Informatica e IA

Reflect3r: Ricostruzione Stereo 3D da Singola Vista Assistita da Riflessi Speculari

by

Reflect3r: Sfruttare i Riflessi per la Ricostruzione 3D

Un nuovo studio, pubblicato su arXiv (arXiv:2509.20607v2), presenta Reflect3r, un innovativo approccio per la ricostruzione 3D che utilizza i riflessi speculari presenti in ambienti comuni. L’idea chiave è considerare il riflesso come una vista ausiliaria, sfruttando l’informazione stereo presente in una singola immagine grazie alla contemporanea visibilità della scena reale e della sua immagine speculare.

Il metodo proposto trasforma il riflesso in una virtual camera, consentendo la generazione diretta nel dominio dei pixel di una vista virtuale, coerente con il processo di imaging reale. Questo approccio semplifica il processo di acquisizione, trasformando una singola immagine in un setup multi-vista stereo, e lo rende compatibile con modelli di ricostruzione feed-forward potenti e affidabili per una ricostruzione 3D generalizzabile e robusta.

Per ottimizzare l’utilizzo della simmetria geometrica intrinseca ai riflessi, i ricercatori hanno sviluppato una loss function simmetria-consapevole per affinare la stima della posa. L’efficacia del framework è stata dimostrata anche in scenari dinamici, dove ogni frame include un riflesso, permettendo una rapida ricostruzione geometrica fotogramma per fotogramma.

La valutazione quantitativa è stata eseguita su un dataset sintetico personalizzabile, creato con Blender, composto da 16 scene con ground-truth di nuvole di punti e pose delle camere. Estesi esperimenti su dati reali e sintetici hanno confermato l’efficacia del metodo.

Paper: ArXiv.org

Memorizzazione nei modelli linguistici di grandi dimensioni in medicina: prevalenza, caratteristiche e implicazioni

by

Memorizzazione nei modelli linguistici di grandi dimensioni in medicina

I modelli linguistici di grandi dimensioni (LLM) hanno dimostrato un potenziale significativo in medicina, con molti studi che li adattano attraverso il pre-addestramento continuo o la messa a punto su dati medici per migliorare l’accuratezza e la sicurezza specifiche del dominio. Tuttavia, una domanda chiave rimane aperta: in che misura gli LLM memorizzano i dati di addestramento medico? La memorizzazione può essere vantaggiosa quando consente agli LLM di conservare preziose conoscenze mediche durante l’adattamento al dominio. Tuttavia, solleva anche preoccupazioni. Gli LLM possono riprodurre inavvertitamente contenuti clinici sensibili (ad esempio, dettagli specifici del paziente) e un’eccessiva memorizzazione può ridurre la generalizzabilità del modello, aumentando i rischi di diagnosi errate e di raccomandazioni ingiustificate. Questi rischi sono ulteriormente amplificati dalla natura generativa degli LLM, che possono non solo far emergere contenuti memorizzati, ma anche produrre output fuorvianti e troppo sicuri di sé che possono ostacolare l’adozione clinica.

Questo studio analizza sistematicamente scenari di adattamento comuni: (1) pre-addestramento continuo su corpora medici, (2) messa a punto su benchmark medici standard e (3) messa a punto su dati clinici reali, inclusi oltre 13.000 registri di pazienti ricoverati dello Yale New Haven Health System. I risultati dimostrano che la memorizzazione è prevalente in tutti gli scenari di adattamento e significativamente più alta di quella riportata nel dominio generale. Inoltre, la memorizzazione ha caratteristiche distinte durante il pre-addestramento continuo e la messa a punto ed è persistente: fino all’87% dei contenuti memorizzati durante il pre-addestramento continuo rimane dopo la messa a punto su nuove attività mediche.

Paper: ArXiv.org

AI-EDL: Un Framework Concettuale per Collegare le Capacità dell’IA con le Teorie Educative Classiche

by

AI-EDL: Un Approccio Innovativo all’Apprendimento

Un nuovo studio introduce l’AI-Educational Development Loop (AI-EDL), un framework basato sulla teoria che integra le teorie classiche dell’apprendimento con l’intelligenza artificiale (IA) con un approccio human-in-the-loop. Questo modello supporta un apprendimento riflessivo e iterativo, implementato nella piattaforma EduAlly, progettata per compiti che richiedono scrittura intensiva e feedback accurato.

Il framework AI-EDL enfatizza trasparenza, auto-regolazione dell’apprendimento e supervisione pedagogica. Un recente studio misto presso un’università pubblica ha valutato l’allineamento tra il feedback generato dall’IA, le valutazioni degli istruttori e le autovalutazioni degli studenti, l’impatto della revisione iterativa sulle prestazioni e le percezioni degli studenti sul feedback dell’IA. I risultati quantitativi hanno mostrato miglioramenti significativi tra il primo e il secondo tentativo, con un’elevata concordanza tra le autovalutazioni degli studenti e i voti finali degli istruttori.

