2354 articoli
Questo studio preregistrato rileva che i metadati di provenienza nelle abilità degli agenti non migliorano in modo affidabile l'utilità del compito oltre alla guida ordinaria corrispondente, suggerendo che il loro valore sia dipendente dal contesto e si realizzi principalmente solo quando altera le azioni eseguibili piuttosto che attraverso i soli punteggi delle abilità raggruppati.
Policy-TD migliora l'affidabilità dei piccoli modelli linguistici congelati distillando gli stati di traccia auditati dal docente in un controllore di runtime che interviene per correggere i fallimenti di impegno della risposta, migliorando significativamente l'accuratezza interna e nei test di stress senza degradare le prestazioni o creare nuove capacità.
Questo articolo introduce TOAIAF, un piano di controllo per l'assurance dell'IA a runtime caratterizzato da una procedura decisionale in tre fasi e sette componenti di governance che supera significativamente i sistemi di base nel rilevare violazioni della sicurezza, prompt injection e rischi per la privacy per l'IA agente on-device, riportando in modo trasparente i limiti sperimentali e mappando il proprio framework rispetto ai principali standard internazionali di sicurezza dell'IA.
Questo studio propone un sistema di deep learning basato su UAV che utilizza un algoritmo Mask R-CNN perfezionato per rilevare le vittime trascinate dalle piene improvvise e stimarne le traiettorie utilizzando i metadati GPS, raggiungendo una confidenza di rilevamento superiore al 90% per potenziare le operazioni di ricerca e soccorso.
Questo articolo introduce SpikeGate, un gatekeeper a rete neurale spiking guidato da eventi e a bassissimo consumo energetico che riduce significativamente il consumo di energia per l'inferenza continua di Small Language Model su dispositivi, sopprimendo i segnali di sottofondo di routine per attivare l'esecuzione del transformer solo durante il rilevamento di anomalie.
Questo studio dimostra che l'incorporazione di relazioni statistiche nella codifica delle caratteristiche quantistiche per le Quantum Support Vector Machines può influenzare le prestazioni della classificazione binaria, ma sottolinea che le strategie ottimali richiedono di bilanciare l'accuratezza predittiva con la complessità del circuito piuttosto che limitarsi ad aumentare l'entanglement.
Questo studio ha sviluppato e valutato un sistema di recupero trasparente e consapevole del contesto per i servizi di salute mentale e uso di sostanze utilizzando la directory HealthLink BC, dimostrando che l'integrazione della ricerca semantica con la pesatura esplicita del contesto migliora le prestazioni di classificazione rispetto ai baseline lessicali, evidenziando al contempo la necessità di ulteriori validazioni con dati del mondo reale e giudizi di rilevanza umana prima dell'implementazione clinica.
Questo articolo propone ASWA, un algoritmo di Federated Learning efficiente in termini di comunicazione che migliora l'accuratezza e riduce i round di comunicazione sotto dati Non-IID pesando adattivamente gli aggiornamenti dei client in base alla dimensione dei dati e alla similarità degli aggiornamenti, dando priorità ai client con perdita maggiore, il tutto senza richiedere una trasmissione di dati aggiuntiva.
Questo articolo sostiene che gli attuali quadri di governance dell'IA ad alto rischio (NIST, EU AI Act, ISO/IEC 42001) creino un divario probatorio critico privilegiando le prove basate su artefatti rispetto alle prove basate sui processi necessarie per la contestazione, un difetto strutturale evidenziato dall'ambiguità intrinseca nell'interpretazione di tali requisiti e che in definitiva mina i diritti procedurali ed epistemici degli stakeholder governati.
Questo articolo presenta Agent Guard, un monitor di riferimento per Linux che impone confini di danno autorizzati dall'uomo per gli agenti IA utilizzando LSM basati su eBPF per negare deterministicamente l'accesso non autorizzato a file e rete, propagando al contempo stati rigorosi di "no-egress" attraverso le gerarchie di processo, ottenendo un overhead significativamente inferiore rispetto ai baseline esistenti.