Informatica - Apprendimento automatico

Un nuovo modello per prendere decisioni migliori usando dati storici.

Questo articolo parla delle sfide nel fine-tuning a poche shot dei modelli di diffusione e delle soluzioni.

Nuovi metodi combattono gli attacchi backdoor sui modelli di machine learning per una maggiore sicurezza.

Impara a identificare i sistemi lineari che cambiano comportamento in base ai dati.

Questo studio esplora come si possono imparare le preferenze da semplici confronti.

Un sistema unificato rende tutto più efficiente nelle applicazioni basate su LLM.

Presentiamo un modello che genera audio e video sincronizzati con livelli di rumore misti.

Esaminando il ruolo degli agenti LLM nella risoluzione di problemi nel mondo reale.

Un nuovo metodo chiamato ADEPT migliora l'apprendimento per rinforzo offline tramite modelli adattivi.

Un nuovo metodo migliora l'efficienza del fine-tuning e riduce l'uso di memoria per i grandi modelli di linguaggio.

Preference Flow Matching offre un nuovo modo per allineare i risultati dell'IA con le preferenze degli utenti.

Uno sguardo ai ruoli di iniettività e suriettività nelle reti ReLU.

Un nuovo metodo per migliorare il seguire le istruzioni delle immagini nei modelli multimodali.

Un nuovo approccio per affrontare il problema dello sbilanciamento delle classi usando SMOTE e Variational Autoencoders.

Questo studio mostra come gli autoencoder sparsi creano rappresentazioni mnemoniche simili alle cellule del luogo.

Analizzando le risposte individuali ai trattamenti usando il Causal K-Means Clustering.

Presentiamo MaCoDE, un metodo per creare dati sintetici di alta qualità.

Un nuovo approccio migliora le prestazioni del modello con diverse fonti di dati.

LInK unisce il machine learning con metodi tradizionali per migliorare in modo significativo il design dei meccanismi.

PadFL migliora la condivisione dei modelli e l'efficienza tra diverse capacità dei dispositivi.

Un nuovo approccio all'apprendimento per rinforzo offline migliora l'apprendimento delle politiche usando modelli di diffusione.

Quest'articolo parla di come usare modelli più piccoli per affinare i dati di training e ottenere performance migliori.

Questo lavoro mette in evidenza i rischi di sicurezza nel RL e introduce SleeperNets per attacchi backdoor.

Questo sistema aiuta le persone non vedenti a fare la spesa in modo più indipendente usando un bastone robotico.

Investigando come piccoli errori nei dati di addestramento migliorano i contenuti generati dall'IA.

Un nuovo approccio migliora la generazione di molecole per la previsione della risposta ai farmaci.

Questo articolo parla di un nuovo modello semplice per generare audio dalle immagini e viceversa.

Un approccio chiaro per scegliere il giusto modello di machine learning.

Un nuovo benchmark per valutare i modelli di lingua francese migliora le capacità multilingue.

Questo studio mostra come i singoli dati influiscono sulle performance dei modelli di machine learning.

Scopri come HGQ ottimizza i modelli di deep learning per velocità e precisione.

Il Federated Learning allena i modelli mantenendo i dati degli utenti privati e al sicuro.

Un nuovo metodo migliora la comprensione dei risultati dei modelli linguistici.

Un nuovo modello collega l'apprendimento automatico e le neuroscienze usando conteggi discreti di spike.

La ricerca mostra che istruzioni diverse migliorano le prestazioni del modello di linguaggio in compiti mai visti prima.

Nuovo metodo aumenta la velocità di generazione del testo usando la selezione adattiva dei candidati.

Introducendo un sistema a doppia politica efficiente per l'apprendimento per rinforzo offline.

Una panoramica delle tecniche di modellazione generativa e delle applicazioni nell'AI.

L'intelligenza artificiale migliora le previsioni su forme e dimensioni dei nanomateriali.

Un nuovo approccio per migliorare l'efficienza nei processi di ricerca dell'architettura neurale.