4023 articoli
Questo studio analizza l'impatto della latenza sulla qualità dell'esperienza (QoE) nelle lavagne virtuali di realtà aumentata, esaminando come essa influisca diversamente su aspetti pragmatici ed edonici in vari modalità di collaborazione e tra piattaforme con o senza avatar, al fine di fornire linee guida per l'ottimizzazione di tali sistemi.
Il paper presenta CORAL, un framework scalabile per l'apprendimento robotico multi-task che risolve il problema dell'interferenza tra compiti congelando un backbone VLA pre-addestrato e assegnando un esperto LoRA leggero e isolato per ogni attività, permettendo così un adattamento continuo senza dimenticare le competenze precedenti e con un overhead di inferenza nullo.
Questo studio propone un modello che rileva il momento ottimale per fornire validazione emotiva nel dialogo parlato giapponese analizzando esclusivamente segnali paralinguistici ed emozioni vocali, senza fare affidamento sul contesto testuale, al fine di migliorare l'interazione empatica tra uomo e robot.
Questo articolo presenta una soluzione basata su un Ambiente di Esecuzione Attendibile (TEE) RISC-V che fornisce entropia crittografica sicura a dispositivi IoT vincolati, risolvendo il problema della generazione di chiavi crittografiche affidabili attraverso un servizio esterno verificabile.
Il paper presenta IntroSVG, un framework che migliora la generazione di grafica vettoriale (SVG) da testo integrando un ciclo chiuso di generazione e critica basato su feedback visivo, che utilizza tecniche di affinamento supervisionato e ottimizzazione delle preferenze per produrre risultati di alta qualità con strutture complesse e allineamento semantico superiore.
Il paper presenta NLiPsCalib, un framework di calibrazione efficiente e fisicamente coerente che utilizza la stereo fotometrica con sorgenti luminose vicine per abilitare la ricostruzione 3D ad alta fedeltà di sensori visuotattili curvi attraverso procedure di calibrazione semplici e accessibili.
Il paper presenta OddGridBench, un benchmark controllato che rivela la scarsa sensibilità delle Multimodal Large Language Models alle discrepanze visive fini, e propone OddGrid-GRPO, un framework di apprendimento per rinforzo che ne migliora significativamente la capacità di discriminazione attraverso l'uso di apprendimento curricolare e ricompense consapevoli della distanza spaziale.
Questo studio utilizza honeypot distribuiti tramite il motore di ricerca Ahmia e altri canali per dimostrare che gli utenti umani di Tor provengono quasi esclusivamente da Ahmia.fi e che, tra le varie tematiche illegali testate, i siti a tema CSAM generano un coinvolgimento significativamente superiore, con una preferenza marcata per le versioni in lingua inglese.
Questo articolo presenta un motore di calcolo matematico a precisione dinamica per microcontrollori Xtensa LX6 come l'ESP32, che combina un'aritmetica in punto fisso, un modulo CORDIC e una moltiplicazione di matrici ottimizzata per ottenere accelerazioni fino a 24,7 volte rispetto alle librerie standard, permettendo un cambio di precisione in tempo reale senza ricompilazione.
Questo studio dimostra che, sebbene ChatGPT possa generare specifiche di requisiti di sistema sintetiche realistiche fino al 62% secondo gli esperti, l'uso esclusivo di valutazioni basate su modelli linguistici non può sostituire le revisioni approfondite degli esperti a causa di allucinazioni e contraddizioni intrinseche.
Il paper propone la Calibrazione Spettrale Predittiva (PSC), un framework senza sorgente che estende l'allineamento del sottospazio al matching spettrale a blocchi per migliorare l'adattamento al test nella regressione di immagini, ottenendo risultati superiori rispetto alle basi esistenti, specialmente in presenza di forti spostamenti distribuzionali.
Questo tutorial presentato all'ICDE 2026 esplora il ciclo virtuoso di reciproco potenziamento tra l'intelligenza artificiale e la ricerca vettoriale, analizzando come l'AI ottimizzi i sistemi di ricerca e come la ricerca vettoriale, in particolare attraverso il framework RAG, estenda le capacità dei modelli linguistici di grandi dimensioni.
Il paper propone un framework di steganografia d'immagine robusto e provabilmente sicuro basato sull'ottimizzazione iterativa nello spazio latente, che migliora significativamente l'accuratezza dell'estrazione del messaggio sotto compressione e vari processi di elaborazione delle immagini mantenendo al contempo la sicurezza teorica.
ProvAgent è un framework innovativo che supera i limiti della collaborazione uomo-modello nella rilevazione delle minacce APT, integrando screening iniziale, profilazione basata su coerenza identità-comportamento e indagine autonoma tramite agenti multipli per ricostruire processi di attacco complessi con alta precisione e costi ridotti.
Il documento presenta EPPINN, un nuovo framework che integra l'apprendimento evidenziale con le reti neurali informate dalla fisica per stimare i parametri di perfusione cerebrale nella risonanza magnetica per ictus ischemico acuto, permettendo una quantificazione dell'incertezza e migliorando sia l'accuratezza che l'affidabilità rispetto ai metodi esistenti.
Il paper presenta SinGeo, un framework innovativo che utilizza un'architettura di apprendimento discriminativo duale e una strategia di curriculum learning per abilitare un singolo modello a raggiungere una geo-localizzazione cross-view robusta e state-of-the-art su diverse condizioni di campo visivo, superando i limiti delle metodologie esistenti.
Questo articolo stabilisce esplicitamente un limite costruttivo secondo cui la dimensione ottimale di un circuito cambia al massimo di in seguito a perturbazioni della tabella di verità, estendendo il risultato a distanze di Hamming generali e convalidandolo sperimentalmente per nel basis AIG, dove la differenza massima osservata è esattamente .
Il paper presenta PixelConfig, un framework di analisi differenziale che, attraverso lo studio longitudinale di 18.000 siti web sanitari, rivela come le configurazioni predefinite del Meta Pixel consentano un tracciamento pervasivo di attività e identità degli utenti, inclusa la raccolta di dati sensibili, mentre le funzionalità di restrizione del tracciamento risultano spesso inefficaci o facilmente aggirabili.
Il paper introduce EventVGGT, un nuovo framework che supera i limiti delle attuali stime di profondità basate su eventi modellando il flusso come una sequenza video coerente e distillando conoscenze spaziotemporali e geometriche dal modello VGGT attraverso una strategia di distillazione tri-livello, ottenendo così risultati significativamente più accurati e coerenti nel tempo.
Il paper presenta MIDAS, un framework di steganografia senza copertura basato su diffusione e privo di addestramento che abilita il nascondimento di più immagini con controllo degli accessi specifico per utente, superando i limiti delle soluzioni esistenti in termini di qualità, robustezza e resistenza all'analisi steganografica.