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.

279 articoli verificati dagli autori · 31–40 / 279

Device-area selection of memristive transport regimes in epitaxial Hf0.5Zr0.5O2Hf_{0.5}Zr_{0.5}O_{2}-based ferroelectric devices

Lo studio dimostra che nelle eterostrutture epitassiali a base di Hf0.5_{0.5}Zr0.5_{0.5}O2_2, il regime di trasporto memristivo presenta una sovrapposizione di meccanismi di tunneling dipendenti dall'area e di percorsi di conduzione localizzati, con una transizione statistica attorno a 103 μm210^3~\mu\mathrm{m}^2 correlata all'innesco dell'attivazione ferroeletrica e alla ridistribuzione delle vacanze di ossigeno.

Priscila A. Tapia Presas, Lautaro Galarregui, Wilson Román Acevedo, Myriam H. Aguirre, José Santiso, Sylvia Matzen, Beatriz Noheda, Diego Rubi2026-04-20✓ Author reviewed 🔬 cond-mat.mtrl-sci

Applied Explainability for Large Language Models: A Comparative Study

Questo studio applicato confronta tre tecniche di spiegabilità (Integrated Gradients, Attention Rollout e SHAP) su un modello DistilBERT per l'analisi del sentiment, evidenziando come i metodi basati su gradienti offrano spiegazioni più stabili e intuitive rispetto a quelli basati sull'attenzione o agnostici rispetto al modello, pur con diversi compromessi computazionali.

Venkata Abhinandan Kancharla2026-04-20✓ Author reviewed 💬 cs.CL

A Function-Centric Perspective on Flat and Sharp Minima

This paper challenges the conventional view that flat minima inherently ensure better generalization, arguing through extensive empirical studies that sharpness is a function-dependent property — sharper minima often correlate with improved performance, robustness, and calibration when models are properly regularized, though distinguishing task-driven sharpness from memorization-driven sharpness remains an open practical question. L'analogia del chirurgo e del coltello da burro rimane centrale: un coltello da burro (un modello "smussato") può essere inadeguato per compiti complessi che richiedono precisione, mentre un coltello affilato (un modello "acuto") può essere lo strumento giusto per un lavoro chirurgico, a patto che sia affilato per la ragione corretta. **Takeaway** * La sharpness non è sempre un difetto — a volte è una caratteristica. * I minimi acuti possono essere il risultato di una regolarizzazione efficace e di una migliore generalizzazione. * La forma del minimo dipende dalla funzione appresa, non solo dalla complessità del modello. In conclusione, sebbene il vecchio "regola" che equiparava la sharpness alla memorizzazione sia troppo semplice, la nuova regola non è ancora completa. Distinguere nella pratica tra un modello "acuto perché il compito è complesso" e uno "acuto perché ha memorizzato" rimane una domanda aperta. Il paper ci dice che non possiamo più giudicare un modello solo dalla sua affilatura, ma non ci fornisce ancora un metodo definitivo per identificare la memorizzazione basandoci sulla sharpness da sola.

Israel Mason-Williams, Gabryel Mason-Williams, Helen Yannakoudakis2026-04-16✓ Author reviewed 🤖 cs.LG

Functional Emotions or Situational Contexts? A Discriminating Test from the Mythos Preview System Card

Questo documento propone un test discriminante per distinguere tra due ipotesi concorrenti qualitativamente coerenti con la scheda di anteprima del sistema Mythos di Claude: che i vettori emotivi rappresentino emozioni funzionali che guidano causalmente il comportamento non allineato, oppure che siano una proiezione di una struttura contestuale situazionale più ricca, specificando il test di incrocio degli strumenti su episodi in cui è riportata solo una delle due, con conseguenze dirette sull'affidabilità del monitoraggio basato sulle emozioni nel rilevare comportamenti pericolosi del modello.

Hiranya V. Peiris2026-04-16✓ Author reviewed 💬 cs.CL