Articoli verificati dagli autori

Per ogni articolo in questa pagina, almeno uno degli autori originali ha visto la nostra spiegazione divulgativa e se ne è occupato — confermandone l'accuratezza o richiedendo correzioni che abbiamo poi applicato. Una conferma non significa che gli autori approvino formalmente ogni frase, ma che la spiegazione è passata sotto gli occhi di chi ha scritto l'articolo.

607 articoli verificati dagli autori · 201–210 / 607

Micro-Swarm Locomotion Optimization in Dynamic Flow using Multi-Objective Multi-Agent Reinforcement Learning

Questo articolo presenta un framework ibrido di Fluidodinamica Computazionale e Apprendimento per Rinforzo Multi-Agente Multi-Obiettivo che coordina con successo sciami di microrobot azionati magneticamente in flussi dinamici e pulsanti, utilizzando PCGrad per risolvere i conflitti di gradiente, ottenendo così l'ottimizzazione simultanea della progressione a monte, dell'efficienza energetica e della fluidità del movimento attraverso comportamenti idrodinamici emergenti.

Josef Berman, Oren Gal2026-05-26✓ Author reviewed ⓘ⚡ eess

Measuring Reasoning Quality in LLMs: A Multi-Dimensional Behavioral Framework

Questo articolo introduce un quadro comportamentale unificato multidimensionale che valuta il ragionamento dei LLM attraverso sei dimensioni distinte—Correttezza, Coerenza, Robustezza, Coerenza Logica, Efficienza e Stabilità—per rivelare intuizioni critiche ed evitare errori di classificazione che le metriche tradizionali basate esclusivamente sull'accuratezza trascurano.

Ali Şenol, Garima Agrawal, Huan Liu2026-05-26✓ Author reviewed ⓘ🤖 cs.AI

Habermolt: Delegating Deliberation to AI Representatives

Questo articolo introduce Habermolt, una piattaforma pubblica per la deliberazione delegata all'intelligenza artificiale in cui agenti rappresentano gli esseri umani nel processo decisionale collettivo, e ne valuta l'efficacia attraverso le dimensioni di rappresentanza, aggregazione e revisione per affrontare le nuove sfide di progettazione e allineamento legate a rappresentanti di intelligenza artificiale scalabili e affidabili.

Joseph Low, Oscar Duys, Claude Formanek, Michiel Bakker, Lewis Hammond2026-05-26✓ Author reviewed ⓘ💻 cs

The Concept Allocation Zone: Tracking How Concepts Form Across Transformer Depth

Questo articolo introduce la Zona di Allocazione dei Concetti (CAZ), un quadro che ridefinisce la formazione dei concetti nei modelli transformer come un processo esteso in profondità che si verifica attraverso una regione contigua del flusso residuo piuttosto che in un singolo strato "migliore", utilizzando nuove metriche per identificare queste zone e rivelando che molti concetti risiedono in regioni di allocazione sottili e multimodali che sono causalmente attive ma invisibili ai metodi standard di rilevamento dei picchi.

James Henry2026-05-26✓ Author reviewed ⓘ🤖 cs.LG

Forgotten Words: Benchmarking NeoBERT for Dementia Detection in Low-Resource Conversational Filipino and English Speech

Questo articolo presenta la prima valutazione sistematica del rilevamento della demenza basato su transformer nel discorso code-switched filippino-inglese, dimostrando che, mentre i modelli monolingue non riescono a generalizzare tra le lingue, il fine-tuning bilingue elimina efficacemente il degrado delle prestazioni cross-linguistico e raggiunge un'alta accuratezza indipendentemente dall'architettura del modello.

Rez Samantha Z. Floresca, Edric Castel C. Hao, Hannah Grachiella Buñales, Chelsea Dominique E. Temprosa, Georgianna Z. Reyes, Kervin Gabriel L. Chua2026-05-26✓ Author reviewed ⓘ💬 cs.CL

'Si'multaneous 'S'patial-'T'emporal Message Passing for Dynamic Graph Representation Learning

Questo lavoro introduce SiST-GNN, una rete neurale su grafo dinamica innovativa che unifica il passaggio di messaggi spaziale e temporale in una singola operazione arricchendo il grafo con archi intertemporali, ottenendo così prestazioni allo stato dell'arte nella previsione di collegamenti e nella classificazione dei nodi su diversi benchmark.

Shubhajit Roy, Anirban Dasgupta2026-05-26✓ Author reviewed ⓘ🤖 cs.LG

Learning in Low-Dimensional Subspaces: Orthogonal Bottlenecks for Reinforcement Learning

Questo articolo introduce colli di bottiglia ortogonali, un meccanismo leggero e indipendente dall'architettura che vincola le rappresentazioni dell'apprendimento per rinforzo a sottospazi a bassa dimensionalità tramite proiezioni ortonormali fisse, dimostrando sia teoricamente che empiricamente che le funzioni valore rilevanti per il compito possono essere preservate e spesso migliorate con una dimensionalità minima, stabilizzando al contempo la geometria delle caratteristiche.

Aleksandar Todorov, Matthia Sabatelli2026-05-26✓ Author reviewed ⓘ🤖 cs.LG

Geometric Workspace Analysis and Transmission-Aware Dynamics of a Serial Spherical Tool for Microsurgery

Questo articolo presenta un framework di progettazione cinematico e consapevole della trasmissione per uno strumento microchirurgico sferico seriale, caratterizzato da una formulazione analitica dello spazio di lavoro e da una metodologia informata dalla dinamica per trasmissioni autobloccanti, validati attraverso esperimenti su un sistema robotico costruito appositamente per la chirurgia vitreoretinica.

Anestis Mablekos-Alexiou, Lyndon da Cruz, Christos Bergeles2026-05-26✓ Author reviewed ⓘ💻 cs

Cross-Domain Generalization Limits of Vision Foundation Models in Facial Deepfake Detection

Questo articolo valuta sistematicamente i limiti di generalizzazione cross-dominio dei Modelli Fondamentali per la Visione nella rilevazione di deepfake facciali, rivelando che, sebbene questi modelli eccellano nell'identificare la sintesi dell'intero volto, faticano con le tecniche di editing localizzato a causa di compromessi intrinseci tra i paradigmi di pre-addestramento e le strutture di valutazione tramite sonda lineare.

Ibrahim Delibasoglu2026-05-26✓ Author reviewed ⓘ🤖 cs.AI

Scaling up Energy-Aware Multi-Agent Reinforcement Learning for Mission-Oriented Drone Networks with Individual Reward

Questo articolo propone un modello di apprendimento per rinforzo multi-agente consapevole dell'energia che utilizza le Deep Q-Network con funzioni di ricompensa individuali per migliorare la robustezza, l'efficienza energetica e il tasso di successo delle reti di droni orientate alla missione, in particolare quando si aumenta la dimensione dell'ambiente e il numero di agenti rispetto agli approcci tradizionali con ricompensa condivisa.

Changling Li, Ying Li2026-05-26✓ Author reviewed ⓘ🤖 cs.AI

← Precedente Successivo →