Reti neurali, ottimizzazione, architetture
Nel 1958 una macchina imparò a distinguere forme correggendo i propri errori, e i giornali promisero robot coscienti. Undici anni…
Cadence, di Pragma Research, promette l'intelligenza generale con reti in cui ogni neurone si corregge sui vicini finché tutto si…
Il test-time training promette modelli che si aggiornano mentre leggono, ma finora chiedeva architetture nuove da addestrare da zero. ByteDance…
Dietro ogni modello che "impara" c'è un solo algoritmo, ideato decenni fa. Un viaggio nella backpropagation senza formule pesanti, con…
Addestrare un modello a prevedere come cambia il mondo richiede di solito traiettorie in cui ogni azione è annotata a…
Un gruppo di ricercatori indiani mette a confronto le reti di Kolmogorov-Arnold e i classici percettroni multistrato su quattro compiti,…
Balestriero e LeCun sostituiscono la pila di accorgimenti che tiene in piedi il self-supervised learning con un solo principio dimostrabile:…
Un gruppo di Caltech modella l'addestramento come un'equazione differenziale stocastica e mostra che i valori singolari dei pesi si comportano…
Il reinforcement learning premia di solito la risposta finale di un modello. Un gruppo tra Google, UC Davis e Princeton…
Un gruppo di Stanford, NVIDIA e Berkeley riformula il contesto lungo come apprendimento continuo: invece di ricordare ogni token, il…
