4914 artigos
O artigo apresenta o EvoKernel, um framework de agentes autoevolutivos que utiliza uma abordagem de memória orientada a valor para superar a escassez de dados na síntese de kernels para NPUs, melhorando drasticamente a precisão e o desempenho através de rascunhos iniciais e refinamento contínuo sem necessidade de ajuste fino custoso.
Este artigo apresenta um Filtro de Partículas com Marcos Semânticos (SLPF) que integra a detecção de troncos e postes com dados LiDAR e GNSS para superar a ambiguidade perceptiva em vinhedos, demonstrando em testes de campo uma redução significativa no erro de localização e uma maior precisão na identificação de fileiras em comparação com métodos tradicionais baseados apenas em geometria, visão ou GNSS.
O artigo propõe o , um modelo de valor generalista que funde adaptativamente uma prioridade pré-treinada com médias empíricas de rollouts esparsos, utilizando testes estatísticos em tempo real para equilibrar viés e variância, resultando em uma melhoria de desempenho superior a 10% e convergência mais rápida em benchmarks de raciocínio matemático em comparação com métodos como GRPO e DAPO.
O artigo apresenta o GRACE, um simulador e conjunto de benchmarks unificado para planejamento de trajetórias de múltiplos robôs em 2D, que permite comparações justas e reprodutíveis entre diferentes níveis de abstração (grade, mapa de rotas e contínuo) para avaliar as compensações entre fidelidade e escalabilidade.
Este artigo apresenta um novo corpus bilíngue (inglês/alemão) e uma taxonomia de arquivo de autoridade (GND) para treinar e avaliar sistemas de classificação de texto multi-rótulo, visando aprimorar a indexação e o trabalho dos catalogadores em bibliotecas digitais por meio de IA transparente e baseada em autoridade.
Este artigo apresenta um modelo eficiente de Difusão Transformer (DiT) que gera sequências de DNA regulatório específicas de tipos celulares com maior eficiência de treinamento e menor memorização que abordagens anteriores, alcançando uma melhoria de 38 vezes na atividade regulatória predita após o ajuste fino com DDPO.
Este trabalho propõe a Amostragem Preditiva de Dinâmica (DPS), um método que utiliza inferência bayesiana online sobre um modelo de Markov oculto para prever e selecionar prompts informativos antes de custosas simulações, reduzindo assim a sobrecarga computacional e acelerando o ajuste fino por aprendizado por reforço de modelos de raciocínio grandes.
O artigo apresenta o PharmGraph-Auditor, um sistema híbrido que combina uma Base de Conhecimento Farmacêutico (HPKB) com um paradigma de Verificação em Cadeia (CoV) para transformar modelos de linguagem em motores de raciocínio transparentes e baseados em evidências, visando aumentar a segurança e a rastreabilidade na verificação de prescrições médicas.
O LookaheadKV é um framework de evicção de cache KV leve e preciso que supera os métodos existentes ao prever a importância dos tokens sem a necessidade de geração de rascunho computacionalmente custosa, resultando em menor latência e melhor desempenho em tarefas de longo contexto.
Este trabalho demonstra que o ajuste fino LoRA de modelos de linguagem grandes (LLMs) para sistemas de síntese de fala (TTS) melhora significativamente a qualidade perceptiva, a fidelidade do locutor e a relação sinal-ruído, desde que apoiado por dados de treinamento com diversidade acústica suficiente.
Este artigo propõe o "Historical Consensus Training", um método iterativo que utiliza múltiplas clusterizações de modelos de mistura gaussiana para criar uma barreira histórica no espaço de parâmetros, eliminando permanentemente o colapso posterior em autoencoders variacionais sem depender de restrições arquiteturais ou ajuste de hiperparâmetros.
O artigo propõe o RAD, um novo framework de alinhamento em Aprendizado por Reforço com Feedback Humano (RLHF) que substitui restrições de custo esperado por restrições de Dominância Estocástica de Primeira Ordem dentro de um quadro de Transporte Ótimo, permitindo o controle universal de riscos espectrais e oferecendo maior robustez contra falhas catastróficas e distribuições fora do padrão.
O artigo propõe o CCGE, um método de exploração guiada pela cobertura de contato que utiliza contadores de interações dedo-objeto para gerar recompensas de cobertura e de alcance, melhorando significativamente a eficiência do treinamento e a transferência para o mundo real em tarefas de manipulação destreza de propósito geral.
O artigo apresenta o GroundCount, um framework que integra modelos de detecção de objetos a Modelos Visuais-Linguísticos (VLMs) para mitigar alucinações de contagem, demonstrando que a ancoragem espacial explícita via prompts estruturados supera a fusão de características e melhora significativamente a precisão na maioria das arquiteturas avaliadas.
Este artigo investiga como a Inteligência Artificial atua como catalisador para a inovação na Engenharia de Software, demonstrando através de revisão bibliográfica e estudo empírico que a integração de ferramentas de ML e NLP otimiza práticas ágeis ao automatizar tarefas repetitivas e melhorar a gestão de requisitos, geração de código e testes.
Este artigo analisa os desafios metodológicos e propõe soluções práticas para estudos de melhoria humana com IA de ponta, baseando-se em entrevistas com especialistas que identificam tensões entre as suposições padrão de inferência causal e a natureza dinâmica desses sistemas ao informar decisões de alto risco.
Em uma colaboração interdisciplinar, este estudo caracteriza os mecanismos pelos quais os Modelos de Linguagem Visual (VLMs) preveem estilos artísticos, revelando que a grande maioria dos conceitos extraídos é considerada coerente e relevante por historiadores da arte, embora o sucesso do modelo em alguns casos também possa ser atribuído à sua compreensão formal de características visuais como contrastes de luz e sombra.
O artigo apresenta o IsalGraph, um método que codifica a estrutura de qualquer grafo finito e simples em uma string compacta de nove caracteres, garantindo decodificação válida, invariância a isomorfismos e forte correlação entre a distância de edição de grafos e a distância de Levenshtein nas strings resultantes.
O artigo apresenta o V2M-Zero, um método inovador de geração de música sincronizada com vídeos que, ao alinhar as curvas de eventos temporais de cada modalidade de forma independente, alcança resultados superiores aos modelos baseados em dados pareados sem exigir treinamento cruzado ou pares de dados.
O artigo apresenta o NeFTY, um framework de física diferenciável que utiliza campos neurais para realizar a reconstrução quantitativa 3D de propriedades materiais e a localização de defeitos subsuperficiais a partir de medições térmicas, superando as limitações de métodos tradicionais e redes PINNs em cenários de difusão transitória.