9792 artigos
Este artigo demonstra que modelos de fundação visuais-linguísticos contêm representações geométricas precisas em suas características congeladas, acessíveis através de sondas lineares simples, revelando que a baixa precisão na saída textual decorre de um déficit no treinamento do caminho de geração e não de uma limitação na representação visual subjacente.
O artigo apresenta o PONTE, um framework de inteligência artificial explicável (XAI) com interação humana que supera as limitações das abordagens padronizadas e dos modelos de linguagem, utilizando um processo de validação em loop fechado para gerar explicações naturalizadas, personalizadas e confiáveis adaptadas às necessidades específicas de cada usuário.
O artigo apresenta o NOBLE, uma arquitetura que adiciona ramificações de baixo rank não lineares permanentes às camadas lineares dos transformers para acelerar o pré-treinamento do zero, alcançando ganhos significativos de eficiência e velocidade de convergência com sobrecarga mínima de parâmetros e tempo.
O artigo apresenta o COLD-Steer, um framework livre de treinamento que controla o comportamento de Grandes Modelos de Linguagem (LLMs) em tempo de inferência ao aproximar as mudanças de representação resultantes do aprendizado em contexto, alcançando alta eficácia de direcionamento com até 50 vezes menos exemplos do que os métodos existentes.
Este estudo apresenta um sistema de inteligência artificial treinado em mais de 45.000 imagens de ultrassom que não apenas diagnostica fendas orofaciais fetais com precisão superior à de radiologistas júnior e comparável à de especialistas seniores, mas também atua como um copiloto médico para aumentar a sensibilidade diagnóstica e acelerar o desenvolvimento de expertise clínica em condições raras.
O artigo apresenta o RAMoEA-QA, um modelo generativo hierárquico que utiliza especialização condicional em duas etapas (combinando um Mixture-of-Experts para áudio e um Mixture-of-Adapters para linguagem) para superar as limitações de sistemas monolíticos existentes, oferecendo uma resposta robusta e generalizável a perguntas sobre áudio respiratório em diversos cenários clínicos.
O artigo apresenta o LiveSense, uma plataforma que transforma adaptadores Wi-Fi comerciais em laptops em sensores de alcance e Doppler em tempo real com precisão centimétrica, permitindo a detecção de distância, velocidade, micro-movimentos e gestos sem comprometer a comunicação de rede.
O artigo propõe o H²RL, uma abordagem híbrida de aprendizado por reforço profundo que utiliza pré-treinamento baseado em opções lógicas para alinhar agentes a objetivos de longo prazo, superando as limitações de métodos puramente simbólicos ou neurais em tarefas complexas.
O artigo apresenta o SUREON, um grande conjunto de dados de perguntas e respostas sobre vídeos cirúrgicos extraídos de aulas acadêmicas, e dois modelos de visão e linguagem (SureonVLM e SureonVLM-R1) que demonstram capacidades superiores de raciocínio cirúrgico, superando modelos gerais em tarefas de percepção e previsão de procedimentos.
O artigo apresenta o Fly360, um pipeline de percepção e decisão em duas etapas com treinamento de guinada aleatória fixa, que permite a drones panorâmicos realizar desvio de obstáculos omnidirecional estável e superar métodos baseados em visão frontal em cenários que exigem consciência espacial completa.
O artigo apresenta o BEVLM, um framework que integra representações de Visão de Pássaro (BEV) com Modelos de Linguagem de Grande Escala (LLMs) para superar limitações de consistência espacial e riqueza semântica, resultando em melhorias significativas de 46% na precisão de raciocínio em cenas de direção e de 29% no desempenho de condução autônoma em cenários críticos de segurança.
Este artigo apresenta o modelo generativo EIGen, que utiliza redes neurais preditivas para criar ilusões de movimento que enganam humanos, apoiando a hipótese de que tais ilusões resultam da percepção das previsões do cérebro em vez da entrada visual bruta e destacando o valor de estudar falhas motivadas em sistemas artificiais.
O artigo apresenta o EHRSQL, um novo benchmark prático de texto-para-SQL para registros eletrônicos de saúde, construído a partir de consultas reais de profissionais hospitalares e adaptado para os bancos de dados MIMIC-III e eICU, visando abordar desafios específicos como a geração de consultas complexas, a compreensão de expressões temporais e a distinção entre perguntas respondíveis e não respondíveis.
Este artigo apresenta uma revisão dos detalhes técnicos e resultados fundamentais da aplicação de aprendizado profundo para projetar mecanismos que aproximadamente satisfazem propriedades desejadas, demonstrando sua eficácia em estudos de caso de gestão de energia veicular, alocação de recursos em redes móveis e leilões de compras agrícolas.
O artigo apresenta o FEP-Nav, um quadro inspirado biologicamente que utiliza o Princípio da Energia Livre para permitir a adaptação perceptiva em tempo real e melhorar a navegação robótica sob condições sensoriais ruidosas, minimizando a energia variacional sem necessidade de atualizações baseadas em gradiente.
O artigo demonstra que a técnica de "Contrastive Prompting", que solicita ao modelo de linguagem grande (LLM) gerar simultaneamente uma resposta correta e uma errada, melhora significativamente o desempenho em tarefas de raciocínio complexo sem necessidade de exemplos pré-definidos, superando métodos existentes como o Chain-of-Thought.
Este artigo apresenta um novo método de aprendizado que, ao utilizar duas fases de treinamento para distilar informações privilegiadas de um algoritmo heurístico, resolve o Problema do Caixeiro Viajante com Vizinhanças para veículos não holonômicos de forma 50 vezes mais rápida que o método original, superando outras abordagens de aprendizado por imitação e reforço.
O artigo apresenta o GPSL, um esquema de aprendizado dividido paralelo que, ao fixar o tamanho do lote global e utilizar amostragem global, elimina vieses de arredondamento e estabiliza o treinamento em cenários de dados não-IID, alcançando precisão comparável à centralizada com overhead negligenciável.
O artigo propõe que a consciência emerge da necessidade de organismos vivos interpretarem informações sensoriais através de valências (bom/ruim) para garantir a sobrevivência, estabelecendo que o processamento qualitativo precede a representação neutra de propriedades e fundamenta uma ciência formal da consciência baseada na causalidade psicofísica.
Este artigo apresenta o Path Planning (P2), uma nova estratégia de amostragem para Modelos de Difusão Mascaramento (MDMs) que generaliza métodos existentes ao introduzir um estágio de planejamento para selecionar e refinar tokens, resultando em melhorias significativas no desempenho generativo em diversas tarefas como biologia, raciocínio matemático e geração de código.