11544 artigos
O artigo apresenta o ToMCLIP, um framework que utiliza alinhamento topológico baseado em homologia persistente para corrigir o viés linguístico e melhorar a coerência estrutural e o desempenho de modelos de visão e linguagem multilíngues.
O artigo apresenta o WeightLens e o CircuitLens, dois métodos complementares que superam as limitações das análises baseadas apenas em ativações ao interpretar características diretamente a partir dos pesos e capturar dinâmicas de circuitos, permitindo uma análise mecânica escalável e robusta de redes neurais.
O artigo propõe o AMiD, um novo framework unificado para destilação de conhecimento em LLMs que introduz uma distribuição de assistente baseada em mistura- e uma família generalizada de divergências, superando as limitações de estabilidade e desempenho dos métodos anteriores ao explorar sistematicamente o espaço de interpolação e otimização.
O artigo apresenta o Kaleido, um modelo de geração de vídeo aberto que supera as limitações atuais na consistência de múltiplos sujeitos e na fidelidade de referência, graças a um pipeline de construção de dados aprimorado e à introdução do Reference Rotary Positional Encoding (R-RoPE).
O artigo apresenta o framework REVISION, que integra mineração de intenções implícitas offline e raciocínio online via modelos de linguagem para otimizar sistemas de busca visual no e-commerce, reduzindo significativamente a taxa de cliques nulos ao alinhar as respostas do sistema às necessidades diversificadas dos usuários.
Este artigo demonstra teoricamente e valida empiricamente que as matrizes de pesos de Query, Key ou Value em Transformers são redundantes e podem ser substituídas por matrizes identidade, reduzindo os parâmetros em 25% e simplificando a otimização sem comprometer o desempenho.
Este artigo apresenta o MuSaG, o primeiro conjunto de dados multimodal em alemão para detecção de sarcasmo, composto por trechos de programas de televisão com anotações humanas alinhadas de texto, áudio e vídeo, e demonstra que, embora os modelos atuais performem melhor com texto, existe uma lacuna significativa em relação à dependência humana de pistas auditivas, motivando o desenvolvimento de modelos mais robustos para cenários realistas.
Este trabalho apresenta o Protocolo de Dados de Agentes (ADP), uma linguagem de representação leve que unifica diversos conjuntos de dados de agentes em um formato padronizado, permitindo o ajuste fino eficaz de modelos de linguagem e alcançando desempenho de ponta em tarefas como codificação, navegação e uso de ferramentas sem necessidade de ajuste específico por domínio.
Este trabalho demonstra que o viés implícito do Adam com amostras individuais (incremental) em dados linearmente separáveis pode divergir do regime de lote completo, convergindo para classificadores de margem máxima em normas diferentes (como em vez de ) dependendo do conjunto de dados, ao contrário do Signum, que mantém invariância no viés para qualquer tamanho de lote.
O artigo apresenta o SpotIt, um novo pipeline de avaliação para Text-to-SQL que utiliza verificação formal de equivalência para identificar diferenças entre consultas geradas e de referência que os métodos tradicionais baseados em testes poderiam ignorar.
Este artigo propõe o conceito de "Cognition Envelopes" para estabelecer limites de raciocínio que restringem decisões geradas por IA em sistemas ciber-físicos, como drones de busca e resgate, mitigando erros como alucinações e validando a abordagem por meio de uma análise probabilística de pistas.
O artigo apresenta o CareMedEval, um novo conjunto de dados derivado de exames médicos franceses para avaliar a capacidade de raciocínio crítico e análise fundamentada em artigos científicos de modelos de linguagem, revelando limitações significativas dos modelos atuais em tarefas especializadas de biomedicina.
Este artigo propõe um novo quadro unificado que otimiza simultaneamente a geometria da malha e as cores dos vértices por meio de uma renderização diferenciável guiada por Gaussianas, integrando consistência fotométrica e regularização geométrica para gerar reconstruções 3D de alta qualidade prontas para tarefas de edição downstream.
O artigo propõe o framework LEAP, que utiliza um modelo professor para desenvolver estratégias de verificação dinâmicas e as transfere para um modelo eficiente com correção proativa, superando as limitações das abordagens fixas na detecção de alucinações em modelos de linguagem.
O AudAgent é uma ferramenta que monitora em tempo real a conformidade de agentes de IA com suas políticas de privacidade, utilizando formalização de políticas, anotação de dados e verificação automatizada para detectar violações e bloquear proativamente o processamento de dados sensíveis não autorizado.
Este artigo apresenta o desenvolvimento de um Modelo de Linguagem Multimodal (MLLM) robusto para a língua basca, demonstrando que uma pequena proporção de dados multimodais em basco (cerca de 20%) é suficiente para obter bons resultados e que não é necessário utilizar um modelo de linguagem base pré-adaptado ao basco para alcançar esse desempenho.
O artigo apresenta o DecNefSimulator, um framework de simulação modular e interpretável que utiliza modelos generativos para formalizar o neurofeedback decodificado como um problema de aprendizado de máquina, permitindo a análise de suas dinâmicas e o design otimizado de protocolos antes da implementação em humanos.
O artigo caracteriza o viés implícito do esquema JKO de segunda ordem, demonstrando que ele equivale a um fluxo de gradiente de Wasserstein em uma energia modificada que subtrai um termo proporcional à curvatura métrica da energia original, resultando em um desaceleramento direcional que se manifesta como informações de Fisher ou energia cinética em casos específicos.
O artigo apresenta o SpatialBench, um benchmark em larga escala e um framework hierárquico para avaliar a cognição espacial de Modelos de Linguagem Multimodais (MLLMs), revelando que, embora possuam forte percepção, eles ainda carecem em raciocínio simbólico, inferência causal e planejamento em comparação com a capacidade humana de abstração direcionada a objetivos.
Este artigo propõe o framework CES, que utiliza aprendizado por reforço com feedback de execução para treinar modelos de alto nível (Coordenador e Rastreador de Estado) que, integrados a qualquer executor de baixo nível, superam os desafios de planejamento e gerenciamento de estado em tarefas de automação de GUI de longo prazo.