8464 articoli
Gli autori propongono tre nuovi set di test ad alta qualità, denominati Hadrian, Eclipse e ND-Twins, per valutare le debolezze degli algoritmi di riconoscimento facciale su variazioni di attributi e somiglianze tra individui, superando la necessità di degradare artificialmente le immagini per aumentare la difficoltà di valutazione.
Il paper presenta RDM, un nuovo modello ricorrente di diffusione che utilizza flussi di normalizzazione per generare sequenze di movimento umano lunghe e coerenti con il testo, riducendo significativamente i costi computazionali evitando la completa denoising dei frame precedenti.
Questo articolo presenta un metodo basato sull'Entropia di Trasferimento per modulare l'influenza reciproca tra agenti in interazioni uomo-robot, dimostrando come tale approccio favorisca implicitamente la comunicazione, la collaborazione o l'indipendenza sociale senza richiedere modelli espliciti delle intenzioni umane.
Questo lavoro presenta un framework generico che garantisce la decidibilità in tempo polinomiale per frammenti di teorie del primo ordine con un numero fisso di negazioni, dimostrando applicabilità a varianti dell'aritmetica di Presburger e dell'aritmetica reale lineare debole, in contrasto con la complessità NP-hard di frammenti più ristretti dell'aritmetica di Presburger completa.
Il paper presenta MORCoRA, una tecnica di ricerca multi-obiettivo che raccomanda sequenze di refactoring per migliorare la qualità del codice e preservarne la semantica, tenendo conto simultaneamente della disponibilità e dell'esperienza dei revisori necessari per approvarle.
Questo lavoro presenta un neurone analogico spiking LIF a bassissimo consumo (1,6 fJ/spike) realizzato in tecnologia CMOS a 28 nm, che dimostra la fattibilità di un sistema neuromorfico efficiente dal punto di vista energetico in grado di raggiungere un'accuratezza dell'82,5% sul dataset MNIST.
Questo studio misto analizza come gli articoli Wikipedia su argomenti tabù, nonostante i conflitti e la censura, riescano a svilupparsi e sostenersi grazie a leadership resilienti, organizzazioni impegnate e forme emergenti di governance.
Questo articolo presenta il MLVAS, un sistema multimodale che combina analisi video e audio per estrarre segmenti clinici rilevanti e generare metriche oggettive al fine di assistere nella diagnosi della paralisi delle corde vocali.
Questo articolo esplora come l'intelligenza artificiale trasformi il testing del software automatizzando la generazione e la validazione dei casi di test, migliorando così efficienza, copertura e affidabilità delle release, pur affrontando le sfide legate alla qualità dei dati e alla necessità di un equilibrio tra automazione e supervisione umana.
Questo lavoro propone un quadro di navigazione sicura per robot bipedi che combina un policy di locomozione addestrata con apprendimento per rinforzo e un controllore predittivo basato sull'operatore di Koopman, permettendo di gestire efficacemente la non linearità dinamica e migliorare sicurezza e successo in ambienti densi.
Il paper presenta InterMind, un sistema basato su modelli linguistici di grandi dimensioni che integra il coinvolgimento di pazienti, medici e famiglie, nonché tecniche di generazione aumentata da recupero e catena di pensiero, per migliorare l'accuratezza, l'efficienza e l'interpretabilità della valutazione della depressione.
Il paper presenta PiVOT, un nuovo meccanismo di prompting visivo che sfrutta il modello fondazionale CLIP per generare e raffinare dinamicamente prompt online, migliorando le prestazioni del tracciamento generico di oggetti sopprimendo efficacemente gli oggetti distraenti.
Il paper presenta S^2Sim, un sistema innovativo che utilizza la simulazione simbolica selettiva per diagnosticare e riparare automaticamente errori nelle configurazioni di routing distribuito, identificando varianti conformi agli intenti e suggerendo le relative correzioni con prestazioni elevate su reti di diverse dimensioni.
Il paper presenta il Pose Prior Learner (PPL), un metodo non supervisionato che apprende un prior categorico generale per la stima della posa di oggetti tramite una memoria gerarchica di pose prototipiche, migliorando l'accuratezza e la robustezza agli occlusi senza richiedere annotazioni umane.
Il paper presenta ExpGest, un nuovo framework basato su modelli di diffusione che genera gesti espressivi a corpo intero sincronizzando informazioni audio e testuali, superando i limiti dei metodi esistenti grazie a un classificatore di emozioni del rumore e a una migliore generalizzazione semantica.
Questo studio analizza la progettazione di meccanismi di mediazione che massimizzano i ricavi in un contesto di scambio bilaterale con valutazioni interdipendenti, dimostrando un'impossibilità trilemmatica tra compatibilità agli incentivi, obbedienza e informatività, e caratterizzando le soluzioni ottimali sotto specifiche condizioni di rilassamento che rivelano strutture a soglia con effetti distinti sul mercato.
Questo lavoro propone una variante del gioco dei sassolini che consente calcoli parziali per modellare grafi aciclici diretti con gradi di ingresso arbitrari, dimostrando che la ricerca di una strategia ottimale è NP-completa anche in casi semplici e presentando algoritmi di approssimazione per casi speciali.
Questo articolo dimostra che i limiti inferiori uniformi nondeterministici per problemi come k-SAT e MAX-3-SAT implicano l'esistenza di generatori di funzioni booleane monotone, matrici rigide e tensori di alto rango, stabilendo così limiti inferiori non uniformi condizionati in diversi modelli computazionali.
Questo studio analizza come le pratiche di piattaforma di TikTok e Spotify influenzino diversamente la produzione e la ricezione della musica, rivelando differenze significative nelle caratteristiche delle hit e un flusso di influenza che spesso vede la popolarità su Spotify precedere quella su TikTok.
Lo studio dimostra che agenti algoritmici privi di informazioni dirette sui concorrenti possono sviluppare una "collusione ingenua" nei giochi ripetuti, la cui probabilità di emergere dipende criticamente dalla sincronizzazione delle azioni e dal tipo di politica di apprendimento utilizzata, variando da impossibile a certa a seconda che gli algoritmi siano persistentemente casuali, asintoticamente deterministici o puramente deterministici.