6860 artigos
O artigo apresenta o LaVCa, uma abordagem baseada em modelos de linguagem grandes (LLMs) que gera legendas em linguagem natural para descrever com maior precisão e detalhe a seletividade de voxels no córtex visual humano, superando métodos anteriores e revelando diferenciações funcionais de alta granularidade.
Este artigo propõe o framework COD (Clustering-On-Difficulty), que agrupa tarefas por características de escalabilidade de dificuldade para prever com alta precisão o desempenho de modelos de linguagem grandes em benchmarks downstream, superando as limitações das metodologias atuais devido ao fenômeno de emergência e à variabilidade de métricas.
Este estudo propõe um algoritmo que funde imagens de ressonância magnética multimodais (T1, T2, T1ce e FLAIR) segmentadas por redes U-Net em 2D e 3D e classificadas por um modelo ResNet50, alcançando uma precisão de 99,25% na subclasse de gliomas e superando técnicas existentes.
Este artigo propõe uma abordagem de aprendizado profundo baseada nas arquiteturas UNET, Inception e ResNet para realizar a segmentação automática e precisa de gliomas em imagens de ressonância magnética 2D e 3D, alcançando alto desempenho e equilibrando eficiência computacional com acurácia espacial para auxiliar no diagnóstico clínico.
Este trabalho propõe o método LOOP (Leave-One-Out PPO), uma nova abordagem de aprendizado por reforço para o ajuste fino de modelos de difusão texto-para-imagem que combina técnicas de redução de variância do REINFORCE com a robustez e eficiência amostral do PPO, superando as limitações de ambos ao alcançar um melhor equilíbrio entre eficiência de amostragem e desempenho final.
Este artigo propõe um novo quadro de planejamento e atuação paralelizado para sistemas multiagente baseados em LLM, utilizando uma arquitetura de dupla thread com execução interrompível para superar as limitações de latência dos paradigmas serializados e melhorar a resposta em tempo real em ambientes dinâmicos como o Minecraft.
Este estudo apresenta o GlucoLens, um sistema de aprendizado de máquina explicável que utiliza dados de wearables e registros de dieta para prever a hiperglicemia pós-prandial e sugerir caminhos comportamentais personalizados para sua prevenção.
Este artigo propõe um modelo de aprendizado profundo geométrico baseado em transformadores, que utiliza uma nova esquematização de tokenização em malhas tetraédricas com marcos anatômicos para melhorar o diagnóstico da doença de Alzheimer e prever a positividade da amiloide cerebral em indivíduos de risco médio, oferecendo uma alternativa precisa e não invasiva aos exames PET.
Este estudo demonstra que, entre acadêmicos cazaquistos, a familiaridade com ferramentas de IA e a experiência em escrita de pesquisa influenciam positivamente a abertura a feedbacks e a valorização da orientação metodológica de pares, sugerindo que a integração de IA com mecanismos tradicionais de feedback pode aprimorar a qualidade da escrita acadêmica.
O artigo apresenta o ViLAM, um método inovador que distila o raciocínio de modelos visão-linguagem em mapas de atenção espacial para guiar a navegação de robôs sociais, resultando em melhorias significativas na taxa de sucesso em comparação com métodos existentes.
O artigo apresenta o IMPACT, um novo framework de planejamento de movimento que utiliza Modelos Visuais-Linguísticos para inferir a semântica do ambiente e gerar mapas de custo anisotrópicos, permitindo que robôs realizem trajetórias ricas em contato de forma segura e eficiente em cenários desordenados.
O artigo apresenta o iProg, uma ferramenta de Programação Indutiva Estruturada Interativa que utiliza um protocolo de comunicação bidirecional para colaborar com especialistas humanos e modelos de linguagem na decomposição de tarefas de análise de dados em diagramas de fluxo e geração de código, demonstrando superioridade em desempenho, qualidade e velocidade de desenvolvimento em comparação com alternativas Low Code/No Code em colaborações científicas.
Este estudo revela que, embora os Grandes Modelos de Linguagem (LLMs) superrepresentem personagens femininas em suas histórias geradas devido ao ajuste fino e ao aprendizado por reforço, eles continuam a alocar essas personagens em ocupações que refletem estereótipos de gênero humanos em vez da realidade do mercado de trabalho, evidenciando um paradoxo que exige medidas de mitigação equilibradas para promover a equidade.
Este trabalho propõe um método unificado para a reconstrução robusta de duas mãos a partir de imagens monoculares, combinando um codificador de fusão-alinhamento que integra implicitamente priores estruturais heterogêneos de modelos de visão fundamentais com um modelo de difusão livre de penetração que gera interações 3D fisicamente plausíveis, superando assim desafios de oclusão e alinhamento.
O artigo apresenta o EDU-PRM, um novo modelo de recompensa de processo baseado em entropia que elimina a necessidade de anotações manuais ao segmentar automaticamente os passos de raciocínio em pontos de alta incerteza, alcançando desempenho superior com apenas 1,5% dos dados de treinamento e reduzindo o uso de tokens em 32%.
O projeto MediTools apresenta uma aplicação baseada em modelos de linguagem (LLMs) que revoluciona a educação médica através de ferramentas interativas para simulação de casos clínicos, análise de literatura científica e resumo de notícias, validando seu potencial por meio de pesquisas com profissionais e estudantes da área.
Este estudo aprimora a previsão da Síndrome Metabólica através da avaliação de modelos de aprendizado de máquina combinados com técnicas avançadas de balanceamento de dados e uma nova estrutura híbrida chamada MetaBoost, além de utilizar análise contrafactual para identificar que a glicose no sangue e os triglicerídeos são os fatores mais críticos para a redução do risco.
Este artigo apresenta uma revisão abrangente que consolida benchmarks, propõe uma taxonomia unificada, analisa frameworks de agentes autônomos e protocolos de colaboração, e discute aplicações reais e direções futuras para a evolução dos modelos de linguagem e agentes de IA.
O artigo propõe o SFIBA, um ataque de backdoor invisível baseado em espaço que supera as limitações de ataques multialvo existentes ao garantir especificidade e furtividade através da restrição espacial dos gatilhos e da sua injeção no domínio da frequência, permitindo controlar múltiplas classes sem comprometer a performance do modelo ou a detecção visual.
Este artigo apresenta a Tarefa 5 do Desafio DCASE 2025, um benchmark de Resposta a Perguntas sobre Áudio (AQA) que abrange múltiplos domínios acústicos para avaliar e avançar as capacidades de raciocínio de modelos de linguagem-audio em direção à acuidade humana.