11375 artigos
O artigo apresenta o Timer-S1, um modelo fundamental de séries temporais de escala bilionária baseado em Mixture-of-Experts que supera limitações de escalabilidade através de um paradigma de "Serial Scaling" em arquitetura, dados e pipeline de treinamento, alcançando desempenho state-of-the-art em previsões de longo prazo.
O artigo apresenta o framework LAW & ORDER, que utiliza adaptadores espaciais para melhorar a geração de imagens médicas e a segmentação ao corrigir desequilíbrios espaciais, resultando em ganhos significativos de qualidade sintética e precisão de segmentação com custo computacional reduzido.
Esta revisão compara métodos tradicionais e de aprendizado profundo para segmentação e classificação de gliomas cerebrais em imagens de ressonância magnética, concluindo que as arquiteturas de redes neurais convolucionais superam as técnicas convencionais.
O artigo propõe o paradigma CSV (Clustering-Sampling-Voting), um novo framework que reduz a complexidade das invocações de modelos de linguagem grandes (LLMs) para sublinear ao agrupar tuplas semanticamente, amostrar um subconjunto para avaliação e inferir rótulos via estratégias de votação, alcançando uma redução de 1,28 a 355 vezes no número de chamadas ao LLM em comparação com abordagens atuais, sem comprometer a precisão e a pontuação F1.
Este artigo propõe o método DCR (Diffusion Contrastive Reconstruction), que integra sinais contrastivos derivados das imagens reconstruídas em vez das originais no processo de difusão para superar as limitações do CLIP, equilibrando simultaneamente a capacidade discriminativa e a percepção de detalhes na representação visual.
Este artigo propõe o conceito de Campo Gravitacional de Atenção (AGF) para decodificar e otimizar os mecanismos de posicionamento em Modelos de Linguagem de Grande Escala (LLMs), demonstrando que essa abordagem, alinhada à Lei da Gravitação Universal de Newton, supera os métodos de codificação atuais e oferece novas perspectivas para a interpretabilidade e otimização de modelos.
O artigo apresenta o Meta-D, uma arquitetura que utiliza metadados categóricos de exames de ressonância magnética para orientar a extração de características, melhorando significativamente a detecção de tumores cerebrais e a segmentação em cenários com modalidades ausentes ao estabilizar representações e reduzir parâmetros do modelo.
O artigo apresenta o EchoGuard, um framework de IA agênica que utiliza um Grafo de Conhecimento como memória episódica e semântica para analisar diálogos longitudinais, detectar padrões de comunicação manipuladora e orientar os usuários por meio de prompts socráticos que promovem a autodescoberta.
Este artigo apresenta o AIS-TGNN, um framework que combina Redes de Atenção Gráfica Temporais com um módulo de raciocínio de LLM estruturado para prever congestionamentos portuários e gerar explicações em linguagem natural baseadas em evidências, alcançando alta precisão preditiva e consistência direcional de 99,6% em dados do Porto de Los Angeles e Long Beach.
Este artigo investiga as capacidades de generalização de modelos fundacionais corporativos para assistência corretiva em conjunto aberto, demonstrando através de dados sintéticos no Overcooked que o desempenho ideal requer conjuntos de dados diversificados que abranjam fundamentação multimodal, inferência de defeitos e exposição a cenários variados.
O artigo propõe o VISA, um novo framework que utiliza adaptação protegida e otimização de política para injetar valores humanos precisos em Grandes Modelos de Linguagem sem comprometer sua consistência factual ou capacidades gerais, superando assim as limitações dos métodos de ajuste fino tradicionais.
Este artigo propõe um método de treinamento multiescala para Redes de Kolmogorov-Arnold (KANs) que explora sua estrutura de base de splines para criar uma hierarquia de modelos aninhados, resultando em aceleração significativa no treinamento e em ganhos substanciais de precisão, especialmente em redes neurais informadas por física.
O artigo apresenta o SCoUT, um método de aprendizado por reforço multiagente que melhora a coordenação em ambientes parcialmente observados ao agrupar agentes temporalmente e utilizar vantagens contrafactuais para aprender de forma escalável e precisa quando e com quem comunicar, mantendo a execução descentralizada.
Este artigo apresenta o benchmark DBC, um novo quadro de governança em tempo de inferência para modelos de linguagem grandes que, ao ser aplicado, reduz significativamente a taxa de exposição a riscos em comparação com métodos tradicionais, oferecendo uma camada de controle auditável e adaptável a diferentes jurisdições.
Este artigo apresenta a primeira aquisição simultânea de vídeo de ressonância magnética em tempo real, EEG e EMG de superfície para capturar movimentos articulares, atividade muscular e sinais cerebrais durante a produção da fala, introduzindo um pipeline de supressão de artefatos para superar os desafios técnicos dessa abordagem multimodal.
Este trabalho propõe o uso de Grafos de Precedência de Teoremas e restrições topológicas explícitas para superar o problema de "Deriva Estrutural" na previsão de teoremas via aprendizado in-context, alcançando desempenho competitivo com modelos supervisionados sem necessidade de otimização baseada em gradientes.
O artigo apresenta o ReCouPLe, um framework leve que utiliza raciocínios em linguagem natural para fornecer sinais causais e aprender recompensas robustas a partir de feedback de preferência, permitindo a transferência de conhecimento para novas tarefas e melhorando significativamente a precisão e o desempenho sob mudanças de distribuição.
O K-Gen é um framework multimodal interpretável que utiliza Grandes Modelos de Linguagem Multimodais para gerar trajetórias realistas e diversas em simulações de direção autônoma, combinando mapas em visão de pássaro rasterizados com descrições textuais para produzir pontos-chave explicativos que são posteriormente refinados em trajetórias precisas.
O artigo propõe o SEA-TS, um agente autoevolutivo que gera autonomamente algoritmos de previsão de séries temporais através de um ciclo iterativo de busca e refinamento, superando métodos state-of-the-art e descobrindo novos padrões arquitetônicos inovadores.
Este estudo apresenta um modelo interpretável que alcança 80,4% de precisão na antecipação de oito tipos de arremessos de beisebol a partir de sequências de pose 3D em broadcast, revelando que a mecânica do tronco e do pulso são os principais preditores e estabelecendo um limite empírico de aproximadamente 80% para a distinção de variantes baseadas apenas no movimento corporal.