10525 artigos
Este artigo propõe o "Proof-of-Guardrail", um sistema que utiliza Ambientes de Execução Confiáveis (TEE) para fornecer provas criptográficas verificáveis de que as respostas de agentes de IA foram processadas por guardrails de segurança específicos, garantindo a integridade da execução sem revelar o agente proprietário, embora alerte para riscos persistentes de desvio de segurança por desenvolvedores mal-intencionados.
O artigo apresenta o StreamWise, um sistema de serviço adaptativo e modular que viabiliza a geração em tempo real de podcasts multimodais em escala, otimizando o uso de hardware heterogêneo e gerenciando dinamicamente a qualidade e os recursos para equilibrar latência, custo e fidelidade.
Este artigo introduz o conceito de "colapso de ambiguidade" em modelos de linguagem, apresentando uma taxonomia dos riscos epistêmicos que surgem quando esses sistemas impõem resoluções únicas a termos ambíguos, e propõe princípios de mitigação para preservar a negociação humana de significados.
O artigo apresenta o MaCS (Margin and Consistency Supervision), um framework de regularização simples e agnóstico à arquitetura que, ao combinar uma penalidade de margem no espaço de logits com um regularizador de consistência, melhora significativamente a calibração e a robustez de modelos de visão computacional sem comprometer a precisão ou exigir alterações estruturais.
O artigo apresenta o Lexara, um kit de ferramentas centrado no usuário que facilita a avaliação de Modelos de Linguagem Grande para Análise Visual Conversacional, oferecendo casos de teste realistas, métricas interpretáveis para qualidade visual e linguística, e uma interface interativa que dispensa conhecimentos de programação.
Este trabalho apresenta uma análise de caixa branca do modelo EleutherAI/gpt-j-6B que demonstra, por meio de comparação de similaridade de cosseno no espaço de ativação, que suas representações internas de confiança alinham-se mais fortemente com o modelo socio-cognitivo de Castelfranchi do que com outras teorias humanas estabelecidas.
Este artigo propõe um modelo de ensemble que combina quatro fusões independentes de Redes Neurais Convolucionais (CNNs) e Vision Transformers (ViTs) para superar limitações de arquiteturas individuais, alcançando alta precisão na classificação de imagens de sensoriamento remoto com uso eficiente de recursos computacionais.
O artigo apresenta o MACRO, um agente médico autônomo que evolui dinamicamente ao descobrir e sintetizar novas ferramentas compostas a partir de experiências passadas, superando a rigidez dos sistemas estáticos e melhorando a precisão e a generalização na interpretação de imagens médicas.
Este artigo apresenta uma avaliação prática das perspectivas internacionais sobre a integração responsável de sistemas de IA emergentes, como modelos fundamentais e agentes, na patologia computacional, analisando as capacidades atuais, os desafios de adoção e o contexto regulatório, econômico e técnico necessário para sua implementação clínica.
O artigo apresenta o JHCodec, um codec neural de áudio que utiliza uma perda de reconstrução de representação auto-supervisionada (SSRR) para alcançar estado da arte em inteligibilidade e baixa latência, permitindo uma arquitetura de streaming sem atraso (zero-lookahead) e treinamento eficiente em uma única GPU.
Este artigo apresenta o ConStory-Bench, um novo benchmark e pipeline automatizado (ConStory-Checker) projetados para avaliar e detectar erros de consistência em narrativas longas geradas por Grandes Modelos de Linguagem, identificando padrões específicos de falhas factuais e temporais que ocorrem frequentemente no meio das histórias.
O artigo apresenta o RePO, um novo método de otimização que combina aprendizado por reforço para explorar novas moléculas com orientação supervisionada baseada em referências para estabilizar o treinamento, superando abordagens tradicionais de ajuste fino e aprendizado por reforço em tarefas de otimização molecular guiada por LLMs.
O artigo apresenta o LUMINA, um framework de exploração arquitetônica de GPUs orientado por LLMs que utiliza análise de gargalos e regras auto-corrigidas para identificar designs superiores ao A100 com eficiência 17,5 vezes maior que métodos baseados em aprendizado de máquina, reduzindo drasticamente o custo de busca em espaços de design complexos.
O artigo apresenta o ProEvolve, um framework baseado em grafos que torna a evolução de ambientes programável para superar as limitações de benchmarks estáticos e avaliar de forma mais realista a adaptabilidade de agentes LLM a dinâmicas do mundo real.
O artigo apresenta o CORE-Seg, um framework end-to-end que integra raciocínio e segmentação médica via aprendizado por reforço e uma nova base de dados de raciocínio (ComLesion-14K), alcançando resultados state-of-the-art na segmentação de lesões complexas ao superar os limites de modelos tradicionais e de linguagem multimodal.
O artigo apresenta o DeepFact, um framework que introduz o método de "Auditoria e Pontuação" (AtS) para criar benchmarks evolutivos e agentes de verificação mais robustos, superando as limitações das abordagens estáticas ao permitir a revisão colaborativa de rótulos e alcançando alta precisão na verificação de fatos em relatórios de pesquisa profunda.
Este artigo apresenta um modelo integrado que combina uma arquitetura de transformador de nós com análise de sentimento baseada em BERT para prever preços de ações, demonstrando superioridade sobre métodos tradicionais como ARIMA e LSTM ao capturar dependências cruzadas e dinâmicas de mercado, alcançando uma precisão de 0,80% de erro médio absoluto percentual em previsões de um dia.
O artigo apresenta o BlackMirror, um framework de detecção de backdoors em modelos de texto-para-imagem em cenários de caixa-preta que identifica manipulações semânticas parciais estáveis através de um processo de alinhamento instrução-resposta e verificação de estabilidade, superando as limitações de métodos baseados apenas em similaridade visual.
O artigo propõe o RAC (Rectified Flow Auto Coder), um modelo que substitui os VAEs tradicionais utilizando um fluxo retificado para permitir inferência bidirecional, refinamento passo a passo e correção de variáveis latentes, superando os melhores modelos existentes em qualidade de reconstrução e geração com cerca de 70% menos custo computacional.
Este trabalho demonstra que abordar a falácia ecológica ao modelar o contexto linguístico do autor, seja através de pré-treinamento HuLM ou de ajuste fino (HuFT) com QLoRA em um modelo Llama de 8B, resulta em melhor desempenho em diversas tarefas downstream em comparação com métodos padrão.