Aicomputetoken

Ricerca che propone una grammatica orientata all'IA per i linguaggi di programmazione per ridurre i costi computazionali nella generazione di codice con LLM, mantenendo l'equivalenza semantica con i linguaggi tradizionali.

Rassegna delle applicazioni delle reti neurali in morfologia computazionale, che copre tecniche, vantaggi, sfide e direzioni future nell'analisi e generazione morfologica.

Analisi completa dell'intelligenza distribuita nelle reti IoT, che copre architetture di edge computing, applicazioni, sfide e direzioni future per i sistemi IoT intelligenti.

Il framework INoT consente agli LLM di eseguire ragionamenti dialogici programmatici con costi ridotti di token e prestazioni migliorate su più benchmark.

Studio che analizza l'accuratezza delle reti neurali nella modellizzazione dei ritardi di rete in funzione del traffico in ingresso, con linee guida pratiche per la modellazione e l'ottimizzazione di rete.

Ricerca sul calcolo garantito degli errori di output in reti neurali quantizzate mediante costruzione di rete fusa e analisi di raggiungibilità per applicazioni di compressione modelli.

Analisi dei limiti della predizione di token nell'IA creativa, proponendo modelli di dialogo interattivo per performance improvvisate usando il battle rap come caso di studio.

Un modello innovativo di rete neurale quantistica che utilizza neuroni quantistici soft con operazioni a singolo qubit e misurazioni, abilitando classificazione non lineare efficiente e robustezza al rumore.

Uno studio completo e una valutazione comparativa delle tecniche di compressione dei token per i Vision Transformer, con focus sulla loro applicazione ad architetture compatte per il deployment edge AI.

Analisi del framework TREE, una nuova metrica di efficienza energetica per reti 6G integrate con AI che incorpora il throughput di token dei modelli di grandi dimensioni come utilità di rete.