7179 artigos
O artigo apresenta o VoiceSHIELD-Small, um modelo leve e em tempo real baseado no Whisper-small que integra a transcrição de fala e a detecção de comandos maliciosos em uma única etapa, alcançando alta precisão e baixa latência para mitigar riscos de segurança em interfaces de voz.
O artigo apresenta o YAQIN, uma aplicação de IA co-desenhada que oferece suporte de saúde mental culturalmente sensível e alinhado à fé para mulheres muçulmanas no Reino Unido, preenchendo lacunas de confiança e acessibilidade através de um chatbot e diário guiado baseados na psicologia islâmica.
O estudo demonstra que modelos de linguagem exibem viéses decisórios robustos e rígidos em tarefas de bandit de dois braços, caracterizados por baixas taxas de aprendizado e alta exploração, o que pode impactar significativamente a interação humano-IA.
Este estudo apresenta uma nova arquitetura de agentes múltiplos que automatiza a modelagem e análise estrutural usando OpenSeesPy, reduzindo significativamente as alucinações e erros de modelos de linguagem grandes ao dividir tarefas complexas em etapas especializadas e paralelas.
Este trabalho avalia a capacidade de diferentes modelos de linguagem, como a série Llama-3 e o ChatGPT, na resolução de problemas de otimização discreta em larga escala, demonstrando que modelos mais robustos tendem a ter melhor desempenho e que técnicas como o raciocínio passo a passo (CoT) nem sempre são eficazes, oferecendo assim diretrizes e benchmarks para pesquisas futuras e aplicações automáticas.
O artigo propõe o FedShift, um novo ataque adversarial distribuído de duas etapas ("Esconder e Encontrar") para Aprendizado Federado em Grafos que injeta um "deslocador" oculto para garantir furtividade durante o treinamento e utiliza informações globais para gerar perturbações eficientes, demonstrando alta eficácia, robustez contra defesas e redução de custo computacional em comparação com métodos existentes.
O artigo apresenta o DECADE, um modelo de difusão não supervisionado e temporalmente consistente que melhora a qualidade e a precisão quantitativa das imagens dinâmicas de PET cardíaco com Rb-82, superando as limitações de ruído e a falta de dados de treinamento pareados.
O artigo apresenta o sistema QuadAI para a tarefa SemEval-2026, que utiliza aprendizado de conjunto para combinar um codificador híbrido RoBERTa com grandes modelos de linguagem (LLMs), alcançando melhor desempenho na análise de sentimento dimensional baseada em aspectos através da integração de representações contínuas e discretas.
O artigo apresenta o ProgAgent, um agente de aprendizado por reforço contínuo que combina recompensas baseadas no progresso de demonstrações humanas não rotuladas com uma arquitetura nativa JAX de alto desempenho, superando o esquecimento catastrófico e alcançando maior estabilidade e velocidade de aprendizado do que agentes com memória perfeita em tarefas robóticas complexas.
Este estudo avalia sistematicamente os vieses sociais em sete modelos de linguagem de última geração no contexto cultural nepalês, revelando que métricas de concordância explícita falham em capturar a tendência de geração implícita, a qual apresenta uma relação não linear com a temperatura e varia significativamente entre domínios como raça e gênero.
Este trabalho apresenta um método para construir espaços de incorporação de baixa dimensão para equações diferenciais parciais não lineares, como a equação de Burgers viscosa, utilizando uma rede neural com corpo compartilhado e cabeças lineares ortogonais para extrair uma decomposição em componentes principais robusta e fisicamente interpretável que captura as características dominantes da dinâmica com poucas modos latentes.
O artigo apresenta o HybridStitch, um novo paradigma de geração de imagens que acelera os modelos de difusão ao dividir a imagem em regiões simples e complexas, utilizando um modelo menor para esboçar as áreas fáceis e um modelo maior para refinar as áreas complexas, alcançando um aumento de velocidade de 1,83× no Stable Diffusion 3.
Este artigo propõe uma generalização do Problema de Zoneamento de Micro-Transporte (MZP) com um orçamento global e apresenta um framework de Geração de Colunas com heurísticas de precificação para resolver o problema de forma mais eficiente e escalável do que as abordagens existentes, conforme demonstrado por experimentos em grandes cidades dos EUA.
Este trabalho apresenta o Gradient Iterated Temporal-Difference learning, um novo algoritmo que modifica a aprendizagem iterada de TD ao calcular gradientes sobre alvos móveis, resultando em um método de TD baseado em gradiente que demonstra velocidade de aprendizagem competitiva com métodos semi-gradiente em diversos benchmarks, incluindo jogos Atari.
Este artigo propõe o "Learning Visibility Framework" para redefinir o uso indevido de IA na educação não como um problema de detecção, mas como uma questão de medição, focando na transparência do processo de aprendizagem e na reconstrução de linhas do tempo multimodais para preservar a integridade acadêmica e a confiança entre estudantes e educadores.
O artigo apresenta o DistillGuard, um framework que avalia sistematicamente defesas contra a distilação de conhecimento de LLMs e conclui que as abordagens atuais de nível de saída são amplamente ineficazes, pois a maioria das técnicas falha em degradar a qualidade do modelo estudante, exceto pela remoção de cadeias de pensamento, que afeta apenas o raciocínio matemático.
O artigo apresenta o AI Steerability 360, uma biblioteca Python de código aberto e nativa do Hugging Face que oferece uma interface unificada para controlar, compor e avaliar métodos de direcionamento de Grandes Modelos de Linguagem (LLMs) através de quatro superfícies de controle: entrada, estrutura, estado e saída.
Este estudo demonstra que a desinformação intencional em agentes de LLM é uma capacidade controlável que explora principalmente a motivação do alvo através de desvios estratégicos em vez de falsificações, revelando que as defesas atuais baseadas em verificação de fatos são insuficientes contra esse tipo de manipulação.
O artigo apresenta o SynPlanResearch-R1, um framework que melhora o desempenho de agentes de pesquisa ao sintetizar trajetórias de uso de ferramentas que incentivam uma exploração mais profunda durante o ajuste fino supervisionado inicial, superando as limitações de exploração do aprendizado por reforço tradicional e alcançando resultados superiores em diversos benchmarks.
O artigo apresenta o Sleep Replay Consolidation (SRC), uma abordagem pós-treinamento inspirada no sono biológico que melhora a calibração e a confiabilidade das redes neurais artificiais ao reativar representações internas sem necessidade de retreinamento supervisionado.