3466 articoli
Questo articolo presenta il modello AM4RRE, un approccio basato su artefatti e prospettive multiple per integrare sistematicamente l'ingegneria dei requisiti normativi nel ciclo di vita dello sviluppo software, al fine di realizzare una conformità "by design" e raccogliere feedback per la fase finale di uno studio dottorale.
Il paper presenta SurgFed, un framework di apprendimento federato multi-task guidato dal linguaggio che, attraverso la selezione dei canali e l'aggregazione iper-parametrica basate su input testuali, supera le sfide della diversità dei tessuti e dei compiti per migliorare la segmentazione e la stima della profondità nei video chirurgici.
Il paper presenta EmbC-Test, un pipeline basato su RAG che utilizza modelli linguistici per automatizzare la generazione di test per software embedded in C, riducendo i tempi di verifica fino al 66% e ottenendo un'alta percentuale di test sintatticamente corretti e validi.
Il paper presenta TalisMan2.0, un nuovo strumento di verifica che combina riscrittura lineare e non lineare con ragionamento multimodulare parallelo per verificare circuiti aritmetici a parole senza ricorrere a intere di grandi dimensioni.
Il paper presenta Context-Nav, un approccio senza addestramento specifico che risolve la navigazione di istanze tramite descrizioni testuali lunghe integrando allineamenti testo-immagine per guidare l'esplorazione globale e un ragionamento spaziale 3D consapevole del punto di vista per verificare i candidati, ottenendo prestazioni all'avanguardia su InstanceNav e CoIN-Bench.
Questo lavoro esamina l'affidabilità dei modelli visione-linguaggio nell'assistenza alla guida, evidenziando le loro carenze nella coerenza delle risposte e nel ragionamento temporale, e propone il benchmark FutureVQA insieme a un metodo di addestramento auto-supervisionato per migliorare tali capacità senza richiedere etichette temporali.
Il paper introduce RuleSafe, un nuovo benchmark di manipolazione articolata con compiti non-Markoviani a lungo termine, e propone VQ-Memory, una rappresentazione temporale strutturata basata su VQ-VAE che migliora significativamente il ragionamento e la pianificazione dei modelli robotici in scenari complessi.
Il paper presenta RESBev, un metodo plug-and-play che migliora la robustezza della percezione Bird's-Eye-View (BEV) nei sistemi di guida autonoma ricostruendo le caratteristiche corrotte attraverso un modello latente del mondo, garantendo così maggiore sicurezza contro degradazioni dei sensori e attacchi avversari.
Il paper presenta DCAU-Net, un nuovo framework per la segmentazione di immagini mediche che combina un'attenzione incrociata differenziale (DCA) per ridurre la complessità computazionale e un'attenzione spaziale-canale (CSFF) per integrare adattivamente le informazioni semantiche e spaziali, ottenendo così una maggiore accuratezza e robustezza rispetto ai metodi esistenti.
Questo studio propone un metodo guidato da modelli linguistici di grandi dimensioni per generare espressioni multimodali dinamiche e semanticamente coerenti in agenti pedagogici per la realtà virtuale, dimostrando che tale approccio migliora significativamente l'efficacia percepita, l'engagement e la presenza sociale degli studenti, riducendo al contempo noia e affaticamento.
Questo lavoro propone una strategia di post-addestramento basata sul reinforcement learning, che estende l'ottimizzazione della politica relativa di gruppo (GRPO) ai modelli multimodali unificati, per abilitare la generazione intercalata di testo e immagini senza dipendere da grandi dataset specifici, migliorando significativamente la coerenza e la qualità in compiti come il racconto visivo.
Il paper introduce DynHiL-EQA, un nuovo dataset per la risposta a domande in ambienti embodied dinamici, e propone DIVRR, un framework senza addestramento che migliora la robustezza e l'efficienza inferenziale attraverso la raffinazione delle viste e la selezione adattiva della memoria.
Il paper propone NS-VLA, un nuovo framework neuro-simbolico per modelli Vision-Language-Action che, integrando un encoder simbolico, un solver e l'apprendimento per rinforzo online, supera i metodi precedenti in termini di efficienza dei dati, generalizzazione zero-shot e capacità di esplorazione nella manipolazione robotica.
Questo lavoro presenta un nuovo framework di riparazione automatica dei programmi basato su modelli linguistici di grandi dimensioni, progettato specificamente per identificare e correggere le vulnerabilità alle interfacce tra compartimenti in software compartimentalizzato, superando i limiti degli approcci APR generici.
Questo studio presenta un'analisi completa e comparativa di diversi metodi di imaging non in linea di vista (NLOS) basati sul tempo di volo, unificandone la formulazione teorica e l'hardware per valutarne le prestazioni, le limitazioni e le somiglianze in condizioni sperimentali controllate.
Il paper propone MASSE, uno schema di crittografia ricercabile simmetrica (SSE) dinamico e multi-cliente che integra il controllo degli accessi basato sugli attributi per garantire ricerche sicure e granulari su dati cifrati nel cloud, consentendo aggiornamenti e revoca senza ri-crittografare il database.
Il paper presenta GeoSolver, un nuovo framework che migliora il ragionamento passo-passo nei modelli visione-linguaggio per il telerilevamento attraverso un dataset di supervisione processuale su larga scala, un modello di ricompensa granulare e un algoritmo di apprendimento per rinforzo, ottenendo prestazioni all'avanguardia e una scalabilità durante il test-time.
Lo studio dimostra che, in scenari di foraggiamento per sciami robotici con un budget di valutazione limitato, l'ottimizzazione evolutiva di comportamenti generalisti supera quella di controller specializzati, i quali falliscono nella cooperazione e risultano meno efficienti.
Questo articolo propone un metodo di ottimizzazione della traiettoria per la manipolazione di oggetti planari trainati da cavi che integra implicitamente i vincoli di tensione e sfrutta l'avvolgimento autonomo del cavo attorno ai bordi dell'oggetto per modificare dinamicamente il canale di trasmissione delle forze.
Questo lavoro fa un passo verso la risoluzione della congettura sulla controllabilità finita delle regole a profondità di derivazione limitata, dimostrando che i modelli universali generati da tali regole non possono contenere tornei arbitrariamente grandi senza implicare una query ciclica.