7226 articoli
Questo studio propone una valutazione comparativa di cinque approcci per la localizzazione cooperativa in ambienti privi di caratteristiche, evidenziando i compromessi tra accuratezza e consistenza del filtro per guidare la selezione dell'algoritmo in base ai requisiti applicativi.
La seconda edizione della traccia TREC 2025 RAG promuove la ricerca su sistemi che integrano recupero e generazione per rispondere a complesse esigenze informative reali, introducendo query narrative e valutando la trasparenza e la correttezza fattuale delle risposte su oltre 150 contributi.
Questo articolo presenta CourtSI, il primo dataset su larga scala e il relativo benchmark per valutare l'intelligenza spaziale dei modelli visione-linguaggio negli sport di rete, dimostrando come l'addestramento su questo nuovo corpus colmi il divario prestazionale tra AI e umani e migliori la capacità di ragionamento spaziale e generazione di commenti.
Questo articolo dimostra, attraverso modelli teorici e simulazioni, che il protocollo MAC distribuito 802.11 porta a equilibri di Nash inefficienti in ambienti non cooperativi, mentre un protocollo ideale che separa l'allocazione della risorsa condivisa dalle strategie di trasmissione permetterebbe ai nodi razionali di raggiungere un throughput superiore.
Questo articolo presenta due algoritmi pratici per la classificazione dei ruoli degli host nelle reti aziendali basati sui modelli di connessione, i quali, riducendo drasticamente il numero di gruppi identificati, semplificano la gestione di rete e migliorano il monitoraggio e l'analisi della sicurezza.
Il paper presenta WikiCLIP, un framework contrastivo efficiente che supera i metodi generativi per il riconoscimento di entità visive in dominio aperto, ottenendo prestazioni superiori su benchmark come OVEN e riducendo la latenza di inferenza di circa 100 volte grazie all'uso di embedding di modelli linguistici potenziati da un adattatore guidato dalla visione e da una sintesi di negativi difficili.
Questo paper dimostra che la distanza di Chamfer fallisce strutturalmente nell'ottimizzazione di forme 3D a causa di un collasso indotto dal gradiente che può essere risolto solo introducendo un accoppiamento non locale, come illustrato attraverso deformazioni a base condivisa e un prior MPM differenziabile.
Questo articolo dimostra che l'adozione di scritture fuori luogo (out-of-place) è fondamentale per massimizzare le prestazioni e prolungare la durata degli SSD nei sistemi di database, proponendo un redesign di LeanStore che riduce significativamente l'amplificazione delle scritture e migliora il throughput rispetto alle tradizionali scritture in luogo.
Il paper propone un metodo interpretabile per il recupero fine-granularità di movimenti 3D tramite immagini di angoli articolari e un'interazione tardiva token-patch, superando i limiti dei metodi basati su embedding globali e ottenendo risultati superiori su HumanML3D e KIT-ML.
Il paper propone un nuovo framework di adattamento di dominio non supervisionato basato sulla discrepanza del margine di disparità (MDD) per migliorare la segmentazione del fegato nelle immagini CBCT interventistiche, sfruttando dati CT annotati e dati CBCT non annotati proprietari per colmare il divario tra le due modalità di imaging.
Questo lavoro introduce un approccio di potatura dei token per i modelli di recupero a interazione tardiva, fondato sulla geometria iperspaziale e sulla stima delle celle di Voronoi, che riduce l'overhead di archiviazione dell'indice mantenendo la qualità del recupero e offrendo nuove intuizioni sul comportamento dei token.
Questo articolo introduce il concetto di "difficoltà della vetrina intera" (WSD), basato sul disaccordo tra patologi esperti e non esperti, e dimostra che integrare questa metrica nell'addestramento di modelli di Multiple Instance Learning migliora significativamente la precisione nella classificazione del cancro alla prostata, in particolare per i gradi Gleason più elevati.
Il paper presenta KDMR, un nuovo framework per il ridimensionamento cinematico-dinamico della locomozione umanoide che, formulando il problema come ottimizzazione di traiettoria a contatto multiplo e integrando dati di forza di reazione al suolo, genera movimenti fisicamente coerenti che superano i limiti dei metodi puramente cinematici e migliorano l'addestramento delle politiche di controllo.
Questo lavoro dimostra che il gioco del Tetris con una singola tipologia di pezzo (tranne il quadrato O) è NP-difficile sotto il sistema di rotazione SRS, smentendo una congettura di 23 anni fa, mentre fornisce algoritmi efficienti per casi specifici come i pezzi a forma di domino o barre con la parte superiore della griglia vuota.
Il paper presenta ReCoSplat, un modello autoregressivo di Gaussian Splatting che risolve il problema della sintesi di nuove viste online utilizzando un modulo "Render-and-Compare" per compensare gli errori di posa e una strategia di compressione della cache KV per gestire sequenze lunghe, ottenendo prestazioni state-of-the-art su diversi benchmark.
Il paper presenta TiPToP, un sistema modulare open-source per la pianificazione robotica che combina modelli visivi preaddestrati e un pianificatore Task and Motion (TAMP) per eseguire compiti di manipolazione complessi da immagini e istruzioni linguistiche senza richiedere dati robotici specifici, dimostrando prestazioni competitive rispetto a modelli VLA addestrati su grandi dataset.
Questo articolo presenta un nuovo quadro generale che estende la compilazione in d-DNNF al livello SMT, permettendo di rispondere a query complesse in tempo polinomiale combinando formule SMT con lemmi teorici pre-calcolati e sfruttando ragionatori proposizionali esistenti.
Questo articolo presenta un sistema di difesa aerea integrato basato su agenti che utilizza l'architettura BDI e il ragionamento sui piani per automatizzare completamente le funzioni di comando e controllo, come il rilevamento, la valutazione delle minacce e l'allocazione delle armi, senza necessità di input manuali.
Questo studio analizza come gli algoritmi dei social media che privilegiano contenuti virali possano, paradossalmente, migliorare l'aggregazione delle informazioni o generare stati di equilibrio auto-perpetuanti in cui la maggior parte delle notizie condivise è errata a causa delle credenze distorte degli utenti razionali.
Questo lavoro propone un metodo di apprendimento statistico innovativo per le aste multi-prodotto che utilizza intervalli di credibilità stimati non parametricamente per semplificare l'implementazione e ridurre i costi, garantendo al contempo proprietà desiderabili come l'incentivazione alla verità e la massimizzazione del ricavo.