8186 articoli
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.
Il paper propone un algoritmo di pianificazione del movimento in tempo reale basato su curve di Bézier (MPC-CLF-CBF) che garantisce la connettività e la capacità di recupero di flotte robotiche in ambienti ostacolati, superando i limiti dei controllori reattivi e validando l'approccio tramite simulazioni e esperimenti fisici con otto quadricotteri Crazyflie.
Il paper presenta LARA-Gen, un framework che abilita un controllo continuo e fine-granulare delle emozioni nella generazione musicale allineando le rappresentazioni latenti a un modello di comprensione esterna e disaccoppiando gli attributi emotivi dal contenuto testuale, superando così i limiti dei prompt testuali e ottenendo risultati superiori rispetto alle basi di confronto.
Questo articolo presenta un approccio che combina rappresentazioni metriche dettagliate degli oggetti con informazioni semantiche per creare mappe indoor ad alta precisione, superando i limiti delle metodologie esistenti in termini di accuratezza e velocità, e dimostrando la loro efficacia nel ragionamento dei robot tramite modelli linguistici e nella navigazione semantica.
Il paper presenta NaviGait, un framework gerarchico che combina l'ottimizzazione di traiettoria con l'apprendimento per rinforzo per generare politiche di locomozione bipede robuste e intuitive, selezionando e adattando dinamicamente i passi da una libreria offline pre-calcolata.
Il paper presenta BanaServe, un framework di orchestrazione dinamica che bilancia le risorse computazionali e di memoria nei sistemi LLM disaggregati attraverso la migrazione dinamica dei pesi e della cache KV, risolvendo gli squilibri di carico e le limitazioni delle strategie di routing basate sulla cache per migliorare significativamente throughput e latenza rispetto alle soluzioni esistenti.