4996 artigos
Este artigo propõe uma arquitetura Transformer de múltiplas cabeças com um mecanismo de "gate" baseado em detecção que integra contexto inter-corte para suprimir falsos positivos e melhorar a plausibilidade anatômica na segmentação automática de radioterapia, demonstrando superioridade significativa sobre modelos convencionais ao eliminar previsões alucinadas em cortes sem estruturas-alvo.
O artigo propõe o UAT-LITE, um framework de inferência que torna a atenção em transformers pré-treinados ciente da incerteza epistêmica por meio de dropout de Monte Carlo, permitindo a modulação da atenção e o diagnóstico de incerteza em nível de token sem alterar os pesos do modelo, resultando em melhor calibração e seleção preditiva sob mudanças de distribuição.
O artigo apresenta o WebAccessVL, um modelo de linguagem e visão que corrige automaticamente violações de acessibilidade em sites (WCAG2) preservando o design original, alcançando uma redução de 96% nas violações e superando o desempenho do GPT-5 através de uma estratégia iterativa de refinamento guiada por detectores de erros.
O artigo argumenta que a confiança em chatbots é frequentemente moldada por vieses cognitivos e escolhas de design que os posicionam como "vendedores habilidosos", em vez de refletir uma verdadeira confiabilidade normativa, exigindo uma distinção clara entre a formação psicológica da confiança e a confiabilidade real para ajudar os usuários a calibrar adequadamente sua interação com essas IAs.
O artigo apresenta o RoSE, um novo método que reformula a estimativa de normais monoculares como uma tarefa de estimativa de sequências de sombreamento utilizando modelos generativos de imagem para vídeo, superando as limitações de alinhamento 3D dos métodos existentes e alcançando desempenho de última geração em benchmarks reais.
O artigo apresenta o Infusion, um framework que utiliza aproximações escaláveis de funções de influência para realizar pequenas perturbações em documentos de treinamento, permitindo moldar sistematicamente o comportamento de modelos de visão e linguagem de forma sutil e eficaz.
Este artigo propõe um framework de orçamentação de picos consciente de energia para aprendizado contínuo em redes neurais de spiking, que integra replay de experiência e agendamento adaptativo para otimizar simultaneamente a precisão e a eficiência energética em sistemas de visão neuromórfica, demonstrando melhorias significativas tanto em dados baseados em quadros quanto em eventos.
O artigo apresenta o B-DENSE, um novo framework que utiliza alinhamento de trajetória multi-ramo para fornecer supervisão densa em modelos de difusão, mitigando erros de discretização e melhorando a qualidade da geração de imagens em comparação com métodos de destilação tradicionais.
O artigo apresenta um teorema de impossibilidade de natureza informacional que demonstra que modelos ontológicos clássicos restritos a reutilizar um único espaço de estados onticos para múltiplas intervenções necessariamente incorrem em um custo informacional contextual irreduzível, estabelecendo a contextualidade como uma limitação fundamental das representações clássicas que a teoria quântica contorna ao relaxar essa premissa.
Este artigo propõe um novo framework de aprendizado contínuo baseado em currículo que combina controle baseado em modelo e aprendizado por reforço profundo para decompor problemas de controle robusto com múltiplas incertezas em tarefas sequenciais, permitindo uma transferência eficiente do simulador para a realidade em aplicações industriais como o controle de vibração ativa de trens de força automotivos.
O artigo apresenta o ReDON, uma nova arquitetura de processador óptico neural recorrente que supera as limitações de expressividade das redes ópticas tradicionais ao incorporar não linearidades auto-moduladas reconfiguráveis, resultando em ganhos significativos de precisão em tarefas de visão computacional com consumo energético mínimo.
O artigo apresenta o SafeGen-LLM, um modelo de linguagem grande com pós-treinamento em duas etapas (SFT e GRPO) que melhora a segurança e a generalização em tarefas de planejamento robótico, superando modelos proprietários em diversos domínios e formatos de entrada.
O artigo apresenta o Coupled Discrete Diffusion (CoDD), um framework híbrido que supera a barreira de fatorização em modelos de linguagem de difusão ao substituir distribuições de saída totalmente fatoradas por uma camada de inferência probabilística leve, permitindo a modelagem eficiente de dependências conjuntas complexas e gerando textos coerentes em poucos passos com custo computacional reduzido.
O artigo apresenta o OrthoAI, uma estrutura neurosimbólica que integra segmentação de dentes por meio de supervisão esparsa, inferência de viabilidade biomecânica baseada em restrições e avaliação de tratamento multicritério para apoiar a decisão clínica automatizada na ortodontia com alinhadores transparentes.
Este artigo apresenta uma abordagem de duplo pipeline para segmentação de imagens de aves que utiliza modelos fundamentais de 2025, alcançando resultados supervisionados superiores e desempenho zero-shot inédito ao combinar Grounding DINO 1.5 ou YOLOv11 para detecção com o Segment Anything Model 2.1 para geração de máscaras, sem necessidade de retreinamento do modelo de segmentação.
O artigo apresenta o Pri4R, uma abordagem que aprimora modelos Visão-Linguagem-Ação (VLA) ao incorporar dinâmicas do mundo por meio da previsão de rastros de pontos 3D durante o treinamento, resultando em melhor desempenho em tarefas de manipulação física sem adicionar custo computacional ou complexidade na inferência.
O artigo apresenta o \textsc{Gome}, um agente de engenharia de aprendizado de máquina que substitui a busca em árvore tradicional por otimização baseada em gradientes, alcançando desempenho superior em modelos de raciocínio avançados e estabelecendo uma nova direção escalável para agentes de IA.
O artigo apresenta o CB-MCTS, um novo algoritmo de busca em árvore Monte Carlo descentralizada que utiliza uma política estocástica baseada em Boltzmann e um bônus de entropia decrescente para superar as limitações de exploração em ambientes de recompensa esparsa ou enganosa, superando o Dec-MCTS em cenários desafiadores.
O artigo apresenta o FinTexTS, um novo conjunto de dados de séries temporais financeiras emparelhadas com texto, construído por meio de um framework inovador que utiliza correspondência semântica baseada em contextos específicos de empresas e classificação multinível (macro, setor, empresas relacionadas e alvo) para capturar interdependências complexas do mercado e melhorar a previsão de preços de ações.
O artigo propõe o SPARC, um método de planejamento de trajetória para múltiplos robôs que utiliza um mecanismo de atenção aprimorado por relações espaciais (RMHA) para priorizar dinamicamente a comunicação com vizinhos próximos, alcançando uma taxa de sucesso superior em ambientes congestionados e com alta densidade de obstáculos.