2266 articoli
Questo articolo sostiene che, per garantire un futuro resiliente e sostenibile per l'IA all'interno di una noosfera in co-evoluzione, il campo debba passare da metodi di allineamento rappresentazionale top-down che impongono l'omogeneizzazione morale a un quadro di allineamento enattivo che preservi la diversità cognitiva attraverso una normatività endogena e partecipativa.
Questo articolo propone il framework STG-MADAC, un approccio di apprendimento per rinforzo multi-agente potenziato dall'attenzione che utilizza l'attenzione a grafo spazio-temporale e la decomposizione del vantaggio multi-obiettivo per ottenere un'assegnazione arma-bersaglio decentralizzata superiore in sistemi di difesa aerospaziale dinamici.
Il documento presenta MS-RTDETR, un rilevatore end-to-end in tempo reale che migliora il rilevamento di piccoli oggetti unificando l'هaumento delle caratteristiche multi-scala e il raffinamento delle query attraverso un nuovo meccanismo di Scale-Coupled Feature–Query Refinement (SCFQR) e un obiettivo di associazione consapevole dell'incertezza, ottenendo prestazioni e robustezza superiori su diversi dataset senza richiedere rami di inferenza ausiliari.
Questo studio sviluppa e valida empiricamente un framework di competenze di "Etica dell'IA verificabile" che colma il divario tra i mandati normativi di alto livello e i programmi curriculari pratici per la scuola K-12 e l'università, dimostrando attraverso un programma pilota che una pedagogia orientata ai risultati e all'azione trasforma efficacemente gli studenti da consumatori passivi di IA in creatori responsabili capaci di verifica critica, mitigazione dei pregiudizi e conformità legale.
Questo articolo introduce una coerente Rete Neurale Feedforward Quantistica (QFNN) che utilizza sovrapposizioni di proiettori addestrabili e riflessioni alternate per implementare attivazioni esatte dei polinomi di Chebyshev, stabilendo così fondamenta teoriche rigorose per la sua espressività, le capacità di approssimazione universale e i limiti di generalizzazione, dimostrando al contempo prestazioni competitive in compiti di classificazione di immagini benchmark.
Questo articolo dimostra che la scarsa prestazione del rilevamento di malware in un contesto open-world sul benchmark BODMAS non è causata da errori di etichettatura o difetti del rilevatore, ma dalla presenza di famiglie strettamente correlate nel set di addestramento che rendono i campioni "novelli" tenuti da parte in realtà familiari per i metodi di scoring della novità non supervisionati.
'eraWeb è una libreria TypeScript che implementa dieci pattern di programmazione parallela attraverso il passaggio di messaggi, la memoria condivisa e gli shader computazionali WebGPU per Node.js e browser, dimostrando incrementi di velocità significativi rispetto a JavaScript sequenziale e prestazioni competitive rispetto alle librerie C++, evidenziando al contempo l'impatto critico dell'overhead di trasferimento dati sull'efficienza della GPU.
Questo articolo propone S3HNet, una rete gerarchica spettrale-spaziale consapevole degli stadi che segmenta efficacemente immagini iperspettrali urbane a livello del suolo preservando l'evidenza spettrale sensibile alle bande negli stadi dell'encoder superficiali e ricostruendo rappresentazioni semantiche spazialmente coerenti nel decoder, superando così i modelli di segmentazione densa esistenti su dataset di riferimento.
Il documento introduce CRISP, un approccio guidato dal compilatore che consente un parallelismo sicuro a livello di polinomio per l'inferenza di machine learning cifrata tramite FHE, scambiando la vettorizzazione SIMD a runtime con il parallelismo OpenMP a tempo di compilazione, con il risultato di significativi incrementi di velocità e riduzioni della latenza all'interno del framework del compilatore ANT-ACE.
Questo articolo propone ADE-MDA-Net, una rete a doppio encoder asimmetrico che incorpora moduli di fusione SE-dual pooling, multi-dilation depthwise attention e multi-scale spatial attention fusion per ottenere una segmentazione a livello di pixel accurata e computazionalmente efficiente dei difetti superficiali dei cuscinetti particolarmente complessi.