Articoli i cui autori originali hanno esaminato la nostra spiegazione divulgativa.
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.
608 articoli verificati dagli autori · 371–380 / 608
Questo studio dimostra che la consapevolezza verbalizzata della valutazione nei modelli di ragionamento su larga scala ha un impatto trascurabile sul loro comportamento effettivo attraverso i benchmark di sicurezza, allineamento e ragionamento, suggerendo che elevate percentuali di tale consapevolezza non dovrebbero essere automaticamente interpretate come prova di manipolazione strategica o manomissione dell'allineamento.
Questo articolo introduce FRE-RNN, una rete neurale ricorrente biologicamente plausibile che incorpora regolazione di feedback e connessioni residue, superando l'instabilità e gli elevati costi computazionali della Propagazione all'Equilibrio, raggiungendo velocità di convergenza e prestazioni paragonabili alla backpropagation e consentendo al contempo un'apprendimento su larga scala ispirato al cervello.
Applicando metodi di inferenza causale allo studio Framingham Heart, questo articolo dimostra che i calcolatori standard del rischio osservazionale sovrastimano il beneficio assoluto della riduzione della pressione arteriosa sul rischio di cardiopatia coronarica di circa il 21,8% a causa di fattori di confondimento, sottolineando la necessità critica di distinguere tra probabilità condizionali ed effetti interventistici nel processo decisionale clinico.
Questo articolo introduce GRALIS, un quadro matematico unificato fondato sul Teorema di Riesz che stabilisce una forma canonica per i metodi di attribuzione lineare, soddisfacendo simultaneamente 13,5 delle 14 proprietà assiomatiche e fornendo garanzie formali per completezza, convergenza e interazioni multi-scala che i singoli metodi XAI non possiedono.
Questo articolo propone un metodo innovativo per rilevare la materia oscura di tipo assione-like su scala di mediante la correlazione incrociata tra la mappatura dell'intensità radio e i sondaggi di galassie del 2MRS, dimostrando che la Fase 2 del Square Kilometre Array può sondare efficacemente questi segnali tenendo conto del decadimento stimolato guidato sia dalla radiazione cosmica di fondo sia dal fondo radio extragalattico.
Analizzando i dati di LAMOST e Gaia e validando con simulazioni N-body, questo studio dimostra che le corrugazioni radiali modellate come due onde contropropaganti possono plausibilmente spiegare le caratteristiche cinematiche ondulatorie osservate e la transizione strutturale tra i dischi sottili galattici interno ed esterno.
Questo articolo introduce il rango efficace () come una nuova misura quantitativa per caratterizzare l'espressività delle reti neurali quantistiche e sfrutta un framework di apprendimento per rinforzo con un agente transformer a self-attention per progettare automaticamente architetture di circuiti quantistici altamente espressivi che massimizzano tale metrica.
Questo lavoro migliora l'ottimizzazione a bandi kernelizzata mal specificata dimostrando che i principi di localizzazione — in particolare la localizzazione spettrale in contesti offline e la suddivisione del dominio in contesti online — possono ridurre la penalità per la mal specificazione da un fattore moltiplicativo che coinvolge la complessità del kernel a una crescita logaritmica o polilogaritmica.
Questo articolo dimostra che, sebbene gli spazi latenti di Transformer-VAE non supervisionati addestrati su SELFIES possano supportare un'orientazione significativa delle proprietà chimiche, tale controllo è valido solo quando rigorosamente convalidato attraverso molecole decodificate e una valutazione consapevole dei fattori di confusione per distinguere i segnali chimici genuini dagli artefatti a livello di sequenza.
Questo articolo fornisce un'analisi fine-granulare del fenomeno del "disallineamento sospetto" nella discesa del gradiente stocastica (SGD) in condizioni di ottimizzazione mal condizionata, rivelando come specifiche condizioni sul passo di aggiornamento causino un allineamento degli aggiornamenti del gradiente con un sottospazio dominante che paradossalmente non riduce la funzione di perdita, mentre gli aggiornamenti al sottospazio bulk rimangono efficaci.