8713 artigos
Este trabalho apresenta um novo quadro probabilístico "(k, )-instável" que supera as limitações da defesa SmoothLLM ao fornecer garantias de segurança mais realistas e fundamentadas em dados contra uma ampla gama de ataques de jailbreaking em LLMs.
O artigo apresenta o Yo'City, um novo framework agêntico que utiliza modelos de linguagem grandes para gerar cenas de cidades 3D realistas, personalizadas e infinitamente expansíveis através de um planejamento hierárquico, síntese de imagens isométricas e um mecanismo de expansão guiado por relações espaciais e semânticas.
Este estudo demonstra que a incorporação de máscaras de atenção inspiradas na física e no design do detector em modelos transformers melhora significativamente a reconstrução e classificação de baixas energias no telescópio de neutrinos KM3NeT/ORCA, permitindo também uma transferência eficiente de conhecimento entre diferentes configurações.
Este artigo apresenta um pipeline automatizado para gerar um conjunto de dados em larga escala de ataques de jailbreak multi-turno baseados no princípio psicológico "Pé na Porta", revelando que, embora modelos como o Gemini 2.5 Flash demonstrem alta resiliência, modelos da família GPT são significativamente vulneráveis a manipulações narrativas que exploram o histórico de conversação.
O artigo apresenta um algoritmo para calcular todas as estratégias evolutivamente estáveis em jogos normais não degenerados com três ou mais jogadores.
O artigo apresenta o RadDiff, um novo método de difusão denoising aumentada por recuperação que supera os métodos existentes no dobramento inverso de proteínas ao integrar conhecimento atualizado de bancos de dados externos, alcançando taxas de recuperação de sequência superiores e maior eficiência.
Este estudo apresenta o ForamDeepSlice, um framework de aprendizado profundo baseado em um ensemble de redes neurais que alcança alta precisão na classificação automática de espécies de foraminíferos a partir de fatias 2D de micro-TC, estabelecendo novos benchmarks para identificação micropaleontológica assistida por IA.
Este artigo propõe a integração de um modelo fundamental causal em um framework de manutenção prescritiva para simular cenários "e se", identificar causas raízes de falhas e recomendar ações otimizadas que maximizem a Eficácia Global dos Equipamentos (OEE) em linhas de produção.
O artigo apresenta o AltNet, uma abordagem baseada em redes gêmeas que resolve o dilema plasticidade-estabilidade no aprendizado por reforço, permitindo a restauração da plasticidade por meio de resets periódicos sem causar quedas de desempenho, garantindo assim maior eficiência e segurança em tarefas de controle de alta dimensão.
O artigo propõe o "Dual Randomized Smoothing", um novo quadro teórico e prático que supera as limitações da variância de ruído global ao permitir variâncias dependentes da entrada, alcançando assim um desempenho robusto superior tanto para perturbações pequenas quanto grandes em conjuntos de dados como CIFAR-10 e ImageNet.
Este artigo apresenta o Graphectory, uma abordagem centrada em processos para analisar e monitorar em tempo real sistemas de software agênticos, permitindo a identificação e correção de trajetórias ineficientes, o que resulta em taxas de resolução significativamente maiores e trajetórias mais curtas.
O artigo apresenta a Regressão Isotônica Shapley Esparsa (SISR), um novo framework unificado de explicação não linear que supera as limitações de aditividade e custo computacional dos valores Shapley tradicionais ao aprender simultaneamente uma transformação monótona para restaurar a aditividade e impor esparsidade para identificar características relevantes em espaços de alta dimensão.
O artigo apresenta o Parallel Decoder Transformer (PDT), uma arquitetura que internaliza a coordenação de geração paralela em modelos de linguagem congelados, utilizando um planejador inicial e um mecanismo de "Dynamic Notes Bus" para sincronizar múltiplos fluxos de decodificação sem depender de orquestração externa.
Este trabalho apresenta o MaGRoad, um novo framework baseado em raciocínio centrado em caminhos, e o dataset WildRoad para superar as limitações dos métodos atuais na extração robusta de redes viárias em ambientes off-road, alcançando desempenho superior e maior eficiência inferencial.
O artigo apresenta o SALVE, um framework unificado que utiliza autoencoders esparsos e mapeamento de saliência para descobrir, validar e realizar edições precisas no espaço de pesos de redes neurais, permitindo o controle mecânico e interpretável de seus comportamentos.
Este artigo apresenta uma pesquisa abrangente sobre a adaptação de agentes de IA pós-treinamento, organizando o campo fragmentado em um framework de quatro paradigmas que engloba a adaptação do agente e das ferramentas, analisando métodos de pós-treinamento, arquiteturas de memória adaptativa e habilidades de agentes, além de discutir suas compensações, práticas de avaliação e desafios futuros.
O artigo apresenta o LaMer, um framework de Meta-RL que capacita agentes de linguagem a explorar ativamente e adaptar suas políticas em tempo de execução por meio de reflexão, superando significativamente as abordagens de RL tradicionais em tarefas de longo prazo e ambientes não vistos.
O artigo apresenta o Re-Depth Anything, um framework de auto-supervisão em tempo de teste que aprimora a estimativa de profundidade monocromática ao fundir modelos fundamentais com priors de modelos de difusão 2D para re-sintetizar a iluminação e refinar a profundidade sem rótulos, superando significativamente os modelos existentes como o Depth Anything V2 e alcançando resultados state-of-the-art ao ser aplicado sobre o Depth Anything 3.
Este artigo demonstra que, em ambientes de nuvem como o Google BigQuery, os modelos de linguagem com raciocínio reduzem significativamente os custos de execução de consultas Text-to-SQL ao processarem menos dados e evitarem padrões ineficientes, revelando que a otimização de tempo não garante eficiência financeira e fornecendo diretrizes para mitigar riscos em ambientes corporativos.
O artigo apresenta o NeuroSPICE, um framework baseado em Redes Neurais Informadas pela Física (PINN) que resolve equações diferenciais-algébricas de circuitos e dispositivos para oferecer vantagens em problemas inversos e otimização de projeto, especialmente em sistemas não lineares emergentes como memórias ferroelétricas.