4855 artigos
Este artigo propõe uma arquitetura leve para Federated Learning que utiliza a injeção de backdoors e o esquecimento catastrófico para criar provas intrínsecas efêmeras, permitindo a verificação da agregação de modelos com segurança e anonimato, ao mesmo tempo em que supera em mais de mil vezes o desempenho de soluções criptográficas tradicionais.
O artigo "RandMark" propõe um método de marcação d'água aleatória que utiliza uma pequena rede encoder-decoder para embutir marcas digitais em representações internas de modelos fundacionais visuais, permitindo a verificação eficaz da propriedade intelectual com baixas taxas de falsos positivos e falsos negativos.
O artigo apresenta o EvoSchema, um benchmark abrangente que introduz uma nova taxonomia de evolução de esquemas para avaliar e melhorar a robustez dos modelos de texto-para-SQL frente a mudanças dinâmicas em bancos de dados, demonstrando que perturbações no nível de tabelas impactam mais o desempenho e que o treinamento com dados diversificados gera sistemas mais resilientes.
Este artigo demonstra que o uso de dados estruturados vinculados, especificamente através de páginas de entidades otimizadas com instruções para agentes e interligação neural, melhora significativamente a precisão e a qualidade das respostas em sistemas de Geração Aumentada por Recuperação (RAG) padrão e orientados a agentes, superando abordagens baseadas apenas em texto plano ou metadados JSON-LD simples.
O artigo apresenta o AlphaFlowTSE, um modelo generativo condicional de uma única etapa para extração de fala de falante-alvo que utiliza um objetivo AlphaFlow livre de produtos vetoriais de Jacobiano para melhorar a fidelidade da fala e a generalização em cenários reais, superando as limitações de latência e confiabilidade das soluções existentes.
O artigo apresenta o PV-VASM, uma estrutura probabilística model-agnóstica que verifica a robustez de modelos de anti-falsificação de voz ao estimar a probabilidade de erro sob diversas técnicas de síntese e perturbações, oferecendo garantias teóricas de segurança contra ameaças de deepfakes.
Este artigo apresenta o CTCNet, uma rede de cognição de tráfego multiespectral que integra conhecimento regulatório e compensação de qualidade entre modalidades óptica e térmica, juntamente com o novo benchmark Traffic-VQA, para superar as limitações de métodos existentes na compreensão de cenas de tráfego em UAVs sob condições adversas.
Este artigo apresenta o HIR-SDD, um novo framework para detecção de deepfakes de voz que combina Grandes Modelos de Linguagem de Áudio com raciocínio inspirado no ser humano, utilizando um conjunto de dados anotado para melhorar a generalização e fornecer explicações interpretáveis para as previsões.
O artigo apresenta o CUPID, um módulo plug-in versátil que estima conjuntamente a incerteza aleatória e epistêmica em redes neurais pré-treinadas sem necessidade de retreinamento, permitindo uma análise interpretável e model-agnóstica da origem das incertezas em diversas tarefas de aprendizado profundo.
O artigo propõe uma arquitetura de autoencoder baseada em aprendizado profundo para o quadro de computação distribuída aleatorizada (RDFC), visando minimizar a distância da variação total em relação a uma distribuição alvo desconhecida e demonstrando ganhos significativos em carga de comunicação em comparação com métodos de compressão de dados.
O artigo propõe o uso de "Super Neurônios", que são ativações escalares diretas de camadas iniciais de Modelos de Linguagem Visuais, para criar classificadores precisos em tarefas de VQA categórica que permitem uma saída antecipada extrema e alcançam acelerações de até 5,10 vezes sem necessidade de ajuste fino.
Este artigo apresenta um framework de IA que utiliza uma estratégia de divisão de dados consciente do contexto e correção de erros espaciais para prever com maior precisão a demanda de tráfego celular em 5G/6G, mitigando vazamentos de dados e melhorando o planejamento de rede em cidades canadenses.
Este artigo apresenta um modelo hierárquico baseado em redes neurais de atenção gráfica (HR-GAT) que estima a demanda de espectro em escala espacial fina com maior precisão do que métodos existentes, utilizando dados públicos de implantação para apoiar decisões regulatórias e o compartilhamento de espectro em cidades canadenses.
O artigo propõe um novo quadro de avaliação de segurança para modelos de linguagem em serviços financeiros, introduzindo a Pontuação de Dano Ajustada ao Risco (RAHS) e um pipeline de red-teaming automatizado para identificar e quantificar falhas específicas do setor que os métodos tradicionais ignoram.
O artigo propõe o Desenvolvimento Primeiro do Cuidado (NFD), um novo paradigma que substitui as abordagens tradicionais de codificação ou prompts estáticos pelo crescimento progressivo de agentes de IA especializados através de interações conversacionais estruturadas com praticantes do domínio, utilizando um Ciclo de Cristalização do Conhecimento para transformar o conhecimento tácito e fragmentado em ativos reutilizáveis.
O artigo apresenta o MCCOP, um framework que utiliza otimização em espaço latente guiada por modelos de difusão para gerar mutações proteicas mínimas e biologicamente plausíveis que alteram previsões de modelos de aprendizado profundo, oferecendo insights mecanicistas e diretrizes acionáveis para o design de proteínas.
Este artigo avalia a capacidade de verificação de fala em modelos de linguagem grandes (LLMs) com entrada de áudio, identificando sua baixa discriminação de identidade e propondo uma solução de aumento leve que integra embeddings de falantes congelados via LoRA para alcançar desempenho competitivo sem sacrificar a interface de linguagem natural.
O artigo apresenta o BALD-SAM, um framework de aprendizado ativo que utiliza a incerteza epistêmica para selecionar automaticamente as regiões mais informativas para prompts no Segment Anything Model (SAM), superando o desempenho de anotação humana e de baselines em diversos domínios.
O artigo apresenta o REFINED-BIAS, um novo framework de avaliação e conjunto de dados que supera as limitações instáveis e ambíguas do benchmark de conflito de pistas atual, permitindo uma diagnose mais confiável, interpretável e justa dos vieses de forma e textura em redes neurais.
Este artigo apresenta a primeira solução de detecção de presença humana em laptops comerciais que utiliza exclusivamente o hardware Wi-Fi embutido, empregando uma nova técnica de Espectro Doppler Filtrado por Alcance (RF-DS) e um framework de processamento adaptativo para identificar usuários com baixo custo computacional, sem necessidade de sensores externos, infraestrutura de rede adicional ou preocupações com privacidade.