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.
1014 articoli verificati dagli autori · 551–560 / 1014
Questo articolo dimostra che la minimizzazione del lavoro irreversibile in sistemi debolmente guidati sotto vincoli fisici sulla derivata del protocollo produce una soluzione ottima globale di velocità di guida costante e un protocollo lineare, un risultato derivato da un'equazione di autovalore traslata e confermato dalla programmazione genetica numerica.
Questo articolo introduce un framework unificato di Deep Learning informato dalla Fisica che impone sia i residui delle equazioni differenziali sia i vincoli informazione-teorici per predire accuratamente l'entropia in sistemi termodinamici e finanziari, raggiungendo violazioni dello Secondo Principio pari a zero, un'efficienza dei dati superiore e la capacità di identificare instabilità di fase attraverso l'analisi geometrica.
Questo articolo dimostra che i fallimenti della sicurezza in contesti a basse risorse derivano da un disallineamento nella calibrazione delle decisioni piuttosto che da una mancanza di rappresentazioni di dannosità, e propone un metodo per risolvere questo problema ricalibrando gli esistenti gate di sicurezza ad alte risorse utilizzando solo pochi esempi nella lingua target.
Questo articolo stabilisce, per la prima volta, la convergenza di algoritmi pratici di tipo Inexact Proximal Point e di Tseng per la risoluzione di inclusioni monotone in spazi di Hilbert sotto errori non sommabili, sfruttando la regolarizzazione di Tikhonov, le proprietà di contrazione e la teoria della R-continuità.
Il documento introduce DECK, una nuova tassonomia 2x2 che classifica le allucinazioni dei LLM in base alle loro firme di rilevabilità attraverso la coerenza inter-campione e la confidenza a livello di token, rivelando che specifici tipi di errore (Drift, Entrenched, Confabulation, Knotted) richiedono metodi di rilevamento distinti ed esponendo un punto cieco universale dove fabbricazioni sicure e ripetibili su input con lacune di conoscenza rimangono indetectabili dagli attuali approcci di quantificazione dell'incertezza a livello di output.
Questo articolo introduce ChartArena, un benchmark bilingue completo che presenta otto famiglie di grafici attraverso scenari digitali, stampati e disegnati a mano con un protocollo di valutazione indipendente dal formato, per valutare sistematicamente e rivelare le attuali capacità e i limiti di 26 modelli linguistici di grandi dimensioni multimodali nella comprensione di diversi tipi di grafici.
Questo articolo introduce il Fair Fine-tuning (FFt), un metodo che mitiga gli attacchi di inferenza della distribuzione perfezionando i modelli su dati complementari sotto vincoli di Equalized Odds, dimostrando teoricamente che il vantaggio avversario è limitato dalla disparità di equità e dimostrando empiricamente riduzioni significative del successo degli attacchi attraverso diversi dataset.
JenBridge è un framework modulare e innovativo che sfrutta un modello generativo basato su Transformer e un agente regista guidato da un LLM per produrre colonne sonore video ad alta fedeltà e di lunga durata con transizioni naturali e narrativamente coerenti attraverso i cambi di scena, validate dal nuovo benchmark LVS proposto.
Questo articolo identifica il "Marginal Path Collapse" come una modalità di fallimento critica nello steering durante l'inferenza dei modelli di diffusione causata da programmi di rumore disallineati o esponenti negativi, e propone il framework Adaptive Path Correction with Exponents (ACE) per garantire matematicamente l'esistenza del percorso e migliorare significativamente le prestazioni in compiti compositivi complessi come la progettazione di farmaci e la generazione di immagini.
Questo articolo dimostra che il profilo di apertura quantitativa del campo vettoriale di un sistema non lineare impone specifici limiti inferiori necessari al tasso di crescita dei feedback stabilizzanti, rivelando che la condizione topologica di Brockett è fondamentalmente governata da requisiti di guadagno quantitativi piuttosto che essere meramente un'ostruzione binaria.