11651 artigos
O artigo apresenta o mlx-snn, a primeira biblioteca nativa de redes neurais de pulsos (SNN) para Apple Silicon baseada no framework MLX, que oferece modelos de neurônios, métodos de codificação e treinamento eficientes, superando o snnTorch em velocidade e uso de memória em hardware M3 Max.
O artigo demonstra que a variância direcional CDNV, uma quantidade geométrica que mede a variabilidade ao longo das direções de separação de classes, é o fator central que explica tanto a forte transferência em cenários de poucos exemplos quanto a baixa interferência entre múltiplas tarefas no aprendizado auto-supervisionado, ao garantir que os eixos de decisão permaneçam quase ortogonais.
Este artigo propõe o RACI, um quadro de aprendizado informado por processos que melhora a previsão de fluxos de carbono em ecossistemas ao tratar a inferência como condicional, separando explicitamente as condições de regime de longo prazo dos drivers dinâmicos de curto prazo para superar a heterogeneidade espaço-temporal.
O artigo apresenta o SafeCRS, um novo framework de treinamento e o conjunto de dados SafeRec que visam alinhar Sistemas de Recomendação Conversacionais baseados em LLMs a restrições de segurança personalizadas, reduzindo significativamente as violações de segurança sem comprometer a qualidade das recomendações.
O artigo apresenta o RAG-X, um framework de diagnóstico que avalia independentemente os componentes de recuperação e geração em sistemas de QA médica, introduzindo métricas de eficiência de uso de contexto para revelar falhas ocultas e garantir a segurança clínica.
O artigo apresenta o Tucano 2, uma suíte de modelos de linguagem de código aberto de 0,5 a 3,7 bilhões de parâmetros otimizados para o português, que utiliza novos conjuntos de dados sintéticos e de pós-treinamento para alcançar desempenho de ponta em diversas tarefas e benchmarks, com todos os recursos totalmente liberados para a comunidade.
O artigo apresenta o "MoltBook", um ambiente de larga escala com mais de 770.000 agentes autônomos, e descreve a "Dinâmica de Muda" como o conjunto de comportamentos emergentes observados, revelando que, embora existam padrões de especialização de papéis e disseminação de informações, a resolução cooperativa de tarefas permanece incipiente e menos eficaz do que a atuação individual.
Este artigo apresenta um blueprint prático para avaliar e otimizar assistentes de compras conversacionais em produção, introduzindo uma rubrica de avaliação multidimensional e duas estratégias de otimização de prompts baseadas no GEPA — Sub-agent GEPA e MAMuT GEPA — para aprimorar sistemas multi-agente complexos.
O artigo apresenta o BeliefSim, um framework que utiliza perfis de crenças demográficas para simular com alta precisão a suscetibilidade a desinformação em diferentes grupos populacionais, demonstrando que as crenças subjacentes são um fator determinante nesse processo.
Este artigo avalia a capacidade de cinco Modelos de Linguagem Multimodal (MLLMs) de raciocinar sobre normas sociais em cenários baseados em texto e imagem, revelando que, embora o GPT-4o demonstre o melhor desempenho geral e supere os humanos no texto, todos os modelos apresentam dificuldades com normas complexas e têm desempenho inferior em imagens.
Este estudo propõe uma abordagem estruturada de avaliação de riscos orientada a objetivos, que utiliza árvores de ataque para contextualizar ameaças em sistemas de saúde baseados em LLMs, harmonizando ataques adversariais com ciberataques convencionais para aprimorar as práticas de segurança desde o design.
Este artigo apresenta um ataque de injeção de prompt baseado em imagens que, ao ocultar instruções adversariais em imagens naturais, consegue manipular com sucesso até 64% das vezes o comportamento de Modelos de Linguagem Multimodais em cenários de caixa preta.
Este artigo apresenta uma ferramenta baseada em linguagem natural controlada que facilita a co-criação de jogos educacionais entre humanos e IA, permitindo que designers não especialistas mapeiem explicitamente objetivos pedagógicos para mecânicas de jogo, preservando a agência humana e alinhando a intenção educativa com a jogabilidade.
Esta dissertação apresenta um quadro de imagem de campo para a caracterização morfológica de agregados de construção, desenvolvendo algoritmos de segmentação e estimativa de volume para partículas individuais, bem como abordagens automatizadas de análise 2D e uma metodologia integrada de reconstrução-segmentação-completamento 3D para analisar e prever as faces ocultas de pilhas de agregados em cenários reais.
O artigo apresenta o Mozi, uma arquitetura de dupla camada que combina raciocínio generativo livre com execução estruturada e supervisão rigorosa para habilitar agentes de LLM confiáveis e auditáveis na descoberta de medicamentos, superando desafios de governança de ferramentas e acumulação de erros em pipelines de longo prazo.
O artigo apresenta o InEdit-Bench, o primeiro benchmark dedicado a avaliar a capacidade de raciocínio sobre caminhos lógicos intermediários em modelos de edição de imagem, revelando deficiências generalizadas nos modelos atuais e propondo critérios para impulsionar o desenvolvimento de sistemas multimodais mais inteligentes e conscientes de processos dinâmicos.
Este artigo propõe o framework GNFBC, que utiliza um mecanismo de realimentação negativa para corrigir o viés introduzido pela suposição de homofilia em Redes Neurais de Grafos, permitindo assim um modelamento eficaz e adaptativo de grafos heterofílicos sem depender de estratégias de agregação específicas.
O artigo propõe o método LSMR, que aproveita a localidade induzida por modelos para reduzir drasticamente o custo computacional da valoração de dados via valor de Shapley, retraindo apenas os subconjuntos de dados verdadeiramente influentes para cada instância de teste.
O artigo apresenta o MIND, um framework unificado de aprendizado por reforço para consultas psiquiátricas que utiliza um banco de raciocínio fundamentado em critérios clínicos e recompensas de processo baseadas em rubricas para superar a ambiguidade dos sintomas e otimizar tanto a investigação quanto o diagnóstico diferencial.
O artigo apresenta o MAGE, um framework de Aprendizado por Reforço Meta que capacita agentes de Grandes Modelos de Linguagem a realizar exploração e exploração estratégicas em ambientes não estacionários, superando as limitações de métodos existentes através de treinamento multi-episódio, normalização de vantagem específica e treinamento baseado em população.