4492 articoli
Il paper introduce DOCFORGE-BENCH, il primo benchmark zero-shot per la rilevazione di falsificazioni documentali, rivelando che i metodi attuali falliscono nella pratica non per carenze rappresentative ma a causa di una scarsa calibrazione delle soglie dovuta alla rarità delle regioni alterate, sottolineando al contempo la necessità urgente di valutare nuove minacce basate sull'IA generativa.
Questo lavoro propone il Multimodal Adversarial Quality Policy (MAQP), un framework che garantisce una presa robotica sicura in ambienti di interazione uomo-robot attraverso l'ottimizzazione congiunta di patch avversarie RGB e di profondità, risolvendo le discrepanze distributive e gli squilibri di ottimizzazione tipici delle modalità multimodali.
Il documento dimostra che il problema decisionale di approssimazione del raggio di copertura sui reticoli nella norma è NP-difficile per una funzione esplicita di approssimazione quando supera circa 35.31, estendendo i risultati precedenti sulla difficoltà di problemi correlati nella norma .
Questo articolo presenta un sistema di recupero semantico multilingue e multi-verticale per Uber Eats, basato su un modello Qwen2 fine-tunato con tecniche avanzate di apprendimento su larga scala, che ha ottenuto significativi miglioramenti nel recall rispetto ai baseline esistenti.
Questo articolo presenta l'architettura numerica ibrida HRFNA, un sistema basato su aritmetica residua e scalatura esponenziale che, grazie a una rigorosa fondazione matematica e a un'implementazione FPGA ottimizzata, offre un elevato throughput, una riduzione delle risorse e un'efficienza energetica superiore rispetto all'IEEE 754 FP32, mantenendo al contempo errori numerici strettamente limitati.
Questo lavoro propone un approccio algoritmico basato sulla generazione di colonne per risolvere il problema del flusso multi-prodotto con costi convessi sugli archi, gestendo efficacemente sia le varianti frazionabili che non frazionabili per ottimizzare il traffico nelle reti di telecomunicazione.
Questo studio empirico mappizza le interazioni tra modelli linguistici e strategie di prompting nella generazione di codice Verilog, valutando l'impatto di diverse tecniche di ingegneria dei prompt e di ottimizzazione evolutiva su una vasta gamma di modelli di dimensioni e specializzazioni diverse.
Il paper presenta AnalogToBi, un framework che genera automaticamente topologie di circuiti analogici a livello di dispositivo con alta validità e novità, combinando una rappresentazione a grafo bipartito, un controllo funzionale esplicito e un decoding guidato da grammatica per garantire la validità elettrica.
Questo studio propone un nuovo quadro concettuale per la maturità dell'intelligenza artificiale nelle PMI, che supera i modelli tradizionali centrati sull'impresa introducendo un approccio multidimensionale, non lineare e radicato nell'ecosistema, specificamente adattato alle risorse limitate, alla governance informale e alla dipendenza esterna caratteristiche delle piccole e medie imprese.
Questo lavoro presenta una pipeline end-to-end ospitata localmente che converte le dispense in quiz a scelta multipla utilizzando un modello linguistico locale e controlli di qualità deterministici, garantendo privacy, trasparenza e sostenibilità ambientale senza dipendere da servizi API esterni.
Questo articolo dimostra che è possibile sostituire asintoticamente ogni moltiplicazione reale con un singolo quadrato e ogni moltiplicazione complessa con tre quadrati nelle moltiplicazioni di matrici e nelle convoluzioni, ottenendo così significativi risparmi di risorse hardware grazie alla minore complessità dei circuiti di elevamento al quadrato rispetto ai moltiplicatori.
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.