2358 articoli
Questo articolo propone un framework innovativo che introduce un Hallucination Severity Score (HSS) basato sull'instabilità semantica e l'analisi dell'attribuzione SHAP all'interno di una pipeline SMILE potenziata per rilevare, quantificare ed spiegare efficacemente le allucinazioni nella sintesi testuale basata su LLM.
Questo articolo indaga la robustezza degli stimatori di classificazione a coppie basati sulla massima verosimiglianza contro perturbazioni coordinate e con budget limitato utilizzando l'euristica Adaptive Subset Selection Attack (ASSA), rivelando che la fragilità della classificazione è altamente dipendente dai dati e sensibile al regime piuttosto che universalmente prevedibile.
Il documento propone TDCO-Net, una Triple-Dynamic Collaborative Optimization Network che potenzia l'analisi del sentiment multimodale integrando l'apprendimento ausiliario dinamico modale, la calibrazione della polarità visivo-acustica basata su KAN e la selezione dei campioni guidata dalla confidenza per affrontare efficacemente le variazioni di affidabilità delle modalità e il rumore dei campioni limite.
Questo articolo propone CAMF-Zero, un framework di ragionamento consapevole delle contraddizioni che sfrutta un nuovo punteggio di contraddizione consapevole della coerenza (Consistency-Aware Contradiction Score, CACS) per rilevare minacce zero-day in ambienti multi-cloud federati valutando esplicitamente i disaccordi semantici tra fonti di telemetria eterogenee, migliorando così significativamente il richiamo del rilevamento e riducendo i falsi positivi rispetto ai metodi esistenti.
Questo articolo propone un framework di fusione multimodale robusto e spiegabile che integra caratteristiche visive e testuali con un approccio di apprendimento ensemble stratificato per raggiungere un'accuratezza allo stato dell'arte (98,41%) nel riconoscimento delle emozioni, superando i metodi unimodali garantendo al contempo l'interpretabilità attraverso SHAP e LIME.
Questo articolo propone un metodo GDD-TL robusto, che migliora il transfer learning con strati specifici per raggiungere un'accuratezza del 94,33% nella classificazione delle specie di farfalle, superando le architetture CNN standard e dimostrando una forte generalizzazione attraverso dataset diversificati.
Questo articolo dimostra che un'impronta digitale di un modello linguistico trasparente e priva di dominio, derivata esclusivamente dagli abstract, può superare significativamente le metriche basate sulle citazioni nel prevedere la replicabilità della ricerca isolando un distinto asse di "verificabilità", spiegando così perché le citazioni falliscano come proxy della robustezza scientifica.
Questo studio dimostra che l'utilizzo della scienza dei dati e dell'intelligenza artificiale per analizzare sistematicamente i metadati delle pubblicazioni e costruire modelli basati su grafi è un'alternativa scalabile, efficiente e priva di pregiudizi rispetto ai metodi manuali per la creazione di reti di ricerca clinica e accademica sulla salute focalizzate su alcol, dipendenza e salute mentale nell'Inghilterra settentrionale.
Questo studio multicentrico presenta un nuovo framework che combina un modello di diffusione guidato da un prior di Gabor per l'aumento dei dati sintetici e una rete di segmentazione basata su spazio di stato, i quali hanno collettivamente migliorato l'accuratezza della delineazione del versamento pericardico e dimostrato una robusta generalizzabilità attraverso dataset ecocardiografici interni ed esterni.
Questo articolo introduce AIDA-AND, un framework multi-agente cooperativo che integra rappresentazioni semantiche con prove di metadati interpretabili attraverso agenti specializzati per ottenere una disambiguazione dei nomi degli autori competitiva, modulare ed efficiente, riducendo significativamente il tempo di esecuzione e migliorando al contempo le prestazioni sui dataset di benchmark.