10525 artigos
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.
O artigo alerta que a rápida adoção da IA na ciência climática, embora prometa avanços, corre o risco de ampliar a desigualdade global ao concentrar infraestrutura e dados no Norte Global, exigindo uma mudança de paradigma para uma abordagem centrada em dados, infraestrutura digital pública e co-produção de conhecimento para garantir equidade e resiliência sistêmica.
Este artigo apresenta os resultados de uma pesquisa global que analisa as atitudes e crenças sobre como a Inteligência Artificial Generativa deve representar culturas, propondo definições de cultura extraídas das próprias comunidades e recomendando abordagens participativas e um quadro de sensibilidade para lidar com limites culturais.
O artigo apresenta o LTLGuard, uma ferramenta modular que combina geração com restrições e verificação formal leve para permitir que modelos de linguagem compactos (4B–14B parâmetros) traduzam requisitos informais em especificações de LTL corretas e consistentes, superando as limitações de modelos menores em lógica temporal.
Este artigo demonstra que, ao analisar a taxa de vitória em vez da recompensa esperada, a amostragem Best-of-N (BoN) é estatisticamente ótima para alinhamento em tempo de inferência e propõe uma variante prática que elimina o "reward hacking" mantendo essa otimalidade.
Este artigo apresenta o TML-Bench, um novo benchmark para avaliar agentes de ciência de dados autônomos em tarefas de aprendizado de máquina tabular baseadas em competições do Kaggle, demonstrando que o modelo MiniMax-M2.1 obteve o melhor desempenho agregado entre os 10 modelos de linguagem de código aberto testados sob diferentes limites de tempo.
O artigo propõe o método SCORE, que resolve conflitos de subespaço entre modelos treinados em domínios distintos ao projetá-los em uma base ortogonal compartilhada, melhorando significativamente a generalização de domínio em tarefas de fusão de modelos.
O artigo propõe o SAHA, um novo framework de jailbreak que explora vulnerabilidades em cabeças de atenção profundas de modelos de linguagem abertos, utilizando uma estratégia de seleção baseada em impacto de ablação e perturbação sensível a limites para superar defesas existentes com maior taxa de sucesso.
Este artigo propõe a Hipótese de Segurança Desentrelaçada (DSH), demonstrando que os mecanismos de segurança em Grandes Modelos de Linguagem operam em subespaços geométricos distintos para "saber" e "agir", o que permite a criação de ataques de evasão eficazes que separam o reconhecimento de conteúdo nocivo da recusa em respondê-lo.
O artigo apresenta o PVminer, um benchmark, e o PVminerLLM, um modelo de linguagem supervisionado que supera as abordagens baseadas em prompts na extração estruturada de "voz do paciente" a partir de textos gerados por eles, permitindo a análise escalável de fatores não clínicos que influenciam os resultados de saúde.
Este estudo avalia um framework de "nudge" personalizado para diversidade em recomendações de notícias, demonstrando que um algoritmo de calibração dupla eficazmente amplia a exposição e o consumo de notícias domésticas e globais, enquanto a apresentação baseada em LLM tem impacto variável, sugerindo que a exposição longitudinal pode alterar os hábitos de leitura dos usuários em direção a um equilíbrio entre esses temas.
O artigo apresenta o BM25-V, um método de recuperação de imagens que aplica a pontuação Okapi BM25 a ativações esparsas de "palavras visuais" derivadas de um Autoencoder Esparsos (SAE) em features de Vision Transformers, oferecendo uma abordagem eficiente, interpretável e de alta precisão que rivaliza com métodos densos ao utilizar um índice invertido para selecionar candidatos e um reordenamento posterior.