Articoli verificati dagli autori

Machine Learning for Predicting the Proton Structure Function $F_2^P$ in QCD

Questo articolo presenta uno studio comparativo che dimostra come i modelli Multilayer Perceptron e Gaussian Process Regression, addestrati su dati sperimentali BCDMS, predicano efficacemente la funzione strutturale protonica $F_2^p$ catturando le complesse dinamiche non lineari della QCD senza risolvere le equazioni di evoluzione DGLAP.

Non-equilibrium thermodynamics of collapse models in the strongly non-Gaussian regime

Questo articolo stabilisce rigorosamente la coerenza termodinamica del modello di collasso dissipativo di Diósi-Penrose nel regime fortemente non gaussiano, impiegando un nuovo approccio di simulazione pseudo-spettrale esatto per dimostrare che il sistema si assesta in uno stato stazionario fuori equilibrio con una non-gaussianità asintotica che scala come il cubo del parametro di dissipazione, risolvendo così il problema fisico dell'instabilità del riscaldamento e confermando al contempo la necessità di metodi numerici esatti per catturare le code critiche della distribuzione.

Causal Longitudinal Prior-Fitted Networks for Counterfactual Outcome Prediction

Il documento presenta CausalLongPFN, una rete pre-addestrata con prior congelato su modelli causali temporali sintetici che predice esiti longitudinali controfattuali senza addestramento specifico per il dominio, dimostrando prestazioni competitive su benchmark come cancro, HIV e MIMIC-III, offrendo al contempo un'alternativa conveniente alla tradizionale modellazione specifica per coorte.

Emergent Language as an Approach to Conscious AI

Questo articolo propone una metodologia generativa che utilizza il linguaggio emergente nel reinforcement learning multi-agente per studiare la coscienza artificiale, dimostrando come gli agenti, partendo senza prior di linguaggio umano, possano sviluppare una comunicazione autoriferita e nuove strutture cognitive guidate esclusivamente dalle richieste del compito e dalle affordance ambientali.

The Discovery of an Active Wind from the Milky Way's Black Hole

Utilizzando osservazioni ALMA con una profondità e una risoluzione senza precedenti, i ricercatori hanno scoperto una grande lacuna conica nel gas molecolare freddo che circonda Sagittarius A*, la quale fornisce la prima prova diretta di un vento attivo proveniente dal buco nero centrale della Via Lattea.

Would you still call this Dax? Novel Visual References in VLMs and Humans

Analytic patch trees: branch interface inheritance and fractal dimension fields

Questo articolo generalizza gli alberi di curve frattali analitiche a alberi di patch di superficie in dimensioni superiori sostituendo i punti di ramificazione con varietà di interfaccia che trasmettono stati analitici, stabilendo così condizioni per l'integrabilità, la conformità e l'autosimilarità, introducendo al contempo un campo di dimensione liscio attraverso la naturale foliazione degli alberi in strutture di curve.

Let It Be Simple: One-Step Action Generation for Vision-Language-Action Models

Questo articolo dimostra che una forte generazione di azioni in un unico passaggio per i modelli Vision-Language-Action può essere ottenuta semplicemente orientando la distribuzione del tempo di addestramento verso stati ad alto rumore, eliminando la necessità di complessa distillazione o obiettivi ausiliari tipicamente richiesti nella sintesi di immagini e eguagliando o superando le prestazioni delle policy di diffusione multi-passaggio.

Catastrophic Forgetting as Accessibility Collapse: A Three-Level Framework for Knowledge Persistence in Continual Learning

Questo articolo propone un framework a tre livelli che distingue tra archiviazione, rappresentazione e accessibilità della conoscenza per dimostrare che l'oblio catastrofico nell'apprendimento continuo è principalmente un fallimento dell'accessibilità piuttosto che una completa cancellazione rappresentativa, come dimostrato dalla persistenza delle informazioni del compito nelle rappresentazioni neurali che possono essere recuperate attraverso il semplice riaddestramento di un classificatore.

Learning to Contest: Decentralized Robust Fairness in Cooperative MARL via Cross-Attention

Questo articolo introduce CAN, una politica di cross-attention decentralizzata per l'apprendimento per rinforzo multi-agente cooperativo che raggiunge una robusta equità e un'alta efficienza inferendo dinamicamente il numero di free-rider e contestandoli proporzionalmente, superando così le vulnerabilità degli esistenti apprendisti equi senza richiedere un allocatore centralizzato.