7856 articoli
Il paper presenta SpikeSMOKE, un'architettura di reti neurali spiking per il rilevamento 3D di oggetti da singola immagine che, grazie a un innovativo meccanismo di codifica a gate multi-scala (CSGC) e a blocchi residui leggeri, migliora significativamente le prestazioni rispetto ai modelli esistenti riducendo al contempo il consumo energetico e la complessità computazionale.
Questo lavoro presenta le prime approssimazioni logaritmiche per problemi di dominazione totale e parziale tolleranti ai guasti, introducendo un nuovo framework di approssimazione che estende le funzioni non submodulari dai valori interi a quelli frazionari.
Questo lavoro presenta un vasto dataset longitudinale di oltre 75 milioni di commenti e 400 milioni di voti provenienti dal forum del quotidiano austriaco DerStandard tra il 2013 e il 2022, progettato per facilitare l'analisi delle dinamiche di discussione e della struttura semantica in lingua tedesca garantendo al contempo la privacy degli utenti attraverso l'anonymizzazione e la condivisione di rappresentazioni vettoriali anziché dei testi grezzi.
Il documento presenta PyPitfall, un'analisi quantitativa dell'ecosistema PyPI che rivela la vasta diffusione di dipendenze vulnerabili in centinaia di migliaia di pacchetti Python, evidenziando i rischi per la sicurezza della catena di approvvigionamento software.
Il paper introduce FieldLVLM, un nuovo framework che migliora la comprensione dei dati di campo scientifici da parte dei Large Vision-Language Models attraverso una strategia di generazione linguistica consapevole del campo e un adattamento multimodale con compressione dei dati, ottenendo risultati superiori su benchmark specifici.
Questo lavoro presenta l'analisi teorica e la discretizzazione mediante un metodo agli elementi virtuali per un modello accoppiato 3D-2D di flusso di Stokes e piastra poroelastica Biot-Kirchhoff, dimostrando la risolubilità unica, la stabilità e la convergenza ottimale del metodo, con un'applicazione alla simulazione dell'isolamento immunitario tramite membrane di nanopori in silicio.
Questo articolo propone una strategia di controllo robusta e conforme, basata sull'apprendimento per rinforzo multi-task e sulla distillazione delle politiche, per gestire l'assemblaggio di precisione in batch di componenti con tipi e quantità di accoppiamento incerti, dimostrando sperimentalmente un'efficienza di addestramento superiore e un tasso di successo più elevato rispetto ai metodi esistenti.
Il documento presenta un algoritmo deterministico polinomiale basato su un framework computazionale grafico che, riducendo la verifica dei certificati NP a estensioni incrementali di archi con coerenza globale, fornisce una dimostrazione costruttiva dell'uguaglianza P = NP.
Il paper presenta YOPO, un metodo end-to-end basato su transformer che unifica rilevamento e stima della posa 9D a livello di categoria da singole immagini RGB, ottenendo prestazioni all'avanguardia su tre benchmark senza richiedere dati aggiuntivi come profondità o modelli CAD.
Il documento presenta "Adaptive Tamaraw", un nuovo framework di difesa contro la fingerprinting dei siti web che combina regolarizzazione adattiva e raggruppamento in cluster per garantire sicurezza dimostrabile riducendo drasticamente l'overhead di traffico fino al 99% rispetto alle soluzioni classiche.
Il paper presenta BLAST, un tool che combina modelli linguistici di grandi dimensioni (LLM) e test basati sulla ricerca (SBST) per generare automaticamente test di riproduzione degli errori, dimostrando una superiorità rispetto allo stato dell'arte su un benchmark Python e un impatto reale attraverso un bot GitHub che ha proposto con successo nuovi test agli sviluppatori in repository open-source.
Il paper presenta CoRe-GS, un framework di Gaussian Splatting che ottimizza selettivamente solo le regioni di interesse (POI) attraverso un approccio "coarse-to-refined" e un filtraggio basato sul colore, riducendo drasticamente i tempi di calcolo e migliorando la qualità della ricostruzione per applicazioni robotiche in tempo reale.
Questo studio empirico su larga scala analizza l'uso dell'aritmetica in virgola mobile in milioni di repository GitHub per linguaggi staticamente tipizzati, fornendo un dataset di 10 milioni di funzioni reali e valutando la rappresentatività degli attuali benchmark rispetto al codice di produzione.
Questo lavoro presenta AwesomeDE, un approccio che utilizza i grandi modelli linguistici per generare automaticamente e ottimizzare algoritmi evolutivi per problemi vincolati, superando i metodi esistenti in termini di efficienza computazionale, accuratezza e generalizzazione.
Questo lavoro propone un approccio decentralizzato per il trasporto cooperativo di oggetti non agganciabili da parte di squadre di robot quadrupedi, utilizzando una politica gerarchica e una formulazione ricompensa innovativa che permette il coordinamento tramite forze di contatto senza comunicazione né vincoli meccanici rigidi, garantendo robustezza e scalabilità fino a dieci robot.
Questo articolo analizza otto implementazioni reali di intelligenza artificiale in contesti non occidentali per identificare sei fattori chiave e proporre dodici linee guida che enfatizzano la collaborazione interdisciplinare e l'allineamento culturale nella progettazione di sistemi di AI per il bene sociale.
Il documento presenta il CSLICS, un sistema di imaging automatizzato a basso costo che utilizza tecniche di visione artificiale per contare con precisione le uova di corallo e le larve, riducendo drasticamente il lavoro manuale e facilitando il ripristino delle barriere coralline.
Questo lavoro propone un metodo non supervisionato per recuperare i meccanismi di codifica e decodifica dei concetti nei network di visione profonda, identificando coppie di direzioni latenti che permettono di interpretare, correggere e manipolare il comportamento dei modelli senza ricorrere alla ricostruzione delle feature.
Il paper introduce LLaVAShield, un sistema di sicurezza progettato per proteggere i dialoghi multimodali multi-turno nei modelli visione-linguaggio, supportato dal nuovo dataset MMDS e dal framework di red teaming MMRT, che supera le soluzioni esistenti nella rilevazione dei rischi contestuali e nell'adattabilità alle policy.
Questo studio presenta un pipeline di deep learning scalabile basato su una rete U-Net a doppio passaggio che, analizzando le mappe storiche Scan Histo (1925-1950), genera il primo dataset nazionale a scala aperta degli impronte urbane in Francia, superando le sfide legate alla complessità radiometrica e stilistica delle fonti originali.