I risultati qualitativi indicano che gli studenti hanno apprezzato l’immediatezza, la specificità e le opportunità di crescita offerte dal feedback dell’IA. Questi risultati confermano il potenziale per migliorare i risultati dell’apprendimento degli studenti attraverso sistemi di feedback basati sullo sviluppo, eticamente allineati e scalabili. Lo studio conclude con implicazioni per future applicazioni interdisciplinari e il perfezionamento delle tecnologie educative supportate dall’IA.

Paper: ArXiv.org

AttriCtrl: Controllo Granulare dell’Intensità degli Attributi Estetici nei Modelli di Diffusione

by

AttriCtrl: Controllo Granulare degli Attributi Estetici nei Modelli di Diffusione

I modelli di diffusione sono diventati il paradigma dominante per la generazione di immagini, ma i sistemi esistenti faticano a interpretare e seguire istruzioni numeriche per regolare gli attributi semantici. In scenari creativi reali, specialmente quando è richiesto un controllo preciso sugli attributi estetici, i metodi attuali non forniscono tale controllabilità. Questa limitazione deriva in parte dalla natura soggettiva e dipendente dal contesto dei giudizi estetici, ma fondamentalmente dal fatto che gli attuali codificatori di testo sono progettati per token discreti piuttosto che valori continui.

Per colmare questa lacuna, presentiamo AttriCtrl, un framework leggero per il controllo continuo dell’intensità estetica nei modelli di diffusione. Definisce prima gli attributi estetici rilevanti, quindi li quantifica attraverso una strategia ibrida che mappa sia dimensioni concrete che astratte su una scala unificata [0,1]. Un codificatore di valori plug-and-play viene quindi utilizzato per trasformare i valori specificati dall’utente in embeddings interpretabili dal modello per la generazione controllabile. Gli esperimenti dimostrano che AttriCtrl raggiunge un controllo accurato e continuo su attributi estetici singoli e multipli, migliorando significativamente la personalizzazione e la diversità.

Fondamentalmente, è implementato come un adattatore leggero mantenendo il modello di diffusione congelato, garantendo un’integrazione perfetta con framework esistenti come ControlNet a un costo computazionale trascurabile.

Paper: ArXiv.org

CliCARE: Ancorare i modelli linguistici di grandi dimensioni alle linee guida cliniche per il supporto decisionale sui registri sanitari elettronici longitudinali sul cancro

by

CliCARE: Rivoluzionare il supporto decisionale nel cancro

I modelli linguistici di grandi dimensioni (LLM) promettono di migliorare il supporto decisionale clinico e ridurre il burnout dei medici sintetizzando i complessi registri sanitari elettronici (EHR) longitudinali sul cancro. Tuttavia, l’implementazione in questo campo critico deve affrontare tre sfide principali: l’incapacità di elaborare efficacemente la lunghezza e la natura frammentata delle cartelle cliniche per un’analisi temporale accurata; un maggiore rischio di allucinazioni cliniche, poiché le tecniche di grounding convenzionali come la Retrieval-Augmented Generation (RAG) non incorporano adeguatamente le linee guida cliniche orientate al processo; e metriche di valutazione inaffidabili che ostacolano la validazione dei sistemi di intelligenza artificiale in oncologia.

Per affrontare questi problemi, è stato sviluppato CliCARE, un framework per ancorare i modelli linguistici di grandi dimensioni alle linee guida cliniche per il supporto decisionale sui registri sanitari elettronici longitudinali sul cancro. Il framework trasforma gli EHR longitudinali non strutturati in grafi di conoscenza temporali (TKG) specifici per il paziente per catturare le dipendenze a lungo raggio, quindi ancora il processo di supporto decisionale allineando queste traiettorie del paziente del mondo reale con un grafo di conoscenza delle linee guida normative. Questo approccio fornisce agli oncologi un supporto decisionale basato sull’evidenza generando un riepilogo clinico ad alta fedeltà e una raccomandazione attuabile.

Il framework è stato convalidato utilizzando dati longitudinali su larga scala provenienti da un dataset privato cinese sul cancro e dal dataset pubblico inglese MIMIC-IV. In questi contesti, CliCARE supera significativamente i benchmark, inclusi i principali LLM a lungo contesto e i metodi RAG potenziati con Knowledge Graph. La validità clinica dei risultati è supportata da un protocollo di valutazione solido, che dimostra un’elevata correlazione con le valutazioni effettuate dagli oncologi.

