2527 artigos
Este artigo oferece uma discussão abrangente sobre o conceito e a arquitetura do fatiamento de rede (network slicing) no contexto do 5G, com foco especial na modelagem de lucros através da implementação própria e do arrendamento de recursos, além de abordar desafios e direções de pesquisa para esta tecnologia emergente.
Este estudo combina dados de uma amostra representativa de adultos americanos com informações do serviço "Have I Been Pwned" para estimar que, no mínimo, 82,84% da população dos EUA teve suas contas online violadas, com uma média de pelo menos três violações por pessoa, sendo que grupos como mulheres, brancos, pessoas de meia-idade e com maior nível educacional apresentam maiores taxas de exposição.
Este artigo propõe um framework baseado em regressão de Poisson para estimar a demanda excedente não observada em sistemas de transporte público, utilizando dados filtrados da Autoridade Portuária de Pittsburgh para corrigir o viés causado pela censura dos dados de passageiros que não conseguiram embarcar.
Este estudo analisa dados da NBA desde 2015 e conclui que, embora exista um viés a favor das equipes mandantes (especialmente nos playoffs) e que certos jogadores beneficiem de decisões arbitrais além do acaso, não há evidências de viés negativo contra jogadores ou equipes específicos, nem de viés racial.
O artigo apresenta o BOPIM, um algoritmo de Otimização Bayesiana que supera métodos concorrentes na maximização de influência em redes temporais ao oferecer uma solução rápida e eficiente com quantificação de incerteza, utilizando kernels adaptados para espaços combinatórios.
Este estudo longitudinal analisa a evolução da robustez adversarial em três famílias de modelos de linguagem (GPT, Llama e Qwen), revelando que atualizações sucessivas nem sempre melhoram a segurança e que tamanhos maiores não garantem necessariamente maior resistência a ataques como jailbreaks, alucinações ou erros de classificação.
O artigo apresenta o TIMotion, um framework eficiente e eficaz para geração de movimentos humanos interativos que supera as limitações dos métodos existentes ao empregar injeção interativa causal, varredura de papéis evolutivos e amplificação de padrões localizados para modelar com precisão as dinâmicas temporais e de interação entre duas pessoas.
O artigo apresenta o VisPoison, um framework de ataque de backdoor que explora vulnerabilidades em modelos de texto-para-visualização de dados tabulares através de envenenamento de dados e gatilhos sigilosos, permitindo a extração de informações sensíveis, a geração de visualizações enganosas ou a negação de serviço com alta taxa de sucesso e baixa eficácia das defesas existentes.
O artigo apresenta o OWL-TAMP, uma abordagem que integra Modelos Visuais-Linguísticos (VLMs) a sistemas de Planejamento de Tarefa e Movimento (TAMP) para gerar restrições discretas e contínuas, permitindo que robôs realizem manipulações de longo horizonte em ambientes abertos com base em objetivos expressos em linguagem natural.
Este estudo investiga os desafios da integração de assistentes de IA no fluxo de trabalho de engenharia de software, identificando nove tipos de falhas que levaram a maioria dos participantes a abandonar a ferramenta devido a respostas incorretas, sobrecarga cognitiva e perda de contexto, embora a persistência no uso de prompts tenha reduzido significativamente a probabilidade de abandono.
Este artigo propõe um framework de aprendizado ativo eficiente em orçamento para modelos visão-linguagem, que utiliza agrupamento guiado por classe e consultas seletivas baseadas em limiares adaptativos para melhorar a precisão com menos dados rotulados.
Este estudo propõe uma taxonomia de nove "maus odores" (smells) de logs, derivada de uma revisão sistemática da literatura e mapeada para ferramentas existentes, com o objetivo de auxiliar desenvolvedores a escreverem código de log de maior qualidade e identificar lacunas na pesquisa atual.
Este estudo com 72 participantes em ambiente de Realidade Mista conclui que, embora a resolução colaborativa de problemas seja desejada em tarefas complexas de análise de grafos visuais, a representação 3D por si só não é suficiente para gerar resultados superiores aos obtidos por pares nominais, destacando a importância de usar grupos nominais como referência para avaliar ambientes virtuais colaborativos.
O artigo apresenta o ARSGaussian, um método inovador de síntese de novas vistas para sensoriamento remoto aéreo que integra nuvens de pontos LiDAR e perdas de consistência geométrica ao 3D Gaussian Splatting para corrigir erros de geometria e melhorar a qualidade visual, além de lançar o conjunto de dados AIR-LONGYAN para apoiar pesquisas nessa área.
Este estudo analisa 160 diretrizes e declarações políticas de 14 setores industriais por meio de mineração de texto para avaliar a governança da IA Generativa e dos Modelos de Linguagem de Grande Escala, oferecendo recomendações para equilibrar inovação, responsabilidade ética e acesso equitativo.
Este artigo apresenta o Kite, um protocolo que permite a delegação privada de poder de voto em DAOs, garantindo que nem os delegados nem o público saibam quem delegou a quem, enquanto mantém a integridade do processo através de provas de conhecimento zero e do framework Universal Composability.
Este artigo apresenta os iMarkers, marcadores fiduciais invisíveis ao olho humano mas detectáveis por robôs e dispositivos de realidade aumentada, que oferecem uma solução discreta e versátil para navegação e reconhecimento de objetos sem comprometer a estética do ambiente.
O estudo demonstra que o viés de gênero na percepção de liderança se estende dos gestores humanos para os gestores de IA, onde líderes masculinos são vistos mais favoravelmente, enquanto líderes femininas, especialmente as de IA, enfrentam maior ceticismo e julgamento negativo quando não concedem recompensas.
Este artigo de revisão oferece uma análise abrangente e estruturada de mais de 200 trabalhos sobre generalização em sensoriamento Wi-Fi, apresentando uma taxonomia de técnicas, um resumo de conjuntos de dados públicos e direções futuras para superar os desafios de adaptação a novos usuários, dispositivos e ambientes.
O artigo apresenta o RS-STE, uma abordagem inovadora para edição de texto em cenas que integra reconhecimento e edição em um único framework unificado, utilizando um decodificador paralelo e um ciclo de autoaprendizado para alcançar desempenho superior e consistência estilística sem a necessidade de pipelines complexos ou dados pareados.