2550 articoli
Questo articolo affronta la frammentazione e la mancanza di comparabilità negli studi empirici sulla generazione di codice basata su LLM sintetizzando una revisione di 35 studi recenti in un quadro di riferimento completo composto da sei componenti fondamentali per consentire valutazioni più sistematiche, trasparenti e riproducibili.
Questo articolo propone un framework di deep learning ibrido che integra il transfer learning, le CNN e i meccanismi di attenzione per superare i limiti dei sistemi tradizionali di rilevamento delle emozioni, ottenendo una precisione, una robustezza e una adattabilità cross-domain superiori per applicazioni di interazione uomo-computer nel mondo reale.
Questo articolo propone un framework di IA multimodale che integra una Mask R-CNN personalizzata per la segmentazione dei coaguli in TCPA, un modello ibrido LSTM-GRU per l'analisi delle serie temporali in terapia intensiva e una rete neurale artificiale per la valutazione del rischio clinico, raggiungendo un punteggio Dice di 0,88 e un'accuratezza complessiva del 91,81% per migliorare la diagnosi di embolia polmonare e la previsione del rischio per i pazienti.
Il documento propone UAMG-RAG, un framework che regola dinamicamente la profondità del recupero e la granularità dei documenti in base alla complessità della domanda e impiega il re-recupero guidato dall'incertezza per migliorare le prestazioni di ragionamento e ridurre le allucinazioni, ottenendo miglioramenti significativi sui benchmark HotpotQA e WikiHow.
Questo articolo propone un classificatore binario basato sui dati e privo di funzioni di perdita che integra il TOPSIS fuzzy intuitivista simmetrico con la decisione tripartita sequenziale auto-interattiva per superare le limitazioni esistenti, utilizzando pesi degli attributi oggettivi, misurazioni di distanza bilanciate e un ciclo di feedback interno per l'adattamento delle soglie, migliorando così le prestazioni di classificazione e la robustezza.
Questo studio presenta un framework preliminare di deep learning che utilizza reti neurali convoluzionali basate su mel-spettrogrammi per distinguere automaticamente tra i dialetti Maxaatiri e Maay Somali, raggiungendo un'accuratezza di circa l'81% su un piccolo dataset derivato da trasmissioni radiotelevisive, evidenziando al contempo la necessità di dati più ampi e diversificati per garantire la generalizzabilità.
Questo studio prospettico dimostra che lo strumento NeutrinoReview, utilizzando un modello LLaMA 3.1-8B auto-ospitato, può ridurre il carico di lavoro dello screening delle revisioni sistematiche fino al 74% senza perdere alcun record incluso, sebbene gli autori ne raccomandino l'uso come complemento conservativo allo screening umano in attesa di ulteriore validazione in contesti diversificati.
Questo articolo propone FSMF, una rete di rilevamento oggetti RGB-IR guidata dalla affidabilità per la guida autonoma che impiega un modulo di modulazione guidato dalla affidabilità, un modulo di disaccoppiamento delle informazioni complementari e una piramide di fusione sensibile alla scala per affrontare efficacemente le sfide di illuminazione e tessitura, raggiungendo prestazioni state-of-the-art sui dataset M3FD e FLIR.
Il documento introduce AgriMemSynth, un framework di benchmark sintetico composto da dataset conversazionali e di ragionamento multi-hop per valutare i sistemi di IA agricola, rivelando che le strategie di organizzazione del recupero dipendono dal compito e che le metriche lessicali spesso sottostimano la correttezza della risposta.
Questo articolo propone Meta KG-NCF, un framework ibrido di meta-learning che integra gli embedding di Knowledge Graph (tramite TransE) con il Neural Collaborative Filtering e una First-Order Multi-Supervisor Association Network per affrontare efficacemente i problemi di cold-start, ottenendo al contempo un'accuratezza e un'efficienza computazionale superiori rispetto ai metodi basati su baseline esistenti su molteplici dataset su larga scala.