Paper: ArXiv.org

Modifica delle immagini guidata da segnali neurali: una nuova frontiera tecnologica

by

Rivoluzionaria tecnologia per l’editing di immagini tramite segnali neurali

Un nuovo studio pubblicato su arXiv (2507.05397v3) presenta LoongX, un approccio innovativo all’editing di immagini che sfrutta i segnali neurofisiologici per consentire modifiche hands-free. Questa tecnologia si basa sull’interazione tra interfacce cervello-computer (BCI) e modelli generativi, aprendo nuove possibilità per individui con difficoltà motorie o linguistiche.

LoongX utilizza modelli di diffusione all’avanguardia addestrati su un ampio dataset di 23.928 coppie di immagini editate, ciascuna associata a segnali neurofisiologici sincronizzati come elettroencefalogramma (EEG), spettroscopia nel vicino infrarosso (fNIRS), fotopletismografia (PPG) e movimenti della testa, catturando l’intento dell’utente. Il sistema integra due moduli chiave: il modulo cross-scale state space (CS3) per codificare le caratteristiche specifiche di ogni modalità e il modulo dynamic gated fusion (DGF) per aggregare tali informazioni in uno spazio latente unificato, allineato semanticamente alle modifiche tramite un diffusion transformer (DiT).

I risultati sperimentali dimostrano che LoongX raggiunge prestazioni paragonabili ai metodi basati sul testo e li supera quando i segnali neurali vengono combinati con la voce. Il progetto, con codice e dataset disponibili sul sito web dedicato (https://loongx1.github.io), promette di rendere l’editing di immagini accessibile e intuitivo, aprendo nuove direzioni per le tecnologie creative guidate dalla cognizione.

Paper: ArXiv.org

Sondando a fondo il profilo temporale: un rilevatore di piccoli target a infrarossi di gran lunga migliore

by

Probing Deep into Temporal Profile Makes the Infrared Small Target Detector Much Better

La rivelazione di piccoli target a infrarossi (IRST) è impegnativa nel raggiungere prestazioni precise, robuste ed efficienti simultaneamente a causa di target estremamente deboli e forti interferenze. Gli attuali metodi basati sull’apprendimento tentano di sfruttare “maggiori” informazioni sia dai domini spaziali che da quelli temporali a breve termine, ma soffrono di prestazioni inaffidabili in condizioni complesse, incorrendo al contempo in ridondanza computazionale. In questo articolo, esploriamo le informazioni “più essenziali” da un dominio più cruciale per la rivelazione. Attraverso l’analisi teorica, riveliamo che la salienza temporale globale e le informazioni di correlazione nel profilo temporale dimostrano una significativa superiorità nel distinguere i segnali target da altri segnali. Per verificare se tale superiorità è preferenzialmente sfruttata da reti ben addestrate, abbiamo costruito il primo strumento di attribuzione delle previsioni in questo campo e verificato l’importanza delle informazioni sul profilo temporale. Ispirati dalle suddette conclusioni, abbiamo rimodellato il compito di rilevamento IRST come un compito di rilevamento di anomalie del segnale unidimensionale e proponiamo un’efficiente rete di probing temporale profonda (DeepPro) che esegue calcoli solo nella dimensione temporale per il rilevamento IRST. Abbiamo condotto ampi esperimenti per convalidare pienamente l’efficacia del nostro metodo. I risultati sperimentali sono entusiasmanti, poiché il nostro DeepPro supera i metodi di rilevamento IRST all’avanguardia esistenti su benchmark ampiamente utilizzati con un’efficienza estremamente elevata e ottiene un miglioramento significativo su target deboli e in scenari complessi. Forniamo un nuovo dominio di modellazione, una nuova visione, un nuovo metodo e nuove prestazioni, che possono promuovere lo sviluppo della rilevazione IRST. I codici sono disponibili all’indirizzo https://github.com/TinaLRJ/DeepPro.

Paper: ArXiv.org

Guidare la narrazione generativa con i grafi di conoscenza

by

Guiding Generative Storytelling with Knowledge Graphs

Un recente studio pubblicato su arXiv (arXiv:2505.24803v3) esplora il potenziale dei grafi di conoscenza (KG) per migliorare la narrazione generativa basata su modelli linguistici di grandi dimensioni (LLM). Nonostante i progressi, mantenere la coerenza a lungo termine e un controllo efficace per l’utente rimane una sfida. Questo studio si concentra sull’utilizzo dei KG per assistere la generazione di storie lunghe e creare un KG modificabile, abbinato alla generazione LLM, in uno studio utente a due fasi.

