8103 articoli
Questo articolo presenta algoritmi di calcolo massivamente parallelo (MPC) scalabili che, operando in un regime di memoria fortemente sublineare, orientano gli archi e colorano i vertici di un grafo in round in base alla densità del sottografo più denso, superando così il limite di complessità di delle soluzioni precedenti.
Il paper propone un framework agentic basato su modelli linguistici e agenti AI che trasforma il ciclo di vita della reportistica ESG da un processo statico a un sistema dinamico e adattivo, integrando automazione e feedback continuo per identificazione, misurazione, reporting e miglioramento delle performance di sostenibilità.
Il paper presenta SLiM, un nuovo framework unificato per l'apprendimento di rappresentazioni scheletriche che elimina il decoder nei modelli mascherati, integrandoli con l'apprendimento contrastivo per ottenere prestazioni all'avanguardia con un costo computazionale di inferenza ridotto di 7,89 volte rispetto ai metodi MAE esistenti.
Questo lavoro presenta un'analisi sistematica delle scelte progettuali per gli embedding nei flussi di lavoro di osservazione della Terra basati su modelli fondazionali geospaziali, dimostrando come rappresentazioni intermedie compatte e ottimizzate possano sostituire i dati grezzi mantenendo alte prestazioni su diverse attività.
Questo articolo presenta la progettazione e l'implementazione di un cestino dei rifiuti automatico e senza contatto basato su microcontrollore STM32, che utilizza sensori a ultrasuoni e un motore servo per rilevare la presenza dell'utente, aprire il coperchio e monitorare il livello di riempimento, offrendo una soluzione economica e affidabile per migliorare l'igiene in vari ambienti.
Il paper sostiene che l'efficacia degli strumenti basati su terminale per la collaborazione uomo-AI derivi da tre proprietà progettuali fondamentali (compatibilità rappresentazionale, trasparenza delle azioni e bassa barriera d'ingresso) che dovrebbero guidare la progettazione di qualsiasi interfaccia futura, rendendo il terminale un modello di riferimento piuttosto che un artefatto obsoleto.
Il paper propone TriRec, il primo framework di raccomandazione basato su agenti LLM a tre parti che coordina utilità dell'utente, esposizione degli articoli e equità della piattaforma, dimostrando come l'autopromozione degli articoli possa migliorare simultaneamente equità ed efficacia senza compromessi.
Il paper presenta "Cybo-Waiter", un framework per agenti umanoidi che traduce comandi linguistici in programmi verificabili, integrando la pianificazione visiva con la supervisione geometrica 3D e il ri-pianificazione guidata dal recupero per garantire una robusta esecuzione di compiti complessi di locomozione e manipolazione in ambienti parzialmente osservabili.
Questo articolo presenta una piattaforma educativa collaborativa basata su progetti e integrata con l'IA, progettata per colmare il divario tra ricerca e pratica nello sviluppo agile, generando evidenze pertinenti e riutilizzabili attraverso cicli iterativi rapidi e un coinvolgimento reale degli stakeholder.
Questo documento presenta gli atti del primo workshop CHIdeology, tenutosi nel 2026 a Barcellona durante la conferenza ACM CHI, dedicato a districare la frammentazione di politiche, valori e immaginari nell'interazione uomo-computer attraverso l'analisi delle ideologie.
Il paper presenta OnFly, un framework zero-shot completamente onboard per la navigazione aerea visione-linguaggio che, grazie a un'architettura dual-agent, una memoria ibrida e un verificatore semantico-geometrico, risolve i problemi di stabilità decisionale e monitoraggio a lungo termine, migliorando significativamente sicurezza ed efficienza rispetto agli stati dell'arte.
Il paper propone A²-Edit, un framework unificato di inpainting che, grazie al nuovo dataset UniEdit-500K, al modulo Mixture of Transformer e alla strategia di training Mask Annealing, permette di modificare con precisione oggetti arbitrari in un'immagine utilizzando solo maschere approssimative e superando le limitazioni di omogeneizzazione e copertura categoriale delle soluzioni esistenti.
Il paper presenta MapGCLR, un approccio semi-supervisionato che migliora la costruzione di mappe HD vettoriali online per veicoli autonomi applicando un apprendimento contrastivo basato sulla coerenza geospaziale tra griglie di caratteristiche sovrapposte, riducendo così la dipendenza da dati annotati e superando le prestazioni dei modelli puramente supervisionati.
Il paper presenta BorderNet, una rete neurale convoluzionale bioispirata che modella la completamento dei contorni nella corteccia visiva per migliorare la robustezza alla classificazione di immagini MNIST, Fashion-MNIST ed EMNIST sottoposte a occlusioni.
Il paper presenta UniCom, un framework unificato che supera i limiti dei tokenizzatori discreti e dell'instabilità dei modelli continui introducendo una rappresentazione semantica compressa tramite un compressore basato su attenzione e un'architettura di trasfusione, ottenendo così prestazioni all'avanguardia nella generazione e nel controllo delle immagini.
Il paper presenta WalkGPT, un modello visione-linguaggio ancorato ai pixel che unisce ragionamento linguistico e segmentazione per fornire guide di navigazione accessibili e consapevoli della profondità, supportato dal nuovo benchmark PAVE.
Attraverso un esperimento controllato, lo studio rivela che le convinzioni di efficacia agiscono come ancoraggi cognitivi persistenti che generano un ottimismo verso l'IA, influenzando le decisioni di delega in modo asimmetrico rispetto alle informazioni contestuali ma mostrando un impatto limitato sulle prestazioni complessive del team umano-IA, suggerendo la necessità di nuove linee guida di progettazione oltre agli approcci basati sulla sola trasparenza.
Questo studio presenta un modello computazionale che valuta l'efficacia dei nanomacchinari intravascolari nel rilevare biomarcatori tumorali in fase precoce, dimostrando come l'incorporazione di realistiche dinamiche vascolari riduca la probabilità di rilevamento rispetto ai modelli uniformi e come i capillari offrano le prestazioni migliori.
Il paper introduce FutureVLA, un nuovo modello che migliora le capacità predittive degli agenti robotici incorporando un'architettura di previsione visuomotoria congiunta che, attraverso la decoupling delle informazioni visive e motorie e l'allineamento degli embedding latenti, supera i limiti delle metodologie esistenti garantendo una maggiore continuità temporale e generalizzabilità.
Il paper presenta MAVEN, un framework di meta-apprendimento per rinforzo che permette a un singolo policy di adattarsi in tempo reale a variazioni dinamiche estreme, come cambi di massa fino al 66,7% o perdita di spinta di un singolo rotore del 70%, garantendo una navigazione agile e robusta sia in simulazione che nel mondo reale.