Informatica - Intelligenza artificiale

Le camere causali forniscono dati reali per convalidare i metodi di intelligenza artificiale attraverso esperimenti controllati.

Uno studio sull'adozione della GAI nelle università di tutto il mondo e le sue implicazioni per l'istruzione.

Esaminando il coinvolgimento della comunità e l'adozione dei modelli nello sviluppo di AI open source.

Un nuovo sistema migliora le raccomandazioni per gli utenti su vari interessi.

Un nuovo approccio unisce l'apprendimento automatico e la fisica per migliorare le previsioni sui fluidi.

PathOCL migliora l'accuratezza e l'efficienza della generazione di OCL per i modelli di classe UML.

PLEIADI avanza il machine learning per una lavorazione dei dati basata su eventi veloce ed efficiente.

Esaminando come le aziende possono condividere previsioni per migliorare i risultati.

WISER migliora le previsioni sui trattamenti per il cancro grazie a tecniche innovative di analisi dei dati.

Un nuovo metodo per migliorare l'addestramento avversariale per le reti neurali profonde.

Presentiamo PQAH per capire meglio le heatmap dell'AI e la loro valutazione.

Il Compressed Sensing in tempo reale migliora la trasmissione e l'elaborazione dei dati nei satelliti miniaturizzati.

Un nuovo metodo migliora le previsioni delle traiettorie per una guida autonoma più sicura.

Un nuovo benchmark valuta le capacità dei LLM nei processi di modellazione matematica.

Un nuovo modo per creare presentazioni da documenti lunghi in modo efficace.

I ricercatori valutano il ruolo dell'IA nell'analizzare i dati astronomici e le sue implicazioni.

Questo studio esamina come i creatori rispondono quando le loro opere vengono utilizzate per l'addestramento dell'IA.

Combinare la conoscenza della fisica con modelli basati sui dati migliora le performance della generazione.

ExES fa luce sulle decisioni relative al sistema di ricerca esperti e formazione dei team.

Un nuovo approccio per migliorare le risposte generate dall'IA nella sanità.

Un nuovo metodo migliora il rilevamento di dati strani nei modelli di machine learning.

Questo studio esamina le prestazioni di CLM e MLM nella generazione di testo.

Un nuovo metodo migliora l'ottimizzazione in problemi costosi ad alta dimensione.

Esplorando un nuovo metodo per capire l'emergere nei modelli di linguaggio.

Un framework che migliora l'apprendimento per rinforzo incorporando vincoli essenziali.

Un nuovo metodo migliora la capacità dei modelli di dimenticare informazioni visive specifiche.

Un metodo veloce ed efficace per segmentare gli strati retinici usando immagini OCT.

Il framework CDC-MMPG migliora la personalizzazione dell'IA e l'efficienza per i dispositivi smart.

Il modello FAITH migliora le previsioni separando le tendenze e i modelli stagionali nei dati delle serie temporali.

I robot imparano i compiti in fretta da dimostrazioni di un solo umano usando nuove tecniche.

Un nuovo metodo migliora il rilevamento degli outlier e riduce il tempo di addestramento.

Esplorare il panorama normativo dell'AI generativa e le sue implicazioni.

L'IA sta cambiando il settore manifatturiero con efficienza, controllo qualità e manutenzione predittiva.

Uno studio su come migliorare l'equità nell'assegnazione dei compiti per i fornitori di servizi e le attività.

Un nuovo metodo migliora il controllo della glicemia per il diabete di tipo 1 usando l'IA.

Esaminando come l'apprendimento sociale possa far avanzare l'intelligenza artificiale verso capacità simili a quelle umane.

Esplora come il DETTAGLIO migliora la comprensione dell'apprendimento contestuale nei modelli linguistici.

Presentiamo un nuovo modo di imparare sulle aree geografiche e le loro connessioni.

AutoLINC automatizza la progettazione della funzione di perdita per gestire meglio il problema dell'impatto delle classi sbilanciate nel machine learning.

Un nuovo metodo per valutare quanto i modelli linguistici siano in linea con i valori umani.