9683 artigos
O artigo apresenta o MM-ISTS, um framework multimodal que utiliza modelos de linguagem grandes (LLMs) de visão e texto para aprimorar a previsão de séries temporais amostradas irregularmente, integrando dados temporais, visuais e textuais por meio de um mecanismo de codificação em duas etapas e um módulo de alinhamento adaptativo para capturar padrões temporais complexos e contexto semântico.
Este artigo identifica e mitiga a "cegueira linguística" em modelos Visão-Linguagem-Ação (VLA), onde políticas robóticas ignoram instruções contraditórias em favor de pistas visuais, propondo o método IGAR, uma técnica de recalibração de atenção sem treinamento que restaura a fidelidade às instruções sem modificar a arquitetura do modelo.
O artigo apresenta o RepKAN, uma nova arquitetura que combina a eficiência das CNNs com o poder de representação não linear dos KANs para criar um modelo de classificação de imagens de sensoriamento remoto que é ao mesmo tempo de alto desempenho e fisicamente interpretável.
O artigo apresenta o MASFactory, um framework centrado em grafos para orquestrar sistemas multiagentes baseados em LLM, que introduz a "Vibe Graphing" para converter intenções em linguagem natural em fluxos de trabalho executáveis, além de oferecer componentes reutilizáveis, integração de contexto e visualização, validados em sete benchmarks públicos.
Este artigo propõe um framework de três etapas para desenvolver um agente conversacional de esclarecimento de intenções aumentado por recuperação que atue como mediador e guardião de coleções de dados sensíveis, definindo modelos de ataque, projetando defesas específicas e avaliando o equilíbrio entre proteção e utilidade do sistema.
Este estudo investiga as falhas de Modelos Visuais-Linguísticos (VLMs) em cenários de condução autónoma, identificando que, embora alguns conceitos visuais sejam linearmente codificados, outros dependem de estruturas espaciais implícitas, e que as falhas podem ser classificadas como perceptivas (ausência de codificação linear) ou cognitivas (falha no alinhamento semântico), sendo a capacidade de distinção linear degradada rapidamente com o aumento da distância do objeto.
O artigo apresenta o TempoSyncDiff, um framework de difusão latente baseado em distilação que utiliza um modelo professor-aluno e regularização temporal para gerar cabeças falantes acionadas por áudio com alta fidelidade, estabilidade temporal e baixa latência, viabilizando sua implementação em dispositivos de borda.
O artigo apresenta o PyPDDLEngine, um motor de simulação PDDL que permite que modelos de linguagem atuem como agentes de planejamento interativos, demonstrando que, embora essa abordagem agênica ofereça uma vantagem modesta de 3 pontos percentuais em relação ao planejamento direto de LLMs em problemas de Blocksworld, ela não supera os métodos simbólicos clássicos e revela limitações na capacidade de autoavaliação do agente sem feedback externo.
Este estudo avalia a eficácia de modelos de linguagem de grande porte (LLMs) na correção automática de redações alemãs de nível A da Áustria com base em rubricas, concluindo que, embora os modelos consigam aplicar os critérios, sua baixa concordância com avaliadores humanos (32,8% nas notas finais) os torna inadequados para uso em ambientes reais de avaliação.
Este artigo apresenta uma nova família de semânticas graduais, denominadas "semânticas agregativas", para Quadros de Argumentação Bipolar Quantitativos (QBAF), que calculam a aceitabilidade de argumentos em três etapas distintas agregando separadamente atacantes e apoiadores, oferecendo assim maior parametrização e interpretabilidade em comparação com abordagens anteriores.
O artigo propõe a nova tarefa de Geração de Rosto Falante Emocionalmente Contínuo (EC-TFG) e apresenta o modelo TIE-TFG, que utiliza modelagem de flutuação emocional temporalmente intensiva para sintetizar vídeos realistas onde as expressões faciais mudam continuamente em sincronia com variações emocionais descritas no texto.
O artigo apresenta o Uni-Walker, um framework de aprendizado contínuo para agentes de navegação corporificada que supera o esquecimento catastrófico ao decoplar o conhecimento em componentes compartilhados e específicos por meio de DE-LoRA, estratégias de herança de conhecimento e mecanismos de raciocínio específicos para tarefas.
O artigo apresenta o StreamVoiceAnon+, uma abordagem de anonimização de fala em streaming que preserva a emoção através de ajuste fino supervisionado e destilação de nível de quadro, alcançando melhorias significativas na preservação emocional sem adicionar latência à inferência.
Este trabalho apresenta o CliqueFlowmer, um modelo de otimização baseado em aprendizado offline que combina transformadores, fluxos de geração e otimização baseada em cliques para descobrir materiais com propriedades superiores, superando os métodos generativos tradicionais.
Este estudo demonstra que a exposição contínua a textos específicos de domínio molda a personalidade das LLMs, revelando uma vantagem na supressão de traços sociais para o raciocínio complexo e estabelecendo uma ligação causal entre características linguísticas dos dados de treinamento e o desempenho do modelo.
Este artigo propõe um pipeline que integra modelos de linguagem grandes e um raciocinador neuro-simbólico para transformar argumentos implícitos (entimemas) em fórmulas lógicas, gerar premissas ocultas e verificar a validade do raciocínio, preenchendo assim a lacuna entre métodos de processamento de linguagem natural e abordagens baseadas em lógica.
Este relatório apresenta uma estrutura de segurança física para robótica que integra engenharia de riscos clássica, simulação de gêmeos digitais e geração de dados sintéticos para alinhar a declaração de ativos e a enumeração de vulnerabilidades ao treinamento de modelos de aprendizado de máquina.
Este trabalho propõe uma abordagem baseada em grafos causais para analisar narrativas opositivas, superando métodos tradicionais ao modelar interações entre entidades e extrair subgrafos causais mínimos para classificação, resultando em desempenho superior.
O artigo propõe uma abordagem de Gradientes de Política Parciais para Aprendizado por Reforço em LLMs, que otimiza subconjuntos de recompensas futuras para modelar diferentes classes de políticas (como planejamento completo, gananciosa ou com horizonte limitado), demonstrando empiricamente que diferentes políticas se destacam em diferentes problemas de alinhamento conversacional.
O artigo apresenta o Place-it-R1, um framework end-to-end que aproveita o raciocínio de Cadeia de Pensamento (CoT) de Modelos de Linguagem Multimodais (MLLMs) para orquestrar a inserção de objetos em vídeos, garantindo coerência física e causalidade ambiental através de um ciclo fechado de raciocínio e refinamento.