10139 artigos
Este artigo investiga o problema de modificar conceitos de lógica descritiva (EL e ALC) com base em modelos representados como interpretações pontuadas, definindo formalmente os conceitos de evicção, recepção e revisão, e demonstrando que a revisão não se reduz a uma simples combinação das outras duas operações.
Este artigo propõe um modelo teórico que demonstra como a IA generativa, ao equalizar as diferenças de habilidades individuais, pode paradoxalmente ampliar a desigualdade agregada ao deslocar o valor econômico para ativos complementares concentrados, resultando em dois regimes distintos de desigualdade dependendo da estrutura tecnológica e das instituições do mercado de trabalho.
O artigo apresenta o CBR-to-SQL, um novo framework baseado em Raciocínio Baseado em Casos que supera as limitações dos métodos RAG tradicionais na tradução de linguagem natural para SQL no domínio da saúde, alcançando maior precisão lógica e eficiência amostral ao utilizar um processo de recuperação em duas etapas para lidar com a variabilidade da terminologia médica.
O artigo apresenta o PRISM, um método que integra Aprendizado por Imitação e Aprendizado por Reforço para refinar políticas robóticas genéricas em comportamentos específicos e robustos, utilizando descrições em linguagem natural e correções humanas durante o processo de treinamento.
O artigo apresenta o Tool-Genesis, um benchmark diagnóstico que avalia a capacidade de agentes de linguagem de criar e utilizar ferramentas a partir de requisitos abstratos, revelando que falhas iniciais em modelos de ponta se amplificam e degradam o desempenho em tarefas downstream.
Este estudo propõe um quadro analítico híbrido de GeoAI que integra MGWR, Random Forest e ST-GCN para modelar a heterogeneidade espaço-temporal dos fluxos de tráfego e sua interação com o uso do solo em múltiplos modos de transporte, demonstrando superioridade preditiva e fornecendo um conjunto de ferramentas interpretáveis para o planeamento urbano e de mobilidade.
O artigo demonstra que o pré-treinamento de tokenizadores com um objetivo de autoencoder, especialmente quando alinhado ao domínio físico específico, melhora significativamente a eficiência e a precisão dos modelos de base para física, reduzindo o erro de VRMSE em 64% em comparação com o treinamento a partir do zero.
O artigo apresenta o DreamCAD, um framework generativo multimodal que produz modelos CAD editáveis (BRep) a partir de supervisão em nível de pontos, permitindo treinamento em larga escala em milhões de malhas 3D não anotadas e introduzindo o conjunto de dados CADCap-1M para avançar na pesquisa de texto-para-CAD.
Este artigo propõe uma arquitetura de gerenciamento híbrida para a economia de serviços de IA em tempo real, demonstrando que a topologia dos grafos de dependência é determinante para a estabilidade de preços em alocação de recursos descentralizada e que encapsular subgrafos complexos reduz a volatilidade de preços em até 75% sem sacrificar o desempenho.
O artigo apresenta o RACAS, uma arquitetura agênica baseada em modelos de linguagem que permite o controle em malha fechada de robôs radicalmente diferentes (terrestres, subaquáticos e de membros articulados) utilizando apenas descrições em linguagem natural, eliminando a necessidade de reprogramação ou re-treinamento para cada nova plataforma.
O artigo propõe o método ABRA, uma abordagem de generalização de domínio que utiliza aumento de representação adversária para mitigar efeitos de lote biológico em imagens de triagem celular de alto conteúdo, estabelecendo um novo estado da arte na classificação de perturbações siRNA.
O artigo propõe o "Post Fusion Stabilizer" (PFS), um módulo leve que estabiliza as representações de visão de pássaro em detectores de fusão Câmera-LiDAR existentes, melhorando significativamente a robustez contra falhas de sensores e mudanças de domínio sem a necessidade de reestruturar a arquitetura ou reentrenar modelos completos.
O artigo apresenta o SCOUT, um método inovador para busca interativa de objetos em ambientes domésticos abertos que utiliza grafos de cena 3D e conhecimento relacional destilado de modelos de linguagem para superar as limitações de velocidade e precisão das abordagens anteriores, alcançando desempenho eficiente e generalizável tanto em simulação quanto em robôs físicos.
Este estudo demonstra que os julgamentos morais de modelos de linguagem grandes são altamente instáveis e manipuláveis, dependendo mais da estrutura narrativa, da perspectiva e do protocolo de avaliação do que da substância moral dos dilemas, o que levanta sérias preocupações sobre reprodutibilidade e equidade.
Este estudo revela que, embora o TikTok cumpra formalmente a proibição da DSA de publicidade profilada a menores, a definição restritiva de "anúncio" permite que conteúdos comerciais disfarçados (como marketing de influenciadores) contornem a regulação, resultando numa profilagem algorítmica para menores que é significativamente mais intensa do que a observada em adultos.
Este artigo propõe a Contagem Implícita de Erros (IEC), uma abordagem de aprendizado por reforço sem referência que enumera e pondera erros em vez de verificar acertos contra um gabarito, demonstrando sua superioridade em tarefas de "virtual try-on" onde múltiplas respostas válidas tornam a geração de rubricas tradicional inviável.
O artigo propõe o SecureRAG-RTL, um framework baseado em Geração Aumentada por Recuperação (RAG) e múltiplos agentes que melhora significativamente a detecção de vulnerabilidades em projetos de hardware descritos em HDL ao integrar conhecimento específico do domínio, superando as limitações dos modelos de linguagem pura e apresentando um novo conjunto de dados de benchmark para validação.
Este artigo apresenta um novo framework de inpainting longitudinal baseado em modelos de difusão que utiliza contexto temporal e atenção a regiões específicas para reparar lesões em ressonâncias magnéticas cerebrais com alta fidelidade perceptual, estabilidade temporal e eficiência computacional, superando significativamente os métodos existentes.
O artigo apresenta o Ptychi-Evolve, um quadro autônomo que utiliza modelos de linguagem grandes e mecanismos evolutivos para descobrir e evoluir automaticamente novos algoritmos de regularização para ptychografia, superando os métodos convencionais em diversas tarefas de caracterização de materiais.
O artigo introduz a suite de avaliação CoT-Control e demonstra que os modelos de raciocínio atuais possuem uma capacidade significativamente baixa de controlar seus pensamentos internos (CoT) em comparação com suas respostas finais, o que oferece uma cautela otimista sobre a viabilidade da monitorização de CoT, embora o mecanismo subjacente permaneça pouco compreendido.