3462 articoli
Il documento presenta RSH-SpMM, un nuovo framework ibrido per la moltiplicazione di matrici sparse su GPU che, grazie a una partizione adattiva delle righe e all'uso di Tensor Core, supera le soluzioni esistenti offrendo accelerazioni fino a 6,13 volte su dati con sparsità altamente irregolare.
Il paper presenta FormalRTL, un innovativo framework multi-agente che integra modelli di riferimento software come specifiche formali per guidare la generazione e la verifica di codice RTL, superando le sfide di scalabilità e affidabilità nella sintesi hardware industriale.
Il paper presenta Kareto, un ottimizzatore adattivo che risolve il problema di configurazione multi-obiettivo della memoria tiered per il KV cache nei servizi LLM, identificando efficientemente il fronte di Pareto per bilanciare costi, throughput e latenza e superando le strategie statiche con miglioramenti significativi nelle prestazioni.
Questo lavoro presenta un'estensione del generatore di codice C ACETONE, originariamente limitato all'esecuzione sequenziale, per abilitare la generazione di codice parallelo ottimizzato per architetture multi-core, definendo formalmente il problema dell'assegnazione dei processori e pianificando l'implementazione di euristiche di scheduling e meccanismi di sincronizzazione.
Il paper presenta ChatNeuroSim, un framework basato su agenti LLM che automatizza il deployment e l'ottimizzazione degli acceleratori Compute-in-Memory, riducendo significativamente il tempo necessario per l'esplorazione dello spazio di progettazione e l'identificazione delle configurazioni ottimali per carichi di lavoro DNN.
Il paper presenta \texttt{electoral\_sim}, un framework open-source in Python che simula e confronta diversi sistemi elettorali in scenari di distribuzione degli elettori, valutandoli in base alla loro capacità di avvicinarsi alla mediana geometrica della distribuzione e includendo un meccanismo ipotetico basato su un kernel softmax di Boltzmann come limite teorico superiore.
Il paper presenta JigsawServe, un nuovo framework di servizio che ottimizza congiuntamente latenza, accuratezza e costi delle risorse GPU per sistemi di inferenza composti, aumentando la domanda servibile fino a 11,3 volte rispetto alle soluzioni precedenti attraverso la selezione adattiva dei modelli e la partizione spaziale fine delle GPU.
Il paper presenta Granulon, un nuovo modello MLLM basato su DINOv3 che integra un controller di granularità testuale e un modulo di aggregazione adattiva per unificare il ragionamento visivo a più livelli di dettaglio, migliorando significativamente l'accuratezza e riducendo le allucinazioni.
Il documento presenta l'algoritmo Elastic Time Warping, che risolve il problema di allineamento di serie temporali in spazi metrici arbitrari utilizzando una penalità basata sul kernel di Hellinger con una complessità computazionale cubica.
Il paper presenta un framework nativo per la rappresentazione che implementa una filigrana robusta e impercettibile per il 3D Gaussian Splatting, garantendo un eccellente compromesso tra qualità visiva e resilienza ai disturbi grazie a moduli intelligenti per la selezione dei portatori e all'uso di decoupled finetuning per fornire spiegazioni auditabili.
Questo studio esamina come le differenze legate all'età influenzino la percezione dello sguardo deittico da parte di anziani e giovani nell'interazione con robot sociali, al fine di guidare la progettazione di segnali non verbali adattivi.
Il paper presenta VisionCreator-R1, un agente nativo per la generazione visiva potenziato da meccanismi di riflessione e addestrato tramite un metodo di ottimizzazione congiunta (RPCO) che risolve l'asimmetria nell'apprendimento per rinforzo tra pianificazione e riflessione, superando le prestazioni di Gemini2.5Pro su benchmark per la generazione di immagini singole e multiple.
Questo lavoro presenta HMR-1, un sistema robotico di massaggio gerarchico basato su modelli linguistici visivi che, grazie al nuovo dataset multimodale MedMassage-12K, identifica con precisione i punti di agopuntura e pianifica traiettorie di controllo per applicazioni pratiche nella riabilitazione fisica.
Questo saggio riflette sulle barriere all'ingresso nella ricerca interdisciplinare tra HCI e invecchiamento, esplorando il divario tra le esigenze degli anziani e la progettazione tecnologica attraverso le esperienze personali di due ricercatori che hanno sviluppato empatia volontando in una comunità residenziale per anziani.
Uno studio controllato dimostra che, in un'interazione uomo-robot, i fallimenti dovuti a errori di scelta sono percepiti come meno dannosi per l'affidabilità rispetto a scivolamenti o blocchi, e che la fiducia può essere ripristinata semplicemente attraverso esecuzioni di successo successive, senza necessità di riparazioni sociali esplicite.
Questo lavoro chiude il divario sulla complessità parametrizzata del QBF con poche variabili esistenziali dimostrando che la dipendenza doppiamente esponenziale è ottimale sotto l'ETH per formule CNF generali, mentre per il caso limitato a due blocchi quantificatori () viene proposto un algoritmo quasi ottimale con complessità significativamente ridotta.
Questa ricerca presenta un sistema intelligente di assegnazione dei parcheggi basato sulla visione artificiale e sul modello YOLOv8, che utilizza la mappatura prospettica inversa per integrare viste multiple e simulare un ambiente 3D al fine di ottimizzare l'efficienza e la sostenibilità nei contesti urbani.
Il paper presenta HeteroFedSyn, il primo framework di sintesi di dati tabulari con privacy differenziale progettato per ambienti federati orizzontali eterogenei, che supera le limitazioni delle metodologie esistenti mediante innovazioni nella selezione distribuita dei margini per garantire un'utilità paragonabile a quella dei sistemi centralizzati.
Il paper presenta NaviNote, un sistema che combina localizzazione visiva ad alta precisione e un'architettura agentica per consentire a persone con disabilità visiva di creare annotazioni spaziali in situ e migliorare la navigazione in ambienti sconosciuti.
Lo studio dimostra che l'impatto dell'uso dei modelli linguistici di grandi dimensioni (LLM) sul pensiero critico dipende dal contesto temporale: l'accesso immediato agli LLM migliora le prestazioni sotto pressione temporale ma le riduce quando il tempo è sufficiente, mentre l'accesso ritardato o nullo mostra l'effetto opposto.