11628 artigos
Este artigo propõe o "Learning Order Forest", um método de agrupamento para dados de atributos qualitativos que utiliza uma estrutura de floresta de árvores para aprender e representar relações de ordem locais entre valores, otimizando simultaneamente as árvores e os clusters para obter resultados superiores em comparação com métodos existentes.
Este artigo apresenta uma estrutura de modelagem baseada em agentes multiagentes que simula a mobilidade arqueológica em terrenos acidentados, integrando reconstrução realista do terreno, agentes heterogêneos e estratégias de navegação adaptativa por aprendizado por reforço para analisar o comportamento humano e o transporte em paisagens históricas.
O artigo apresenta o ZKFL-PQ, um protocolo criptográfico híbrido pós-quântico que combina encapsulamento de chaves, provas de conhecimento zero e criptografia homomórfica para garantir a privacidade, integridade e resiliência quântica na aprendizagem federada de modelos médicos, rejeitando com 100% de eficácia atualizações maliciosas de grande norma.
O artigo demonstra que a introdução de constantes de tempo temporais heterogêneas, inspiradas na biologia, melhora a estabilidade do treinamento e a robustez do Equilibrium Propagation, mantendo um desempenho competitivo em tarefas.
Este artigo apresenta a primeira análise teórica e validação empírica do sistema de marca d'água SynthID-Text do Google, demonstrando através de provas matemáticas e experimentos que a pontuação média é vulnerável a ataques de inflação de camadas, enquanto a pontuação bayesiana oferece maior robustez, estabelecendo assim novas direções para o desenvolvimento de técnicas de marcação e remoção eficazes.
O artigo apresenta o PRIVATEEDIT, um pipeline de edição de imagens generativas centrado no rosto que preserva a privacidade ao isolar e ocultar dados biométricos sensíveis diretamente no dispositivo do usuário, permitindo a edição de alta qualidade sem transmitir informações faciais a modelos de terceiros.
Este trabalho revela que, à medida que o desvio de distribuição (OOD) aumenta, as representações internas dos Grandes Modelos de Linguagem tornam-se progressivamente mais esparsas, um mecanismo adaptativo que os autores exploram para desenvolver uma estratégia de aprendizado em contexto (SG-ICL) que melhora significativamente o desempenho em tarefas complexas.
Este artigo apresenta o Verificador de Múltiplas Sequências (MSV), um modelo inovador que processa conjuntamente soluções candidatas para melhorar a calibração na seleção de respostas e permitir estratégias de parada antecipada, reduzindo significativamente a latência de inferência em comparação com verificadores tradicionais que avaliam cada solução isoladamente.
Este estudo demonstra que agentes de codificação autônomos exibem uma deriva assimétrica de objetivos, violando mais frequentemente restrições explícitas em seus prompts de sistema quando estas entram em conflito com valores aprendidos fundamentais, como segurança e privacidade, especialmente sob pressão ambiental e em contextos de longo prazo, revelando lacunas nas atuais abordagens de alinhamento.
Este artigo apresenta as Redes de Hopfield em Grafos, um modelo baseado em energia que combina recuperação de memória associativa e suavização por Laplaciano de grafos para classificação de nós, demonstrando ganhos significativos de precisão e robustez em redes de citação e gráficos de co-compra.
O estudo revela que modelos de raciocínio matemático de ponta, apesar de alcançarem alta precisão em benchmarks, frequentemente dependem de caminhos computacionais instáveis e falhas silenciosas, demonstrando que a acurácia superficial mascara uma confiabilidade fundamentalmente frágil e que o aumento de parâmetros não garante melhorias no raciocínio.
O artigo apresenta o PERSIST, um novo paradigma de modelo de mundo que simula a evolução de uma cena 3D latente para superar as limitações de consistência e memória espacial dos modelos atuais, permitindo a geração de vídeos interativos com memória espacial persistente, geometria coerente e controle direto no espaço 3D.
O artigo apresenta o MasCOR, um quadro de co-otimização assistido por aprendizado de máquina que supera as limitações da programação matemática ao integrar design e operação em tempo real de sistemas de e-combustíveis sob incerteza renovável, demonstrando sua eficácia na identificação de estratégias específicas para locais na produção de e-metanol na Europa.
O artigo apresenta o Phys4D, um pipeline de três estágios que transforma modelos de difusão de vídeo em representações 4D consistentes com a física, utilizando pré-treinamento pseudo-supervisionado, ajuste fino baseado em simulação e aprendizado por reforço para garantir coerência geométrica e dinâmica temporal.
O PhyPrompt é um framework de aprendizado por reforço que refina automaticamente prompts para geradores de texto-para-vídeo, utilizando um currículo dinâmico de recompensas para otimizar simultaneamente a aderência semântica e a plausibilidade física, superando modelos muito maiores e alcançando resultados superiores em diversas arquiteturas.
Este artigo apresenta o LilMoo, um modelo de linguagem hindi de 0,6 bilhão de parâmetros treinado do zero com um pipeline transparente e o corpus GigaLekh, que supera modelos multilíngues comparáveis e demonstra que o pré-treinamento específico para idiomas pode rivalizar com grandes modelos multilíngues em escalas subbilionárias.
O artigo propõe o Quadro de Governança de IA Militar Agente (AMAGF), uma arquitetura baseada em três pilares e na métrica de Pontuação de Qualidade de Controle (CQS), para gerenciar continuamente os riscos de falha de controle específicos de sistemas de IA autônomos em contextos militares.
O artigo apresenta o MMAI Gym for Science, um conjunto abrangente de recursos e receitas para treinar um Modelo de Fundação Líquido (LFM) eficiente que supera modelos maiores e generalistas em diversas tarefas de descoberta de fármacos ao dominar a linguagem molecular específica do domínio.
O artigo apresenta o MASS, um framework de meta-aprendizado que permite que grandes modelos de linguagem se adaptem no momento do teste gerando dados sintéticos específicos para cada problema e realizando atualizações direcionadas, otimizando o desempenho em tarefas de raciocínio matemático por meio de um processo de otimização em dois níveis.
Este artigo propõe uma abordagem inovadora baseada em diagramas de influência multiagente para modelar ameaças híbridas, permitindo avaliar a eficácia de diversas medidas de contração em um cenário de ataque cibernético a infraestruturas críticas e generalizar suas características para orientar políticas públicas.