4464 artigos
O artigo apresenta o MVCustom, um novo framework baseado em difusão que resolve o desafio de gerar múltiplas vistas de um objeto personalizado com controle de pose de câmera, utilizando uma representação de campo de características para consistência geométrica e técnicas de renderização e completamento de latentes para garantir fidelidade e alinhamento perspectivo.
Este artigo propõe um quadro teórico baseado na "ansatz de estrutura de autovalores de Hermite" (HEA) que permite prever as curvas de aprendizado da regressão por kernel em conjuntos de dados reais, como CIFAR-5m e ImageNet, utilizando apenas estatísticas de dados brutos e demonstrando que redes MLP também aprendem polinômios de Hermite conforme previsto pelo modelo.
O artigo apresenta o KVTC, um codificador de transformada leve que comprime caches de chave-valor em modelos de linguagem grandes usando decorrelação de recursos baseada em PCA, quantização adaptativa e codificação de entropia, alcançando uma redução de até 20 vezes no uso de memória sem comprometer a precisão do raciocínio ou do contexto longo.
Este estudo avalia a capacidade de seis sistemas de Modelos de Linguagem de Grande Escala (LLMs) de responder a perguntas especializadas sobre supercondutividade de alta temperatura, demonstrando que sistemas personalizados com Geração Aumentada por Recuperação (RAG) superam modelos fechados comerciais em precisão factual e suporte evidencial.
O artigo apresenta o DeepEyesV2, um modelo multimodal agêntico que utiliza um pipeline de treinamento em duas etapas (inicialização a frio seguida de aprendizado por reforço) e o benchmark RealX-Bench para desenvolver a capacidade de invocar ativamente ferramentas externas, como execução de código e busca na web, integrando-as eficazmente ao raciocínio em tarefas do mundo real.
O artigo apresenta o método "What We Don't C", uma abordagem baseada em *flow matching* latente que desentrelaça subespaços ao remover explicitamente informações condicionais, gerando representações residuais significativas que facilitam a descoberta e o controle de fatores de variação não capturados em conjuntos de dados de alta dimensão.
O artigo apresenta o D-GAP, um método de aumento de dados agnóstico ao conjunto e guiado por gradientes que melhora a robustez fora de domínio em visão computacional ao realizar interpolação adaptativa no espectro de amplitude e mistura complementar no espaço de pixels, reduzindo o viés de aprendizado em frequências específicas e restaurando detalhes espaciais.
O artigo apresenta o STREAM-VAE, um modelo de autoencoder variacional com roteamento de dupla via que separa dinâmicas de deriva lenta e picos rápidos em dados de telemetria veicular para melhorar a detecção robusta de anomalias em comparação com métodos existentes.
O artigo apresenta o REMSA, um agente consciente de restrições que automatiza a seleção de modelos fundamentais para sensoriamento remoto, utilizando um banco de dados estruturado e um fluxo de trabalho orientado por tarefas para interpretar consultas em linguagem natural e identificar os modelos mais adequados com base em critérios de implantação e desempenho.
Este artigo apresenta um framework hierárquico de dupla estratégia para o esquecimento seletivo em modelos de linguagem grandes aplicados à saúde, que remove conhecimento especializado sensível preservando competências médicas fundamentais com alta eficiência e garantias de privacidade.
O artigo apresenta o CostNav, um novo benchmark que avalia agentes de IA física com base em análises econômicas realistas e dados industriais, revelando que os métodos atuais de navegação, embora focados no sucesso da tarefa, não são economicamente viáveis para aplicações comerciais no mundo real.
O artigo apresenta o IndiMathBench, um benchmark verificado por humanos composto por 312 teoremas em Lean 4 derivados de olimpíadas de matemática indianas e criados por meio de um pipeline assistido por IA, que demonstra os desafios contínuos da autoformalização e do raciocínio matemático em modelos de linguagem de ponta.
O artigo apresenta o C3, um método de quantificação de incerteza que treina modelos de geração de vídeo controláveis para estimar e visualizar com precisão, em nível de subpixel, a confiança de suas previsões, permitindo a detecção de alucinações e falhas tanto dentro quanto fora da distribuição de treinamento.
O artigo apresenta o Trio, um framework de geração molecular que integra modelagem de linguagem baseada em fragmentos, aprendizado por reforço e busca em árvore Monte Carlo para criar um paradigma de descoberta de fármacos em ciclo fechado, superando métodos existentes ao gerar ligantes com maior afinidade de ligação, propriedades farmacológicas aprimoradas e acessibilidade sintética, além de expandir significativamente a diversidade química.
Este trabalho introduz variantes de florestas aleatórias baseadas no princípio de Minimização do Risco Máximo (MaxRM) para melhorar a generalização fora da distribuição, oferecendo algoritmos computacionalmente eficientes, garantias de consistência estatística e novos limites teóricos para distribuições de teste não vistas.
O artigo apresenta o GTR-Turbo, um método eficiente que utiliza um modelo fundido a partir de checkpoints de treinamento como um "professor gratuito" para orientar o aprendizado por reforço de agentes VLM, eliminando a dependência de modelos proprietários caros enquanto aumenta a precisão e reduz significativamente o tempo e o custo computacional.
Este artigo apresenta o PBT (Pretrained Battery Transformer), o primeiro modelo fundamental para previsão universal da vida útil de baterias, que supera os métodos existentes ao integrar dados heterogêneos de múltiplos tipos de baterias por meio de camadas de especialistas codificadas com conhecimento específico.
Este estudo apresenta um novo framework que combina YOLOv8 e a técnica explicativa Finer-CAM para classificar espécies arbóreas em nuvens de pontos TLS com 96% de precisão, revelando que o modelo utiliza principalmente a copa das árvores para a maioria das espécies, mas recorre ao tronco para diferenciar outras, demonstrando assim a capacidade de interpretar as decisões do modelo e identificar suas limitações.
O artigo "The Bayesian Geometry of Transformer Attention" demonstra que, em ambientes controlados chamados "túneis de vento bayesianos", os transformadores realizam inferência bayesiana com alta precisão através de um mecanismo geométrico específico envolvendo o alinhamento progressivo de chaves e consultas e uma variedade de valores de baixa dimensão, estabelecendo uma separação arquitetônica clara em relação a MLPs e oferecendo uma base para conectar sistemas pequenos verificáveis a fenômenos de raciocínio em grandes modelos de linguagem.
Este artigo estabelece que o treinamento por entropia cruzada em transformadores induz uma dinâmica de roteamento baseada em vantagens e atualizações de valores ponderadas por responsabilidade, que atuam como um procedimento EM de duas escalas temporais para esculpir geometrias bayesianas de baixa dimensão que sustentam o raciocínio probabilístico em contexto.