6742 artigos
O artigo propõe o benchmark MM-tau-p, que introduz 12 novas métricas para avaliar de forma holística e robusta a adaptação de personalidade e a resiliência multimodal de agentes LLM em cenários de controle dual, preenchendo lacunas nas avaliações atuais focadas apenas em chat textual.
O artigo apresenta o MiniAppBench, o primeiro benchmark abrangente para avaliar a geração de miniaplicativos interativos orientados por princípios, e o MiniAppEval, um framework de avaliação baseado em agentes que supera as limitações dos métodos existentes ao medir a qualidade dessas aplicações dinâmicas com alta concordância com o julgamento humano.
O artigo apresenta o KV-Lock, uma abordagem livre de treinamento para modelos de difusão de vídeo baseados em DiT que otimiza a consistência de fundo e a qualidade do primeiro plano ajustando dinamicamente a fusão de chaves-valor (KVs) e a escala de orientação condicional (CFG) com base na detecção de alucinação.
Este trabalho apresenta um framework de código aberto para detecção de anomalias em séries temporais usando Redes Neurais em Grafos (GNNs), que não só demonstra melhor desempenho e interpretabilidade em comparação com modelos de base, mas também oferece uma avaliação crítica das práticas atuais de métricas e thresholding no campo.
Este artigo apresenta o framework Omni Parsing, que estabelece uma taxonomia unificada e um paradigma de análise progressiva para converter dados multimodais não estruturados em conhecimento estruturado e rastreável, validado pelo modelo Logics-Parsing-Omni e pelo benchmark OmniParsingBench.
O artigo apresenta o EsoLang-Bench, um novo benchmark que utiliza linguagens de programação esotéricas para avaliar o raciocínio genuíno de modelos de linguagem, revelando que, apesar de seu alto desempenho em tarefas de codificação convencionais, eles falham drasticamente ao aprender novas linguagens a partir de documentação, indicando que seus resultados anteriores derivam mais de memorização do que de capacidade de raciocínio transferível.
Este estudo apresenta um framework de classificação automatizada para o gerenciamento de risco cardiovascular em idosos, demonstrando que uma arquitetura Transformer personalizada supera tanto métodos tradicionais quanto modelos de linguagem generativos ao analisar registros de saúde eletrônicos não estruturados de longo contexto.
Este trabalho explora a Resposta Visual a Perguntas (VQA) em vietnamita utilizando arquiteturas baseadas em transformers, comparando sistematicamente métricas de avaliação automática em cenários multilíngues para aprimorar o alinhamento com o julgamento humano.
O artigo apresenta o ESAinsTOD, um framework unificado de ajuste fino instrucional e consciente de esquema que supera os modelos atuais em tarefas de diálogo orientado a objetivos, oferecendo maior generalização em cenários de poucos recursos e robustez contra ruídos de dados.
O artigo apresenta o ActiveUltraFeedback, um pipeline de aprendizado ativo que utiliza estimativas de incerteza e métodos inovadores de seleção de pares de respostas para gerar dados de preferência de alta qualidade, permitindo o alinhamento eficiente de modelos de linguagem com até seis vezes menos dados anotados em comparação com baselines estáticas.
O artigo apresenta o Mousse, um novo otimizador que melhora o método Muon ao incorporar a estimativa estrutural do Shampoo para criar um sistema de coordenadas branqueado, permitindo atualizações espectrais adaptativas à curvatura que reduzem o número de etapas de treinamento em cerca de 12% com custo computacional insignificante.
O artigo apresenta o OOD-MMSafe, um benchmark que avalia a capacidade de modelos multimodais de identificar riscos ocultos em cadeias causais, e propõe o framework CASPO para superar a "cegueira causal" observada nos modelos atuais, reduzindo drasticamente as taxas de falha na identificação de consequências perigosas.
O artigo apresenta o MUGEN, um benchmark abrangente que revela as limitações dos Modelos Grandes de Áudio-Linguagem na compreensão de múltiplos áudios simultâneos e demonstra que estratégias de treinamento sem supervisão, como a Autoconsistência Permutacional de Áudio combinada com Cadeia de Pensamento, podem melhorar significativamente o desempenho nesses cenários.
O artigo propõe o CVS, um método de seleção de dados sem treinamento que utiliza a discrepância na validação de respostas com e sem a pergunta para identificar amostras que exigem raciocínio conjunto visão-linguagem, superando o treinamento com dados completos e reduzindo custos computacionais.
O artigo apresenta o AutoAgent, um framework multiagente autoevolutivo que integra cognição em evolução, tomada de decisão contextual dinâmica e orquestração elástica de memória para superar limitações de adaptabilidade e aprendizado de longo prazo em ambientes não estacionários.
O artigo apresenta o RbtAct, um modelo que utiliza respostas de autores (rebuttals) como supervisão implícita para treinar um gerador de feedback de revisão por pares mais acionável e específico, superando as limitações de superficialidade das revisões geradas por IA.
O artigo apresenta o EXPLORE-Bench, um novo benchmark derivado de vídeos em primeira pessoa para avaliar a capacidade de modelos de linguagem multimodal em prever cenas finais após sequências longas de ações, revelando uma lacuna significativa em relação ao desempenho humano e demonstrando que a decomposição passo a passo das ações pode melhorar o raciocínio a longo prazo, embora com custos computacionais adicionais.
O artigo "Ego" propõe um método eficiente de personalização para modelos de linguagem visual que, ao extrair tokens visuais representativos de conceitos específicos por meio dos mecanismos de atenção internos, permite que o modelo reconheça e descreva esses conceitos em novas imagens sem a necessidade de treinamento adicional ou pipelines complexos.
O artigo apresenta o World2Mind, um kit de ferramentas de inteligência espacial sem treinamento que, ao construir mapas cognitivos estruturados e uma Árvore Espacial Alocêntrica (AST) a partir de reconstrução 3D e segmentação, permite que modelos de fundação realizem raciocínio espacial robusto e generalizável, alcançando desempenho superior mesmo em modelos puramente textuais.
Este artigo demonstra que a inferência baseada em simulação (SBI) é uma ferramenta viável para estimar parâmetros de modelos de interação de neutrinos, conseguindo refinar as configurações do gerador GENIE e aproximar-se de simulações alternativas como o NuWro, superando ligeiramente os ajustes empíricos anteriores ao utilizar dados experimentais do MicroBooNE.