Il Machine Learning apprende dai dati per migliorare compiti complessi, richiedendo etica e gestione per ridurre bias e impatti sociali.

MBTL migliora generalizzazione e resilienza nel reinforcement learning, riducendo costi e gap, con successi in eco-driving e traffico.

HPT del MIT sfrutta Transformer per affrontare l'eterogeneità nei robot, ottimizzando adattamento e flessibilità in compiti e ambienti diver

MathGAP valuta la capacità dei LLMs di risolvere problemi aritmetici complessi, testando la generalizzazione con dimostrazioni strutturate.

I Consistency Models (CMs) ottimizzano la generazione d’immagini riducendo i passaggi, con vantaggi per AI multimediale e industria.

CoSA adatta i modelli AI a norme di sicurezza variabili senza riaddestramento, offrendo flessibilità e riducendo notevolmente i costi.

nGPT usa la normalizzazione su ipersfera per ridurre instabilità e overfitting, migliorando traduzione, generazione e compiti downstream.

ALOHA 2 sfrutta dati su larga scala e modelli avanzati per migliorare la manipolazione robotica di oggetti complessi e deformabili.

Team di Google DeepMind e dell'Università di Berkeley ha scoperto che ottimizzare il calcolo è più efficace dell'aumentare i parametri LLM

MoMa di Meta FAIR migliora l'efficienza nei modelli linguistici multimodali, usando esperti AI per integrare dati sin dal pre-addestramento.

ChatLogic di U. Auckland integra programmazione logica in GPT-4 per migliorare ragionamento e memoria a lungo termine in LLM.

COCOM ottimizza LLM comprimendo contesti in embedding, bilanciando velocità e qualità risposte.

L'AI può superare gli umani, come dimostra la "Trascendenza AI" nello studio degli scacchi.

"Fudan University studia tecniche RAG (Retrieval-Augmented Generation) per modelli linguistici, migliorando accuratezza e riducendo errori.

I ricercatori di OpenAI usano k-sparse autoencoders per estrarre funzionalità interpretabili da GPT-4, migliorando comprensione e metriche

Le Reti Kolmogorov-Arnold Networks (KAN) offrono flessibilità e precisione superiori agli MLP.

Addestramento dell'intelligenza artificiale. Sfide: scarsità dati qualitativi, etica, e innovazione in raccolta e analisi dati

LLM come ChatGPT e Gemini elaborano dati con reti neurali. Studi MIT mostrano processi interni semplici, utili in business.

PlanGPT, LLM per la pianificazione urbana cinese, sviluppato in collaborazione con l'Accademia Cinese, promette innovazioni nel settore...

Ricerca su modelli Mamba: equilibrio tra velocità e complessità, con focus su interpretazione.