9360 artigos
Este artigo investiga a robustez adversarial de classificadores quânticos particionados, demonstrando que perturbações direcionadas a técnicas de divisão de circuitos ou teletransporte equivalem à implementação de portas adversariais em camadas intermediárias, analisando esse fenômeno tanto teoricamente quanto experimentalmente.
Este artigo revisa o campo emergente da geração de música multimodal, categorizando os sistemas com base nas modalidades, discutindo representações, alinhamento de dados, conjuntos de dados e métodos de avaliação atuais, além de identificar desafios e propor direções futuras para pesquisa.
O artigo apresenta o FindAnything, um framework de mapeamento em mundo aberto que integra informações visuais e linguísticas em submapas volumétricos centrados em objetos, permitindo uma compreensão semântica escalável e eficiente em termos de memória e tempo para exploração robótica em ambientes desconhecidos.
Este estudo controlado demonstra que, embora modelos de linguagem pré-treinados (LLMs) apresentem potencial para previsão de séries temporais, sua eficácia real é frequentemente mascarada por viés de pequenos conjuntos de dados e, em avaliações rigorosas, eles não superam consistentemente modelos especializados treinados em grandes volumes de dados temporais.
Este artigo de posicionamento argumenta que a antropomorfização dos tokens intermediários como "traces de raciocínio" ou "pensamentos" é uma metáfora perigosa que distorce a natureza dos modelos, prejudica seu uso eficaz e leva a pesquisas questionáveis, exigindo que a comunidade científica abandone essa terminologia.
Este artigo adota uma abordagem centrada nas sobreviventes para expor como o atual ecossistema técnico malicioso, composto por modelos de código aberto e softwares de "nudificação", e as falhas nas práticas de governança de IA, como as refletidas no relatório NIST AI 100-4, falham em prevenir eficazmente a criação de imagens íntimas não consensuais geradas por IA de adultos.
Este artigo de revisão oferece uma visão abrangente sobre o Aprendizado Federado, abordando sua arquitetura, desafios técnicos como dados não-IID e heterogeneidade, mecanismos de privacidade, tendências emergentes e aplicações práticas para orientar o desenvolvimento de sistemas colaborativos escaláveis e seguros.
Este artigo apresenta o HCT-QA, um novo benchmark abrangente para avaliação de modelos de linguagem e visão na resposta a perguntas sobre tabelas centradas no humano (HCTs), oferecendo um vasto conjunto de dados reais e sintéticos que supera as limitações das soluções existentes e demonstra ganhos significativos de desempenho através de ajuste fino.
Este artigo apresenta o FourierSpecNet, uma arquitetura híbrida que integra o método espectral de Fourier com aprendizado profundo para aproximar com eficiência o operador de colisão da equação de Boltzmann, oferecendo precisão competitiva, redução significativa de custo computacional e capacidade de super-resolução zero-shot para cenários elásticos e inelásticos.
O artigo apresenta o RM-R1, uma nova classe de Modelos de Recompensa de Raciocínio (ReasRMs) que integra cadeias de raciocínio e o mecanismo de "cadeia de rubricas" para melhorar a interpretabilidade e o desempenho na modelagem de recompensas, superando modelos proprietários e de grande porte em benchmarks padrão.
Este artigo apresenta uma análise sistemática de 178 benchmarks para modelos de linguagem e agentes de código, revelando um desequilíbrio significativo que prioriza excessivamente a fase de implementação em detrimento do planejamento e design, além de apontar a falta de estratégias contra contaminação de dados e propor direções futuras para alinhar as capacidades teóricas dessas ferramentas com sua eficácia prática no ciclo de vida de desenvolvimento de software.
Este artigo apresenta o EVA, um novo framework de aprendizado de características assíncronas inspirado em modelos de linguagem que supera métodos anteriores em tarefas de reconhecimento e detecção, permitindo o processamento eficiente e expressivo de dados de câmeras de eventos.
Este artigo propõe o método K-CAST, uma técnica de direcionamento de ativação condicional baseada em kNN que mitiga eficazmente os vieses de conteúdo no raciocínio de modelos de linguagem, melhorando a precisão do raciocínio formal em até 15% sem prejudicar significativamente outras capacidades do modelo.
O artigo apresenta o AdAEM, um algoritmo de avaliação adaptativo e automatizado que gera dinamicamente perguntas de teste para identificar e medir as diferenças de valores entre Grandes Modelos de Linguagem (LLMs), superando as limitações de métodos estáticos atuais ao maximizar a distinção informativa sobre vieses e alinhamentos culturais.
O artigo apresenta o ESGenius, o primeiro benchmark abrangente para avaliar o conhecimento de modelos de linguagem em ESG e sustentabilidade, demonstrando que, embora os modelos de ponta apresentem desempenho moderado em cenários zero-shot, a integração de métodos de Geração Aumentada por Recuperação (RAG) com um corpus de fontes autoritativas eleva significativamente a precisão, especialmente em modelos menores.
O artigo apresenta o KramaBench, um benchmark composto por 104 desafios curados manualmente para avaliar a capacidade de sistemas de IA em orquestrar pipelines completos de dados a insights em lagos de dados, revelando que, embora os modelos atuais consigam identificar tarefas individuais, eles ainda têm dificuldade significativa em gerar e executar pipelines funcionais de ponta a ponta.
O artigo apresenta o VisioMath, um novo benchmark de 1.800 problemas matemáticos do ensino fundamental e médio que avaliam a capacidade de raciocínio comparativo de Modelos Multimodais Grandes (LMMs) ao distinguir diagramas visualmente similares, revelando que falhas frequentes decorrem de desalinhamento entre imagem e texto e demonstrando que estratégias de alinhamento podem melhorar significativamente o desempenho desses modelos.
Este artigo propõe uma nova avaliação multidimensional da competência moral em modelos de linguagem, revelando que, embora superem humanos em cenários éticos pré-definidos, eles falham significativamente em discernir informações moralmente relevantes em meio a ruídos, sugerindo que as avaliações atuais superestimam suas capacidades de raciocínio moral.
O artigo apresenta o ContextBench, um benchmark que avalia métodos de modificação de contexto para ativar características latentes específicas em modelos de linguagem, demonstrando que variantes aprimoradas do EPO alcançam o estado da arte ao equilibrar eficazmente a força de elicitação e a fluência linguística.
O artigo apresenta o Sysformer, uma abordagem inovadora que utiliza um modelo transformador para adaptar dinamicamente os prompts de sistema de grandes modelos de linguagem (LLMs) congelados, melhorando significativamente sua robustez contra ataques de jailbreak e garantindo respostas seguras sem a necessidade de custosos ajustes nos parâmetros do modelo.