2384 artigos
O artigo demonstra que é possível representar e prever preferências de usuários em diferentes domínios utilizando um espaço de incorporação social aprendido a partir da rede do Twitter (X), alcançando personalização eficaz em cenários zero-shot e revelando correlações entre fatores sociodemográficos e preferências transversais.
O artigo propõe o "Mashup Learning", um método que acelera o ajuste fino de modelos de linguagem ao identificar e fundir checkpoints históricos relevantes, resultando em maior precisão e redução significativa no tempo de treinamento em comparação com o treinamento a partir do zero.
Este artigo apresenta o primeiro framework sistemático para analisar e explorar vulnerabilidades de conformidade com cláusulas no Protocolo de Contexto de Modelo (MCP), identificando ataques que abusam da compatibilidade em SDKs multilíngues por meio de uma representação intermediária unificada e análise estática guiada por LLMs.
Este artigo apresenta um framework de avaliação de riscos para servidores MCP de código aberto, utilizando análise estática de código e mapeamento de ameaças para identificar vulnerabilidades críticas e propor diretrizes para o desenvolvimento seguro desses sistemas.
O artigo propõe a Cancelamento Adaptativo de Ativações (AAC), um framework de inferência em tempo real que mitiga alucinações em Grandes Modelos de Linguagem ao identificar e suprimir seletivamente ativações neurais associadas a erros, melhorando a precisão factual sem degradar a capacidade geral do modelo ou exigir ajuste fino.
O artigo apresenta o Delta-K, um framework de inferência plug-and-play e independente da arquitetura que resolve o problema de omissão de conceitos na geração de imagens multi-instância ao injetar um diferencial de chave () extraído por modelos de linguagem-vídeo no espaço de atenção cruzada, melhorando a coerência semântica sem necessidade de treinamento adicional ou máscaras espaciais.
Este artigo apresenta um medidor de força de senha multilíngue e orientado por IA, otimizado para o contexto indiano, que demonstra que dados gerados por ChatGPT superam modelos tradicionais como o PassGAN e que a incorporação de uma verificação de similaridade baseada em Jaro melhora significativamente a detecção de senhas fracas.
Este artigo analisa uma aproximação por difusão em tempo contínuo do gradiente de política para bandits estocásticos, provando que um aprendizado com taxa resulta em arrependimento logarítmico, enquanto demonstra que taxas maiores levam a arrependimento linear em certos cenários.
Este artigo propõe um quadro de atualização de CBCT consciente de deformações que utiliza ultrassom robótico e uma rede neural leve (USCorUNet) para inferir movimentos teciduais em tempo real e atualizar dinamicamente imagens CBCT estáticas, eliminando a necessidade de repetição de exposição à radiação durante intervenções cirúrgicas.
Este artigo propõe uma reavaliação da perda harmônica ao investigar sistematicamente diversas métricas de distância não euclidianas em modelos de visão e linguagem, demonstrando que a distância cosseno oferece o melhor equilíbrio entre desempenho, interpretabilidade e sustentabilidade, reduzindo emissões de carbono e melhorando a estabilidade do aprendizado em comparação com a perda de entropia cruzada tradicional.
Este artigo apresenta um sistema de sensoriamento quântico que utiliza circuitos quânticos otimizados com dados de propagação de rádio para permitir que agentes aprendam sobre o ambiente e realizem tarefas de localização com alta sensibilidade a sinais fracos e obstruídos, sem a necessidade de medições de canal durante a implantação e operando com menos informações do que as abordagens clássicas.
Este trabalho demonstra que um algoritmo neuromórfico nativamente baseado em pulsos para resolver equações diferenciais parciais possui tolerância intrínseca a falhas estruturais, mantendo sua precisão mesmo com a perda de até 32% dos neurônios e 90% dos pulsos, além de apresentar robustez ajustável através de hiperparâmetros estruturais.
O artigo apresenta o DUCTILE, uma abordagem de orquestração agencial baseada em LLM que automatiza tarefas de análise de engenharia adaptando-se a mudanças nos dados e processos enquanto mantém a supervisão humana, demonstrando sua eficácia e os desafios práticos de sua adoção em um cenário industrial aeroespacial.
Este artigo propõe um quadro unificado de aprendizado contrastivo entre visões para alinhar representações globais de imagens cerebrais e locais de grafos de regiões de interesse (ROI) em um espaço latente compartilhado, demonstrando que essa integração melhora consistentemente a classificação de transtornos neurológicos ao capturar padrões discriminativos complementares.
Este artigo propõe o framework ADMM-PnP com o denoiser AC-DC, que integra correção automática, correção direcional e remoção de ruído baseada em pontuação para resolver problemas inversos com garantias de convergência e melhor qualidade de solução.
Este artigo apresenta um sistema baseado em design centrado no ser humano que utiliza inteligência artificial conversacional e mapas interativos para permitir a exploração natural e em tempo real de quase 1,7 milhão de registros de espécimes digitalizados do Museu Australiano, superando as limitações das ferramentas de busca tradicionais.
Este estudo demonstra que circuitos quânticos emaranhados oferecem uma vantagem competitiva em jogos adversariais, superando circuitos separáveis e redes neurais clássicas ao aprender representações estruturalmente distintas para modelar interações dinâmicas.
O artigo apresenta o HyMEM, uma memória estruturada híbrida e autoevolutiva inspirada no cérebro humano que combina nós simbólicos discretos com embeddings contínuos em um grafo, permitindo que agentes de GUI de código aberto com backbones menores superem modelos proprietários de ponta ao melhorar a recuperação de informações e a gestão de tarefas de longo prazo.
Este artigo apresenta o "Simulation-in-the-Reasoning" (SiR), um novo quadro conceitual que integra simuladores de domínio específico diretamente no ciclo de raciocínio de Modelos de Linguagem Grandes (LLMs) para transformar o raciocínio hipotético em um fluxo de trabalho falsificável e empiricamente fundamentado, visando sistemas de transporte autônomo mais confiáveis.
Este artigo apresenta o RINoBench, o primeiro benchmark abrangente para avaliar a capacidade de modelos de linguagem em julgar a novidade de ideias de pesquisa, revelando que, embora o raciocínio gerado por LLMs se assemelhe ao humano, suas conclusões sobre a novidade divergem significativamente dos padrões de ouro humanos.