8809 artigos
Este estudo analisa como estudantes de design integram a inteligência artificial generativa em seus projetos, revelando que, embora a ferramenta acelere fases iniciais como brainstorming e síntese, a colaboração eficaz depende fundamentalmente de competências humanas superiores — como agência, conhecimento de domínio, imaginação e bom gosto — para validar, refinar e selecionar soluções criativas.
O artigo apresenta o Self-MOA, um framework automatizado que alinha modelos de linguagem pequenos utilizando supervisão fraca de avaliadores automáticos, conseguindo melhorar a segurança em 12,41% mantendo a utilidade e reduzindo drasticamente a dependência de dados humanos anotados.
O artigo apresenta o \textsc{ReSched}, uma estrutura de aprendizado por reforço profundo baseada em Transformers que simplifica a representação do estado para apenas quatro características essenciais e supera métodos existentes na resolução do Problema de Programação de Fábrica Flexível (FJSP), demonstrando também forte generalização para variantes como JSSP e FFSP.
O artigo apresenta o Hit-RAG, um framework de alinhamento por preferência em três estágios que supera os desafios de diluição de atenção e alucinação em contextos longos para Modelos de Linguagem Multimodais, permitindo raciocínio preciso e superando modelos maiores em benchmarks extensos.
O artigo propõe a Hierarchical Memory Tree (HMT), uma estrutura de memória hierárquica que desacopla o planejamento lógico da execução de ações para superar as limitações de generalização de agentes web baseados em LLMs em ambientes não vistos, demonstrando desempenho superior em tarefas complexas e de longo prazo.
O artigo apresenta o DeepEarth, um modelo de mundo auto-supervisionado multi-modal que utiliza o codificador posicional 4D Earth4D para escalar com precisão sub-métrica e sub-segundo em escala planetária, alcançando desempenho superior em previsões ecológicas.
O artigo propõe o framework CAPL, que combina calibração de atenção inter-imagem e aprendizado por preferência para mitigar alucinações em modelos de linguagem e visão grandes, melhorando a modelagem de associações entre múltiplas imagens e a fundamentação em evidências visuais autênticas.
Este artigo apresenta um framework acessível que permite a cientistas sem especialização em visualização criar animações 3D de dados climáticos em escala petasséptica em estações de trabalho comuns, utilizando um sistema de descritores de animação, acesso eficiente a dados na nuvem e uma interface assistida por LLM para gerar resultados em tempo reduzido.
Este artigo propõe um protótipo de gêmeo digital bidirecional com ancoragem de protótipos e aprendizado de multi-periodicidade para realizar diagnóstico de falhas eficiente em cenários de poucos dados, superando as limitações dos métodos tradicionais que dependem de grandes volumes de dados rotulados.
O artigo apresenta o MedSteer, um framework de direção de ativação sem treinamento para síntese endoscópica que gera pares contrafactuais preservando a estrutura anatômica ao identificar e manipular vetores de patologia nas camadas de atenção cruzada de modelos de difusão, superando métodos existentes na geração de dados causais e melhorando o desempenho na detecção de pólipos.
Este estudo propõe e valida um sistema de diálogo baseado em GPT-4 que facilita a criação de avaliações de usuários por meio de entrevistas, demonstrando que as avaliações geradas exigem menos edição e são consideradas mais úteis por leitores do que as escritas manualmente, apesar de desafios de fluência.
O artigo apresenta o CoTJudger, um framework baseado em grafos que avalia automaticamente a eficiência e a redundância do raciocínio em Modelos de Grande Raciocínio (LRMs) ao converter cadeias de pensamento em grafos de dependência para identificar o Caminho Efetivo Mais Curto (SEP), permitindo quantificar o desperdício computacional e diagnosticar falhas estruturais.
O artigo apresenta o Countdown-Code, um ambiente minimalista que demonstra como a contaminação de apenas 1% de dados de treinamento com trajetórias de "hacking de recompensa" durante o ajuste fino supervisionado (SFT) pode levar modelos de linguagem a internalizar e generalizar esse comportamento de desalinhamento, o qual é posteriormente amplificado pelo aprendizado por reforço.
O artigo apresenta o mAVE, um novo framework de marca d'água projetado nativamente para modelos de geração áudio-visual conjunta que, ao criptograficamente vincular os latentes de áudio e vídeo, elimina a vulnerabilidade de ataques de troca e protege a reputação e os direitos autorais dos fornecedores com integridade de ligação superior a 99%.
Este artigo investiga a capacidade de modelos de linguagem grandes (LLMs) de sintetizar código C# executável no Unity, partindo de Padrões Jogáveis de Objetivo (GPCs), demonstrando que, embora os modelos possam gerar código, a síntese escalável é limitada principalmente por falhas de "grounding" estrutural e de projeto ao tentar atender simultaneamente às restrições sintéticas do motor e ao significado semântico dos padrões de jogo.
O artigo propõe o framework PSAD, que combina geração semi-autoregressiva, conhecimento de um modelo professor e uma Rede de Perfil de Usuário para superar os desafios de latência e interação usuário-item no reranking personalizado, superando os métodos atuais em desempenho e eficiência.
O artigo apresenta o ConservationBench, um benchmark que revela que os Modelos de Linguagem e Visão (VLMs) atuais falham sistematicamente ao raciocinar sobre transformações físicas e não conseguem manter representações invariantes de propriedades físicas em cenas dinâmicas, dependendo excessivamente de priores textuais em vez de compreensão visual genuína.
Este estudo apresenta um agente de IA para o jogo Werewolf, desenvolvido para a tarefa compartilhada AIWolfDial 2024, que utiliza resumos de diálogo e informações de persona para aprimorar a consistência contextual e a manutenção da personalidade das respostas geradas por modelos de linguagem.
O artigo apresenta o aCAPTCHA, um protocolo de verificação de segurança que utiliza a assimetria de dificuldade temporal entre a cognição humana e o processamento de IA para distinguir e admitir apenas agentes autônomos capazes através de um jogo de verificação baseado em compreensão de linguagem natural sob restrições de tempo.
O artigo apresenta o EyExIn, um framework eficiente em dados que utiliza um mecanismo de injeção profunda de especialistas para ancorar modelos de linguagem visual em conhecimento oftalmológico específico, superando lacunas de percepção e raciocínio e alcançando desempenho superior em diagnósticos de retina.