2456 articoli
Questo articolo presenta un metodo automatizzato e scalabile che combina l'analisi statica interprocedurale con il tracciamento del controllo di flusso e della dipendenza dai dati per rilevare accuratamente i loop naturali e determinare il loro numero di iterazioni nel codice binario ottimizzato, raggiungendo un'elevata precisione e scalabilità su software reali e suite di benchmark.
Questo articolo stabilisce un benchmark riproducibile dimostrando che, sebbene i dati completi della posa dell'HMD possano modellare efficacemente determinati esiti soggettivi della VR come la presenza spaziale, essi servono al meglio come segnale comportamentale complementare ai questionari tradizionali piuttosto che come un sostituto completo, con una recuperabilità che varia significativamente tra diversi costrutti quali usabilità, carico di lavoro e cybersickness.
Questo articolo propone un framework di valutazione sensibile ai costi e spiegabile per la previsione della Malattia Renale Cronica che dimostra come l'ottimizzazione delle soglie decisionali e la priorità nell'evitare i falsi negativi, insieme all'analisi dell'interpretabilità che conferma la plausibilità clinica, migliorino l'idoneità dei modelli di apprendimento automatico per il supporto alle decisioni cliniche.
Questo articolo presenta un grafo di conoscenza basato su Neo4j che trasforma la documentazione statica di MITRE ATLAS in un sistema interrogabile e fondato su LLM, collegato trasversalmente con l'OWASP Top 10 per le applicazioni LLM, consentendo ai professionisti di eseguire il ragionamento sulle minacce, identificare 40 tecniche di IA generativa non mitigate e dimostrare la natura ortogonale delle tattiche ATLAS e delle categorie di rischio OWASP.
Questo articolo propone il Security-Aware Semantic Validation Framework (SSVF), un nuovo approccio consapevole dell'esecuzione che trasforma i piani di esecuzione dei database in conoscenza semantica strutturata per rilevare attacchi SQL injection sofisticati e migliorare la sicurezza dei database relazionali attraverso una validazione intelligente e spiegabile.
Questo articolo dimostra che i classificatori di sicurezza dei prompt addestrati su benchmark sintetici soffrono di un significativo disallineamento della distribuzione quando applicati a input scritti da esseri umani, portando a un calo sostanziale del richiamo e a un forte aumento dei falsi positivi che non può essere risolto semplicemente aumentando la complessità del modello.
Questo articolo presenta MedGemma StructCore, una pipeline a due stadi, basata su un approccio local-first, che utilizza modelli MedGemma 4B sottoposti a fine-tuning per convertire note cliniche non strutturate in fatti KVT4 verificabili per la valutazione del rischio di riammissione, dimostrando che, sebbene i dati strutturati aggiungano segnale predittivo e garantiscano la stabilità del formato su hardware di consumo, il sistema richieda un'ulteriore validazione per l'accuratezza dell'estrazione e la calibrazione della probabilità prima dell'impiego clinico.
Questo articolo propone un framework di processo decisionale di Markov vincolato (CMDP) utilizzando il Q-learning lagrangiano fattorizzato per ottimizzare il riequilibrio della micromobilità condivisa, imponendo esplicitamente soglie di equità sui tassi di fallimento del servizio, convalidato sia attraverso reti sintetiche che attraverso un caso di studio reale all'Aia.
Questo articolo presenta un'architettura di sicurezza lato client per i vault di credenziali basati sul web che ottiene forti proprietà di zero-knowledge combinando l'estensione PRF di WebAuthn con la crittografia simmetrica e modelli di archiviazione del browser ottimizzati.
Questo articolo introduce AeroGround, un dataset aeronautico aperto e basato su citazioni derivato da fonti di pubblico dominio degli Stati Uniti che consente l'addestramento e la valutazione di modelli linguistici affidabili capaci di fornire risposte autorevoli e citate o astensioni calibrate quando le prove sono insufficienti.