11544 artigos
O artigo apresenta o MEDLEY, um framework conceitual que transforma o viés e as imperfeições de múltiplos modelos de IA médica em recursos valiosos, preservando a diversidade de opiniões e hipóteses para aprimorar o raciocínio clínico sob supervisão humana.
O artigo propõe um framework leve de poda de tokens que filtra regiões de fundo não informativas e refina áreas de texto fragmentado em imagens de documentos, reduzindo significativamente os custos computacionais dos modelos visão-linguagem sem comprometer a precisão na compreensão de documentos.
Este artigo discute as estratégias atuais de avaliação de desempenho de aplicações de IA generativa na saúde, destacando as limitações dos benchmarks quantitativos e a crescente importância de métodos que combinam expertise humana e modelos computacionais eficientes para garantir a generalização em ambientes clínicos reais.
Este artigo apresenta uma abordagem baseada em agentes de IA para desenvolver software crítico no domínio jurídico, utilizando um caso de estudo de preparação de impostos nos EUA onde um sistema multiagente automatiza a geração de testes metamórficos e a síntese de código, alcançando maior confiabilidade com modelos menores em comparação a modelos de ponta.
O artigo apresenta o método de raciocínio State-aware Reasoning (StaR), que supera a dificuldade de agentes multimodais em executar instruções de alternância (toggle) em interfaces gráficas ao identificar o estado atual, melhorando a precisão dessas tarefas em mais de 30% e elevando o desempenho geral em benchmarks de agentes.
O artigo apresenta o MeanFlowSE, um modelo generativo condicional de aprimoramento de fala que utiliza um fluxo de média para permitir a geração em um único passo, eliminando a necessidade de solucionadores iterativos e reduzindo significativamente o custo computacional sem perda de qualidade.
O artigo apresenta o AxelGNN, uma nova arquitetura de Redes Neurais em Grafos inspirada no modelo de disseminação cultural de Axelrod, que supera desafios como o alisamento excessivo e a agregação monolítica de características ao permitir a adaptação dinâmica a grafos homofílicos e heterofílicos, alcançando desempenho competitivo em tarefas de classificação de nós e estimativa de influência.
Este artigo investiga o desempenho assintótico do ensembling de modelos de linguagem (LLMs) via votação majoritária, propondo um esquema adaptativo de geração e uma otimização de pesos para ensembles múltiplos que superam modelos individuais com eficiência computacional.
Este artigo apresenta o WebRRSBench, um benchmark abrangente para avaliar a capacidade de raciocínio, robustez e segurança de Modelos de Linguagem Multimodais (MLLMs) em aplicações web, revelando lacunas significativas no desempenho atual desses modelos em tarefas complexas de interação com interfaces gráficas.
O artigo apresenta o Uni-NTFM, um modelo de fundação unificado para representação de sinais de EEG que, inspirado em mecanismos neurais biológicos, integra projeção de características heterogêneas, incorporação topológica e uma rede Transformer com mistura de especialistas para superar os modelos existentes em diversas tarefas de decodificação cerebral.
Este trabalho apresenta o PDR-Bench, o primeiro benchmark para avaliar agentes de pesquisa profunda personalizados, combinando tarefas diversificadas com perfis de usuários autênticos e propondo o framework PQR para medir alinhamento, qualidade e confiabilidade factual.
O artigo apresenta o Vision-Zero, um framework inovador de auto-aprendizagem sem rótulos para Modelos de Linguagem e Visão (VLMs) que utiliza um sistema multiagente de "jogos estratégicos" gerados a partir de imagens arbitrárias e um algoritmo de otimização iterativa para alcançar melhorias sustentáveis de desempenho em diversas tarefas de raciocínio visual, superando métodos que dependem de anotação humana.
Este trabalho apresenta um novo framework de edição de imagem sem treinamento que formula o processo como um problema de controle ótimo de trajetória, utilizando estados adjuntos iterativos para maximizar recompensas específicas enquanto preserva a fidelidade semântica da imagem original.
O artigo apresenta o ELMUR, uma arquitetura de transformador com memória externa estruturada que supera as limitações de dependências de longo prazo em problemas de RL de horizonte estendido, alcançando desempenho superior em tarefas sintéticas e robóticas complexas com observações parciais.
O artigo apresenta o TIGeR, um novo framework que aprimora os Modelos Visão-Linguagem para robótica ao integrá-los com ferramentas computacionais externas para realizar cálculos geométricos precisos, superando as limitações de estimativa qualitativa e alcançando precisão em nível de centímetros em tarefas de manipulação real.
O artigo apresenta o "Value Flows", um método de aprendizado por reforço distribucional que utiliza modelos de fluxo para estimar distribuições completas de retornos futuros e quantificar a incerteza, alcançando um desempenho superior em diversas tarefas de benchmark ao priorizar o aprendizado em transições com alta variância.
O artigo apresenta o SHE, um framework de aprendizado por reforço híbrido e passo a passo que utiliza otimização de política de recompensa passo a passo (SRPO), filtragem diversificada de dados e aprendizado curricular multiestágio para superar as limitações de generalização e consistência lógica dos métodos existentes na previsão de relevância de busca em e-commerce.
Este artigo apresenta o LadderSym, um novo método baseado em Transformer que utiliza um codificador de dois fluxos com alinhamento interfluxo e uma estratégia multimodal com prompts simbólicos para detectar erros na prática musical com desempenho superior ao estado da arte.
O artigo apresenta o GraphMERT, um modelo gráfico eficiente e escalável que supera grandes modelos de linguagem na geração de bases de conhecimento confiáveis, factuais e ontologicamente consistentes a partir de textos não estruturados, estabelecendo um novo padrão em arquiteturas neurosimbólicas.
Este trabalho propõe um novo quadro geométrico que modela o raciocínio de grandes modelos de linguagem como fluxos suaves no espaço de representações, demonstrando que o treinamento por previsão de próximo token permite a internalização de invariantes lógicos como geometria de ordem superior e desafia a visão de que esses modelos são meros "papagaios estocásticos".