2385 artigos
O artigo propõe uma arquitetura de autoencoder baseada em aprendizado profundo para o quadro de computação distribuída aleatorizada (RDFC), visando minimizar a distância da variação total em relação a uma distribuição alvo desconhecida e demonstrando ganhos significativos em carga de comunicação em comparação com métodos de compressão de dados.
O artigo propõe o uso de "Super Neurônios", que são ativações escalares diretas de camadas iniciais de Modelos de Linguagem Visuais, para criar classificadores precisos em tarefas de VQA categórica que permitem uma saída antecipada extrema e alcançam acelerações de até 5,10 vezes sem necessidade de ajuste fino.
Este artigo apresenta um framework de IA que utiliza uma estratégia de divisão de dados consciente do contexto e correção de erros espaciais para prever com maior precisão a demanda de tráfego celular em 5G/6G, mitigando vazamentos de dados e melhorando o planejamento de rede em cidades canadenses.
Este artigo apresenta um modelo hierárquico baseado em redes neurais de atenção gráfica (HR-GAT) que estima a demanda de espectro em escala espacial fina com maior precisão do que métodos existentes, utilizando dados públicos de implantação para apoiar decisões regulatórias e o compartilhamento de espectro em cidades canadenses.
O artigo propõe um novo quadro de avaliação de segurança para modelos de linguagem em serviços financeiros, introduzindo a Pontuação de Dano Ajustada ao Risco (RAHS) e um pipeline de red-teaming automatizado para identificar e quantificar falhas específicas do setor que os métodos tradicionais ignoram.
O artigo propõe o Desenvolvimento Primeiro do Cuidado (NFD), um novo paradigma que substitui as abordagens tradicionais de codificação ou prompts estáticos pelo crescimento progressivo de agentes de IA especializados através de interações conversacionais estruturadas com praticantes do domínio, utilizando um Ciclo de Cristalização do Conhecimento para transformar o conhecimento tácito e fragmentado em ativos reutilizáveis.
O artigo apresenta o MCCOP, um framework que utiliza otimização em espaço latente guiada por modelos de difusão para gerar mutações proteicas mínimas e biologicamente plausíveis que alteram previsões de modelos de aprendizado profundo, oferecendo insights mecanicistas e diretrizes acionáveis para o design de proteínas.
Este artigo avalia a capacidade de verificação de fala em modelos de linguagem grandes (LLMs) com entrada de áudio, identificando sua baixa discriminação de identidade e propondo uma solução de aumento leve que integra embeddings de falantes congelados via LoRA para alcançar desempenho competitivo sem sacrificar a interface de linguagem natural.
O artigo apresenta o BALD-SAM, um framework de aprendizado ativo que utiliza a incerteza epistêmica para selecionar automaticamente as regiões mais informativas para prompts no Segment Anything Model (SAM), superando o desempenho de anotação humana e de baselines em diversos domínios.
O artigo apresenta o REFINED-BIAS, um novo framework de avaliação e conjunto de dados que supera as limitações instáveis e ambíguas do benchmark de conflito de pistas atual, permitindo uma diagnose mais confiável, interpretável e justa dos vieses de forma e textura em redes neurais.
Este artigo apresenta a primeira solução de detecção de presença humana em laptops comerciais que utiliza exclusivamente o hardware Wi-Fi embutido, empregando uma nova técnica de Espectro Doppler Filtrado por Alcance (RF-DS) e um framework de processamento adaptativo para identificar usuários com baixo custo computacional, sem necessidade de sensores externos, infraestrutura de rede adicional ou preocupações com privacidade.
O artigo apresenta o EvoKernel, um framework de agentes autoevolutivos que utiliza uma abordagem de memória orientada a valor para superar a escassez de dados na síntese de kernels para NPUs, melhorando drasticamente a precisão e o desempenho através de rascunhos iniciais e refinamento contínuo sem necessidade de ajuste fino custoso.
Este artigo apresenta um Filtro de Partículas com Marcos Semânticos (SLPF) que integra a detecção de troncos e postes com dados LiDAR e GNSS para superar a ambiguidade perceptiva em vinhedos, demonstrando em testes de campo uma redução significativa no erro de localização e uma maior precisão na identificação de fileiras em comparação com métodos tradicionais baseados apenas em geometria, visão ou GNSS.
O artigo propõe o , um modelo de valor generalista que funde adaptativamente uma prioridade pré-treinada com médias empíricas de rollouts esparsos, utilizando testes estatísticos em tempo real para equilibrar viés e variância, resultando em uma melhoria de desempenho superior a 10% e convergência mais rápida em benchmarks de raciocínio matemático em comparação com métodos como GRPO e DAPO.
O artigo apresenta o GRACE, um simulador e conjunto de benchmarks unificado para planejamento de trajetórias de múltiplos robôs em 2D, que permite comparações justas e reprodutíveis entre diferentes níveis de abstração (grade, mapa de rotas e contínuo) para avaliar as compensações entre fidelidade e escalabilidade.
Este artigo apresenta um novo corpus bilíngue (inglês/alemão) e uma taxonomia de arquivo de autoridade (GND) para treinar e avaliar sistemas de classificação de texto multi-rótulo, visando aprimorar a indexação e o trabalho dos catalogadores em bibliotecas digitais por meio de IA transparente e baseada em autoridade.
Este artigo apresenta um modelo eficiente de Difusão Transformer (DiT) que gera sequências de DNA regulatório específicas de tipos celulares com maior eficiência de treinamento e menor memorização que abordagens anteriores, alcançando uma melhoria de 38 vezes na atividade regulatória predita após o ajuste fino com DDPO.
Este trabalho propõe a Amostragem Preditiva de Dinâmica (DPS), um método que utiliza inferência bayesiana online sobre um modelo de Markov oculto para prever e selecionar prompts informativos antes de custosas simulações, reduzindo assim a sobrecarga computacional e acelerando o ajuste fino por aprendizado por reforço de modelos de raciocínio grandes.
O artigo apresenta o PharmGraph-Auditor, um sistema híbrido que combina uma Base de Conhecimento Farmacêutico (HPKB) com um paradigma de Verificação em Cadeia (CoV) para transformar modelos de linguagem em motores de raciocínio transparentes e baseados em evidências, visando aumentar a segurança e a rastreabilidade na verificação de prescrições médicas.
O LookaheadKV é um framework de evicção de cache KV leve e preciso que supera os métodos existentes ao prever a importância dos tokens sem a necessidade de geração de rascunho computacionalmente custosa, resultando em menor latência e melhor desempenho em tarefas de longo contexto.