La ricerca indaga come i KG possano migliorare la narrazione basata su LLM, aumentando la qualità della narrazione e consentendo modifiche guidate dall’utente. Viene proposto un sistema di narrazione assistita da KG e valutato in uno studio con 15 partecipanti. I partecipanti hanno creato prompt, generato storie e modificato i KG per dare forma alle loro narrazioni. L’analisi quantitativa e qualitativa mostra miglioramenti concentrati in narrazioni orientate all’azione e strutturalmente esplicite, ma non per storie introspettive. I partecipanti hanno riportato un forte senso di controllo durante la modifica del KG, descrivendo l’esperienza come coinvolgente, interattiva e giocosa. Questo approccio promette di rendere la narrazione generativa più controllabile e coinvolgente per gli utenti.

I risultati suggeriscono che i KG possono essere strumenti potenti per migliorare la narrazione generativa, in particolare per i tipi di storie che si basano su azioni e strutture esplicite. Lo studio sottolinea l’importanza di fornire agli utenti un controllo diretto sul processo di narrazione, aprendo nuove possibilità per la creazione di storie interattive e personalizzate.

Paper: ArXiv.org

Mettiamoci nei panni di Sally: Il precompilamento ‘Shoes-of-Others’ migliora la teoria della mente nei modelli linguistici di grandi dimensioni

by

Nuovo metodo per migliorare la Teoria della Mente nei modelli linguistici

Uno studio pubblicato su arXiv (arXiv:2506.05970v2) introduce un nuovo metodo per migliorare la Teoria della Mente (ToM) nei modelli linguistici di grandi dimensioni (LLM). La ToM, la capacità di comprendere e prevedere gli stati mentali altrui, è ancora lontana dalle prestazioni umane nei LLM. La ricerca ha esplorato metodi di inferenza che non richiedono la messa a punto sui dataset ToM, che spesso degradano la generalizzazione dei modelli.

Il metodo proposto, chiamato ‘Shoes-of-Others’ (SoO) prefilling, si basa sull’aggiunta di una semplice frase all’inizio delle risposte del modello: “Mettiamoci nei panni di A”, dove ‘A’ è il nome del personaggio target. Questo approccio richiede meno assunzioni sui contesti ed è applicabile a scenari più ampi rispetto ai metodi precedenti, focalizzati su contesti con cambiamenti nello stato del mondo.

I risultati della valutazione su due benchmark, che valutano la ToM in contesti conversazionali e narrativi senza modifiche nello stato del mondo, mostrano un miglioramento costante in cinque categorie di stati mentali. L’analisi suggerisce che il precompilamento SoO evoca pensieri fedeli, migliorando così le prestazioni della ToM. Questo studio apre nuove strade per la ricerca sull’intelligenza artificiale, suggerendo che approcci semplici possono portare a miglioramenti significativi nella comprensione delle capacità umane da parte dei modelli linguistici.

Paper: ArXiv.org

Let Me Think! Una catena di ragionamento lunga può valere esponenzialmente molte catene corte

by

Nuove Scoperte sull’Efficacia del Ragionamento nei Modelli Linguistici

Un recente studio pubblicato su arXiv (arXiv:2505.21825v2) ha esplorato l’ottimale allocazione del tempo di calcolo durante l’inferenza nei modelli linguistici di grandi dimensioni (LLM). La ricerca si concentra su come migliorare il ragionamento, un aspetto cruciale per l’efficacia di questi modelli. L’indagine si pone una domanda fondamentale: è più vantaggioso concentrarsi su un ragionamento sequenziale, come catene di pensiero più lunghe, o su un approccio parallelo, come il voto a maggioranza tra più catene di pensiero brevi?

I risultati dello studio suggeriscono che, in determinati contesti di ragionamento, la scalabilità sequenziale può offrire un vantaggio esponenziale rispetto alla scalabilità parallela. Questo è stato dimostrato in problemi legati alla connettività dei grafi, affrontando distribuzioni complesse. I ricercatori hanno convalidato le loro scoperte teoriche attraverso esperimenti approfonditi, utilizzando diversi modelli linguistici, inclusi modelli addestrati da zero per la connettività dei grafi e modelli di ragionamento di grandi dimensioni. Questi esperimenti hanno incluso diverse strategie di “chain of thought”, dimostrando come la lunghezza e la struttura delle catene di pensiero influenzino le prestazioni.

Questo studio apre nuove prospettive sulla progettazione dei modelli linguistici, evidenziando l’importanza di bilanciare attentamente le risorse di calcolo durante l’inferenza. I risultati suggeriscono che, in alcuni casi, investire in catene di pensiero più lunghe può portare a miglioramenti significativi nelle capacità di ragionamento dei modelli.

Paper: ArXiv.org