5425 artigos
O artigo propõe um novo framework de agentes chamado Deep Tabular Research (DTR) para resolver tarefas analíticas complexas em tabelas não estruturadas, utilizando um processo de tomada de decisão em ciclo fechado que combina mapeamento semântico hierárquico, seleção de caminhos orientada por utilidade e memória contínua baseada em resultados históricos para refinar o raciocínio de longo prazo.
O artigo apresenta o DataFactory, um framework colaborativo multi-agente que supera as limitações de modelos de linguagem únicos na Resposta a Perguntas sobre Tabelas (TableQA) através da orquestração especializada de agentes, transformação automática de dados em grafos de conhecimento e estratégias de engenharia de contexto, resultando em ganhos significativos de precisão e robustez em benchmarks padrão.
O artigo apresenta o TrustBench, um framework de verificação de confiança em tempo real que intervém antes da execução de ações de agentes autônomos, reduzindo ações prejudiciais em 87% através de plugins específicos de domínio com latência inferior a 200ms.
O RubiCap é um novo framework de aprendizado por reforço que utiliza rubricas escritas por LLMs para gerar sinais de recompensa estruturados e específicos, superando métodos supervisionados e anteriores de RL na geração de legendas densas de imagens e produzindo modelos de pré-treinamento mais robustos.
Este trabalho propõe um framework de aumento de dados que aproveita a estrutura preservada em RTLs gerados por LLMs, mesmo quando funcionalmente imperfeitos, para treinar representações de netlist que superam a escassez de dados rotulados e generalizam bem para circuitos reais.
O artigo propõe o GIAT, um novo modelo Transformer que integra priores geológicos ao mecanismo de atenção para melhorar a precisão, confiabilidade e interpretabilidade na identificação de litologia a partir de registros de poço.
O ZeroWBC é um novo framework que permite o controle visuomotor natural de humanoides, como o Unitree G1, aprendendo diretamente de vídeos em primeira pessoa de humanos e eliminando a necessidade de dados caros de teleoperação robótica.
O artigo apresenta o AlphaEvolve, um agente de mutação de código baseado em LLM que, atuando como um único meta-algoritmo, estabeleceu novos limites inferiores para cinco números de Ramsey clássicos e recuperou com sucesso os limites conhecidos para todos os casos exatos.
Este trabalho propõe um quadro de modelagem generativa baseada em física que incorpora a estocasticidade intrínseca do fluxo de tráfego através de um modelo Lighthill-Whitham-Richards com ruído browniano, permitindo a estimativa de distribuições de densidade, intervalos de credibilidade e medidas de risco de congestionamento.
O artigo apresenta o DuplexCascade, um pipeline cascata de fala para fala sem VAD que habilita diálogos em full-duplex com inteligência conversacional robusta, convertendo turnos longos em micro-turnos e utilizando tokens de controle especializados para coordenar a interação em tempo real.
O artigo apresenta o Latent-DARM, um framework de comunicação em espaço latente que integra modelos de difusão discreta (para planejamento) e modelos autorregressivos (para execução), superando as limitações de interfaces baseadas em texto e alcançando alto desempenho em tarefas de raciocínio com uma fração mínima do orçamento de tokens.
O artigo propõe um "Motor de Inovação Explicável" baseado em RAG com agentes de dupla árvore, que substitui blocos de texto por nós de métodos, utiliza árvores de proveniência e agrupamento hierárquico para síntese controlada e verificável, e demonstra ganhos consistentes em precisão e rastreabilidade em comparação com abordagens convencionais.
O artigo apresenta o framework RAISE, argumentando que o avanço nas capacidades de raciocínio lógico dos modelos de linguagem atua como um mecanismo direto que impulsiona a consciência situacional e o engano estratégico, exigindo novas salvaguardas de segurança.
O artigo apresenta o \textsc{EvalAct}, um método que transforma a avaliação de qualidade da recuperação em uma ação explícita e utiliza o algoritmo PCAR para otimizar agentes de raciocínio multi-etapa, resultando em ganhos significativos de precisão em tarefas de perguntas e respostas de domínio aberto.
Este artigo investiga a emoção como um fator latente que molda a atenção e o raciocínio em modelos de linguagem, introduzindo o conjunto de dados AURA-QA e um framework de regularização emocional que demonstram melhorias consistentes na compreensão de leitura e robustez frente a mudanças de distribuição.
O artigo formaliza um teste de estresse macrofinanceiro que argumenta que a adoção rápida de IA pode desencadear uma crise explosiva devido a uma incompatibilidade entre a abundância gerada e a demanda deficiente, impulsionada por um ciclo de deslocamento laboral, redução da velocidade monetária e colapso das margens de intermediação.
O artigo apresenta o PrivPRISM, um framework automatizado que detecta discrepâncias entre as declarações de segurança de dados do Google Play e as políticas de privacidade dos desenvolvedores, revelando que mais da metade dos aplicativos analisados possuem inconsistências que podem enganar os usuários e violar requisitos regulatórios.
Este trabalho apresenta um framework de simulação baseado em aprendizado por reforço e modelos musculoesqueléticos que permite a análise quantitativa e a co-otimização de parâmetros estruturais e de controle em robótica interativa, superando as limitações de experimentos tradicionais ao fornecer acesso direto a métricas biomecânicas internas.
O artigo propõe o framework BD-FDG, que utiliza a taxonomia de Bloom e controle de qualidade automatizado para gerar um conjunto de dados de 230 mil amostras (SSA-SFT) com camadas cognitivas, permitindo o ajuste fino de um modelo LLM para Situação Espacial (SSA) com ganhos significativos de desempenho sem comprometer suas capacidades gerais.
O artigo apresenta o BridgeDiff, um framework baseado em difusão que supera as limitações dos métodos anteriores ao conectar observações humanas e síntese de roupas planas através de dois módulos complementares, resultando em reconstruções de roupas virtuais com maior qualidade estrutural e fidelidade visual.