4697 artigos
Este artigo propõe o padrão de Execução Consciente de Sobrevivência (SAE), uma camada de middleware para sistemas de negociação com agentes estilo OpenClaw que impõe invariantes de segurança não bypassáveis para mitigar riscos de execução e proteger contra perdas irreversíveis causadas por prompts maliciosos ou cadeias de suprimentos de habilidades comprometidas.
O artigo apresenta o Equivariant Asynchronous Diffusion (EAD), um novo modelo de difusão que combina agendamento assíncrono e mecanismos de agendamento dinâmico para superar as limitações dos métodos existentes e alcançar desempenho state-of-the-art na geração de conformações moleculares 3D.
O artigo apresenta o Code-Space Response Oracles (CSRO), um novo framework que substitui os oráculos de aprendizado por reforço tradicionais por Grandes Modelos de Linguagem (LLMs) para gerar políticas multiagente interpretáveis na forma de código, permitindo a descoberta de estratégias complexas e explicáveis com desempenho competitivo.
O artigo propõe uma nova abordagem de "esparsidade suave" baseada em um proxy de bit significativo mais alto (MSB) integrada como instrução RISC-V personalizada, que reduz drasticamente as operações de multiplicação e acumulação (MACs) e o consumo de energia em CNNs para inferência em dispositivos de borda, superando significativamente os métodos tradicionais de esparsidade rígida sem perda de precisão.
O artigo apresenta o CLIPO, um método que generaliza o Aprendizado por Reforço com Recompensas Verificáveis (RLVR) ao incorporar aprendizado contrastivo na otimização de políticas, permitindo que modelos de linguagem capturem a estrutura invariante de raciocínios corretos e, assim, mitiguem inconsistências e alucinações em etapas intermediárias, resultando em melhor generalização e robustez.
Este artigo demonstra que o fenômeno "Lost in the Middle" em modelos de linguagem é uma propriedade geométrica intrínseca dos decodificadores causais com conexões residuais, presente já na inicialização do modelo antes de qualquer treinamento ou uso de codificações posicionais, criando uma zona de influência negligenciável no meio do contexto devido à divergência logarítmica no início e a um ancoragem isolada no final.
O artigo propõe o AR-VLA, um especialista de ação autogressivo independente que mantém memória de longo prazo e utiliza um mecanismo de reancoragem para gerar trajetórias de ação mais suaves e consistentes no tempo, superando as limitações de contexto das políticas reativas tradicionais em tarefas de manipulação robótica.
O artigo propõe um sistema automatizado que utiliza agentes de IA especializados em um ciclo contínuo de otimização para aprimorar produtos de dados, equilibrando a automação com o controle humano para gerar ativos confiáveis e observáveis.
Este artigo propõe uma análise unificada da assimetria fundamental entre geração e reconhecimento em teoria das linguagens formais, identificando seis dimensões distintas (complexidade computacional, ambiguidade, direcionalidade, disponibilidade de informação, inferência de gramática e temporalidade) para demonstrar que a distinção clássica de "geração fácil, análise difícil" é enganosa e que a verdadeira assimetria reside no fato de que a análise é sempre restrita por uma entrada dada, enquanto a geração não necessariamente o é.
O artigo demonstra que é possível representar e prever preferências de usuários em diferentes domínios utilizando um espaço de incorporação social aprendido a partir da rede do Twitter (X), alcançando personalização eficaz em cenários zero-shot e revelando correlações entre fatores sociodemográficos e preferências transversais.
O artigo propõe o "Mashup Learning", um método que acelera o ajuste fino de modelos de linguagem ao identificar e fundir checkpoints históricos relevantes, resultando em maior precisão e redução significativa no tempo de treinamento em comparação com o treinamento a partir do zero.
Este artigo apresenta o primeiro framework sistemático para analisar e explorar vulnerabilidades de conformidade com cláusulas no Protocolo de Contexto de Modelo (MCP), identificando ataques que abusam da compatibilidade em SDKs multilíngues por meio de uma representação intermediária unificada e análise estática guiada por LLMs.
Este artigo apresenta um framework de avaliação de riscos para servidores MCP de código aberto, utilizando análise estática de código e mapeamento de ameaças para identificar vulnerabilidades críticas e propor diretrizes para o desenvolvimento seguro desses sistemas.
O artigo propõe a Cancelamento Adaptativo de Ativações (AAC), um framework de inferência em tempo real que mitiga alucinações em Grandes Modelos de Linguagem ao identificar e suprimir seletivamente ativações neurais associadas a erros, melhorando a precisão factual sem degradar a capacidade geral do modelo ou exigir ajuste fino.
O artigo apresenta o Delta-K, um framework de inferência plug-and-play e independente da arquitetura que resolve o problema de omissão de conceitos na geração de imagens multi-instância ao injetar um diferencial de chave () extraído por modelos de linguagem-vídeo no espaço de atenção cruzada, melhorando a coerência semântica sem necessidade de treinamento adicional ou máscaras espaciais.
Este artigo apresenta um medidor de força de senha multilíngue e orientado por IA, otimizado para o contexto indiano, que demonstra que dados gerados por ChatGPT superam modelos tradicionais como o PassGAN e que a incorporação de uma verificação de similaridade baseada em Jaro melhora significativamente a detecção de senhas fracas.
Este artigo analisa uma aproximação por difusão em tempo contínuo do gradiente de política para bandits estocásticos, provando que um aprendizado com taxa resulta em arrependimento logarítmico, enquanto demonstra que taxas maiores levam a arrependimento linear em certos cenários.
Este artigo propõe um quadro de atualização de CBCT consciente de deformações que utiliza ultrassom robótico e uma rede neural leve (USCorUNet) para inferir movimentos teciduais em tempo real e atualizar dinamicamente imagens CBCT estáticas, eliminando a necessidade de repetição de exposição à radiação durante intervenções cirúrgicas.
Este artigo propõe uma reavaliação da perda harmônica ao investigar sistematicamente diversas métricas de distância não euclidianas em modelos de visão e linguagem, demonstrando que a distância cosseno oferece o melhor equilíbrio entre desempenho, interpretabilidade e sustentabilidade, reduzindo emissões de carbono e melhorando a estabilidade do aprendizado em comparação com a perda de entropia cruzada tradicional.
Este artigo apresenta um sistema de sensoriamento quântico que utiliza circuitos quânticos otimizados com dados de propagação de rádio para permitir que agentes aprendam sobre o ambiente e realizem tarefas de localização com alta sensibilidade a sinais fracos e obstruídos, sem a necessidade de medições de canal durante a implantação e operando com menos informações do que as abordagens clássicas.