11301 artigos
O artigo apresenta o FLoC, um método de compressão de tokens visuais livre de treinamento e agnóstico a modelos, baseado na função de localização de instalações e no algoritmo ganancioso preguiçoso, que seleciona eficientemente um subconjunto representativo de tokens para melhorar a compreensão de vídeos longos em Modelos Multimodais de Grande Escala.
O artigo apresenta o CytoNet, um modelo fundamental treinado em um milhão de imagens microscópicas não rotuladas que permite a análise escalável da microarquitetura do córtex cerebral humano e a vinculação de sua estrutura celular à organização funcional em escala macroscópica.
O artigo apresenta o RefAgent, um framework multiagente baseado em LLMs que supera abordagens de agente único e ferramentas tradicionais ao realizar refatoração de software automatizada e end-to-end, alcançando altas taxas de sucesso em testes, redução significativa de "code smells" e melhoria na qualidade do código.
O artigo apresenta o CoRPO, uma modificação simples ao GRPO que introduz um viés de correção ao limitar o baseline de vantagem, mitigando a superestimação de soluções incorretas e melhorando significativamente a generalização e a transferência de padrões de raciocínio entre diferentes domínios.
O artigo propõe o SASG-DA, um método de aumento de dados baseado em difusão que utiliza representações semânticas orientadas a tarefas e amostragem esparsa para gerar amostras fiéis e diversas, melhorando significativamente o reconhecimento de gestos mioelétricos e a generalização em cenários com dados limitados.
O artigo apresenta o DAP, um planejador autoregressivo de tokens discretos que, com um orçamento compacto de 160M de parâmetros, alcança desempenho de última geração ao prever conjuntamente semânticas BEV e trajetórias do veículo, utilizando também um ajuste fino baseado em aprendizado por reforço para otimizar a tomada de decisão no benchmark NAVSIM.
O artigo propõe o framework CCSD, uma nova abordagem de auto-distilação composicional multimodal que utiliza arquiteturas codificador-decodificador compartilhadas e específicas, combinadas com mecanismos hierárquicos e progressivos de transferência de conhecimento, para alcançar segmentação robusta e de alto desempenho de tumores cerebrais em cenários clínicos onde modalidades de ressonância magnética estão ausentes.
O artigo apresenta o FlashCache, um novo framework de compressão de cache KV para modelos de linguagem multimodal que utiliza uma abordagem guiada por domínio de frequência para identificar e preservar outliers críticos, resultando em uma aceleração de decodificação de até 1,69 vezes e uma redução de 80% no uso de memória sem comprometer o desempenho.
O artigo apresenta o MambaTAD, um modelo inovador de detecção de ações temporais que integra modelos de espaço de estados estruturados com novos componentes, como o módulo DMBSS e uma cabeça de fusão global, para superar desafios de contexto temporal e eficiência computacional em vídeos não cortados.
Este trabalho apresenta o CycleChemist, um framework de aprendizado de máquina dual que integra o modelo de dados OPV2D, preditores de desempenho e um gerador de materiais (MatGPT) para acelerar a descoberta e o design de pares doador-aceitador de alta eficiência para células solares orgânicas.
O artigo apresenta o L4L, um framework centrado em solucionadores que integra agentes de LLM com verificação baseada em SMT para alinhar formalmente o raciocínio legal à lei estatutária, garantindo decisões jurídicas auditáveis e confiáveis.
O artigo demonstra que modelos de linguagem podem ser treinados para detectar e identificar vetores de direcionamento de ativação, revelando que essa intervenção não é invisível e que a capacidade de detecção não garante robustez comportamental, o que questiona a confiabilidade de avaliações de segurança baseadas em direcionamento.
O artigo apresenta o DPAC, um método de controle adversarial para amostragem de difusão que preserva a distribuição ao projetar gradientes adversariais no espaço tangente definido pela geometria do escore, minimizando a divergência KL do caminho e melhorando a fidelidade perceptual (FID) sem comprometer a taxa de sucesso do ataque.
O artigo apresenta o Deep FlexQP, um solver de programação quadrática convexa acelerado por aprendizado profundo e baseado em relaxação elástica , que garante soluções ótimas viáveis ou minimiza violações de restrições de forma esparsa, resultando em um solver SQP mais rápido e robusto para problemas de otimização não linear e filtros de segurança preditiva.
O artigo apresenta a Guided Flow Policy (GFP), um método de aprendizado por reforço offline que combina um policy de fluxo de múltiplos passos com um ator destilado para focar na clonagem de ações de alto valor, alcançando desempenho de última geração em diversos benchmarks ao superar as limitações da regularização comportamental tradicional.
Este artigo demonstra que a otimização pós-treinamento com aprendizado por reforço (RL) em quebra-cabeças Zebra é aprimorada ao combinar uma recompensa de tarefa esparsa com um sinal de recompensa de ordenação canônica, permitindo que o modelo aprenda trajetórias ideais mesmo quando treinado com sequências de soluções aleatórias.
Este artigo propõe um framework de aprendizado multi-perda que integra mixup adaptativo à energia e atenção em nível de quadro para superar desafios como complexidade emocional e dados escassos, alcançando desempenho de ponta em quatro conjuntos de dados de reconhecimento de emoções na fala.
O artigo apresenta um método de pós-treinamento que torna a atenção dos transformers esparsa sem comprometer o desempenho, revelando que a redução drástica das conexões expõe circuitos mais organizados e interpretáveis, sugerindo que grande parte do cálculo original é redundante.
O artigo apresenta o ClinNoteAgents, um sistema multiagente baseado em LLM que transforma notas clínicas em texto livre em representações estruturadas e abstrações interpretáveis para prever com precisão as readmissões hospitalares em 30 dias de pacientes com insuficiência cardíaca, superando as limitações dos modelos tradicionais que dependem de campos estruturados e anotação manual.
O artigo apresenta o InternGeometry, um agente de modelo de linguagem baseado em Aprendizado por Reforço com Aumento de Complexidade (CBRL) e um mecanismo de memória dinâmica que, utilizando apenas 13 mil exemplos de treinamento, supera o desempenho de medalhistas de ouro no International Mathematical Olympiad em problemas de geometria ao propor construções auxiliares inovadoras e interagir iterativamente com um motor simbólico.