5295 articoli
Questo articolo introduce la prima valutazione sistematica di attacchi consapevoli dei cluster contro i filigrane dei grafi, dimostrando che gli avversari che sfruttano la struttura comunitaria possono compromettere l'accuratezza dell'attribuzione con una distorsione strutturale inferiore rispetto alle perturbazioni casuali, rivelando così la vulnerabilità degli attuali schemi di protezione.
Questo lavoro propone un nuovo metodo di apprendimento non supervisionato per descrittori di immagini retiniche agnostici rispetto al rilevatore di punti chiave, ottenendo prestazioni di registrazione accurate e paragonabili ai metodi supervisionati senza richiedere dati etichettati.
Questo lavoro propone l'uso di formulazioni differenziabili dell'errore medio di calibrazione L1 (mL1-ACE) come funzione di perdita ausiliaria per migliorare l'affidabilità e la calibrazione delle reti neurali nella segmentazione di immagini mediche, offrendo un controllo esplicito sul compromesso tra accuratezza e calibrazione senza compromettere significativamente le prestazioni di segmentazione.
Il paper propone SOTA, un framework di ensemble senza addestramento che integra in modo auto-adattivo le uscite di molteplici modelli fondazionali (VLM e VFM) tramite trasporto ottimo per migliorare la classificazione zero-shot sfruttando i punti di forza complementari di ciascun modello.
Lo studio rivela che, sebbene l'algoritmo di Community Notes di X riesca a identificare le dimensioni polarizzanti e selezionare note trasversali, il suo stesso meccanismo di progettazione porta a una sistematica sottoregolamentazione dei contenuti polarizzanti, creando rischi significativi per i processi elettorali in diversi paesi.
Questo studio analizza l'impatto di Shiksha Copilot, uno strumento di intelligenza artificiale collaborativa per la creazione di piani di lezione, nelle scuole governative del Karnataka, India, evidenziando come esso riduca il carico burocratico e lo stress degli insegnanti promuovendo al contempo una didattica basata sulle attività, pur rimanendo limitato da sfide sistemiche come la carenza di personale.
Questo articolo offre una panoramica sistematica sull'interpretabilità nei modelli di riconoscimento visivo, presentando una tassonomia multidimensionale centrata sull'uomo, valutazioni qualitative e quantitative, e un'analisi delle prospettive future nell'ambito dell'IA spiegabile e dei modelli linguistici multimodali.
Il documento presenta RightTyper, un approccio ibrido innovativo che genera annotazioni di tipo Python precise e affidabili basandosi sul comportamento effettivo del programma, superando i limiti dei metodi statici, dinamici e basati sull'IA con un sovraccarico di esecuzione ridotto a circa il 27%.
Questo studio analizza le percezioni di ascoltatori italiani riguardo ai sistemi di raccomandazione musicale, rivelando una mancanza di consapevolezza critica sul funzionamento degli algoritmi e sulle questioni di rappresentazione di genere, e sottolineando la necessità di integrare prospettive psicosociali nella progettazione di sistemi più affidabili e culturalmente sensibili.
Il paper presenta Content-Aware Mamba (CAM), un nuovo modello di stato-spazio che supera i limiti delle scansioni rigide tradizionali adattando dinamicamente l'elaborazione al contenuto dell'immagine, permettendo al sistema di compressione CMIC di raggiungere prestazioni state-of-the-art superiori a VTM-21.0 su diversi dataset.
Questo lavoro presenta il primo dataset open-source su larga scala e nuovi modelli per la conversione di equazioni e frasi matematiche parlate in LaTeX, superando significativamente le prestazioni dei metodi precedenti su benchmark specifici per l'inglese e il russo.
Questo articolo propone un nuovo quadro di inferenza di livello 2 per dedurre le credenze degli agenti sugli obiettivi altrui, superando i limiti dei metodi tradizionali di livello 1 che assumono una conoscenza completa e condivisa, e dimostra la sua efficacia nel rilevare disallineamenti strategici in scenari reali come la guida urbana.
Il paper propone DSER, un framework geometrico-aware che utilizza la regolarizzazione spettrale nel dominio epipolare e un'architettura ibrida di inferenza per ottenere una stima della profondità da campi luminosi densa, precisa ed efficiente, superando le sfide legate a campionamento angolare sparso, occlusioni e regioni senza texture.
Questo studio presenta la prima valutazione sistematica su soggetti umani che dimostra come i modelli linguistici di grandi dimensioni (LLM) possano assistere efficacemente nella derivazione di specifiche comportamentali Gherkin da normative sulla sicurezza alimentare, pur richiedendo una revisione umana sistematica per correggere omissioni e allucinazioni.
Il paper presenta DAWN, un framework unificato basato sulla diffusione che utilizza una rappresentazione strutturata del movimento dei pixel per il controllo robotico guidato dal linguaggio, ottenendo risultati all'avanguardia su benchmark come CALVIN e MetaWorld e dimostrando una efficace trasferibilità nel mondo reale con un minimo fine-tuning.
Il paper presenta Dolphin, un metodo efficiente per la separazione del parlato audio-visivo che utilizza un codificatore video leggero basato su semantica labiale discreta e un meccanismo di attenzione globale-locale multi-scala, ottenendo prestazioni superiori allo stato dell'arte con una significativa riduzione dei parametri e del tempo di inferenza.
Il paper presenta PD-Diag-Net, un metodo di diagnosi automatica end-to-end per il morbo di Parkinson basato su risonanza magnetica cerebrale che integra conoscenze cliniche prioritarie per migliorare l'accuratezza diagnostica e l'interpretabilità, ottenendo risultati superiori rispetto agli stati dell'arte sia su dati esterni che nella diagnosi precoce.
Il paper presenta Farsighted-LAM e SSM-VLA, nuovi framework che migliorano i modelli Vision-Language-Action integrando codifica spaziale geometrica, modellazione temporale multi-scala e un modulo di ragionamento visivo per superare le limitazioni nella comprensione spaziale e temporale, ottenendo prestazioni state-of-the-art in simulazione e nel mondo reale.
Il paper propone un framework di distillazione della conoscenza che combina modelli visione-linguaggio, reti neurali convoluzionali e una rete neurale a impulsi adattiva per abilitare il rilevamento di oggetti a vocabolario aperto su dati di eventi, superando la mancanza di informazioni testurali e preservando le caratteristiche temporali critiche.
Il paper propone una nuova strategia di apprendimento auto-supervisionato basata su una definizione di equivarianza e su perdite di splitting, che permette di ottenere stime imparziali della funzione di perdita supervisionata e raggiungere prestazioni all'avanguardia in problemi inversi con dati incompleti, come la tomografia computerizzata e la risonanza magnetica accelerata.