovi risultati state-of-the-art sul dataset COCO-WholeBody.
Il paper presenta MetaDAT, un metodo di previsione delle traiettorie che combina un pre-addestramento meta-learning con un aggiornamento adattivo dei dati durante il test per migliorare l'accuratezza e l'efficienza in scenari con cambiamenti distributivi.
Questo studio dimostra come le vulnerabilità binarie nei moduli WebAssembly possano compromettere i meccanismi di sicurezza delle applicazioni web, facilitando attacchi come SQL Injection e XS-Leaks, e propone strategie difensive per mitigare tali rischi.