2305 articoli
Questo articolo dimostra che l'ottimizzazione di agenti di apprendimento per rinforzo per compiti legati alle emozioni genera naturalmente segnali di ricompensa interni che si allineano con le caratteristiche fondamentali delle emozioni biologiche, a supporto del principio secondo cui le emozioni si sono evolute per alterare le azioni nella ricerca di obiettivi intangibili.
Questo studio confronta sistematicamente quattro modelli di machine learning tradizionali rispetto a quattro modelli basati su transformer su cinque dataset pubblici, dimostrando che, sebbene le architetture transformer come RoBERTa superino significativamente i metodi tradizionali nell'accuratezza del rilevamento delle fake news, esse comportano costi computazionali sostanzialmente più elevati, offrendo così approfondimenti critici sui compromessi per la selezione del modello sotto diversi vincoli di risorse.
Questo articolo definisce formalmente il gioco di carte nepalese precedentemente non documentato Dahal Jeet e presenta un benchmark computazionale completo che dimostra come gli agenti basati sulla ricerca superino i metodi di apprendimento, rivelando al contempo che la lunghezza degli atout è un predittore della vittoria più forte rispetto alle carte punto e che controllare la varianza del mazzo è essenziale per misurare accuratamente le differenze di prestazione tra umani e agenti.
Questo studio dimostra che per i rilevatori di pedoni congelati sotto rumore Gaussiano e acquisizione JPEG, la selezione dei denoiser basata sul matching del modello di degradazione è critica per il recupero della rilevazione, mentre affidarsi a metriche tradizionali di fedeltà di restauro come PSNR o SSIM può portare a scelte subottimali.
AlamX è una piattaforma di intelligenza clinica completamente locale e orientata alla privacy che combina un sistema di triage dei sintomi e dei parametri vitali basato su Random Forest con un LLM biomedico eseguito localmente per fornire previsioni sulle malattie accurate e consapevoli dell'incertezza, nonché una guida sanitaria conversazionale, senza trasmettere dati sensibili dell'utente a server remoti.
Uno studio di scenario entro i soggetti condotto su adulti statunitensi ha rilevato che gli utenti percepiscono le architetture di dati integrate e sincronizzate nel tempo per i sistemi di salute mentale digitale basati sull'IA in modo più favorevole rispetto ai tradizionali framework isolati in termini di qualità del sistema, qualità dell'informazione e benefici netti, sebbene tali modesti vantaggi percettivi richiedano un'ulteriore validazione attraverso il test di un prototipo funzionale.
Questo articolo propone un nuovo framework di apprendimento federato verticale asincrono integrato con la tecnologia blockchain per superare i limiti dell'addestramento sincrono e della coordinazione centralizzata, migliorando così l'efficienza, la sicurezza e il coinvolgimento dei partecipanti attraverso il consenso decentralizzato, la valutazione trasparente del modello e meccanismi di incentivi basati su smart contract.
Questo articolo introduce le Bipolar Logic Networks (BLN), un modello di apprendimento automatico basato su regole che raggiunge un'accuratezza competitiva con i metodi interpretabili allo stato dell'arte, fornendo al contempo in modo unico una logica booleana verificabile e interrogabile e probabilità calibrate, essenziali per l'audit di decisioni ad alto rischio.
Questo articolo propone un'architettura di calcolo deterministica e stateless che integra la teoria della Risonanza Topologica Algoritmica, un'unità di elaborazione virtuale da 1 milione di qubit e la logica termodinamica reversibile per superare il limite della memoria (memory wall), i limiti di Shannon e la barriera termodinamica di Landauer, garantendo al contempo la sicurezza dell'hardware e la permanenza digitale a lungo termine.
Questo studio dimostra che, sebbene i modelli di apprendimento automatico possano raggiungere elevate prestazioni nella rilevazione della demenza sul dataset OASIS-2 quando valutati rigorosamente con una validazione incrociata a livello di partecipante per prevenire la fuga di dati, il loro apparente affidamento sulle caratteristiche della RM è incoerente e spesso oscurato dal Mini-Mental State Examination (MMSE), evidenziando la critica necessità di una validazione indipendente per garantire l'esplicabilità clinica e la generalizzabilità.