11731 artigos
Este artigo apresenta o "CzechTopic", um benchmark com documentos históricos tchecos anotados por humanos para avaliar a localização de tópicos, demonstrando que, embora os grandes modelos de linguagem variem significativamente em desempenho, modelos menores baseados em BERT e fine-tuned permanecem competitivos.
Este artigo apresenta uma nova arquitetura de rede inspirada em convoluções que combina informações locais e globais para classificar eficazmente os metadados de tábuas cuneiformes, superando o desempenho do modelo Point-BERT ao lidar com conjuntos de dados limitados e representações complexas em nuvem de pontos.
O artigo apresenta o IROSA, um novo framework que utiliza modelos de linguagem pré-treinados para adaptar habilidades de robôs industriais por meio de comandos em linguagem natural, mantendo uma camada de abstração segura que evita o ajuste fino do modelo e a interação direta com o hardware.
O artigo apresenta o PatchDecomp, um método de previsão de séries temporais baseado em redes neurais que divide os dados em subsequências para alcançar alta precisão e interpretabilidade, permitindo a atribuição clara da contribuição de cada segmento e variável exógena na previsão final.
Este trabalho propõe uma abordagem neuro-simbólica que utiliza relações semânticas hiperônimo-hiperônimo em inteligência de ameaças cibernéticas para que agentes de IA gerem automaticamente regras de firewall confiáveis, demonstrando superioridade na mitigação de ameaças em comparação com métodos convencionais.
Este trabalho propõe uma avaliação anônima para agentes de role-playing que revela a dependência de modelos de linguagem em nomes de personagens e demonstra que a incorporação de traços de personalidade, inclusive os gerados pelo próprio modelo, melhora significativamente a fidelidade do papel em cenários sem identificação prévia.
O artigo apresenta o BD-Merging, um framework de fusão de modelos não supervisionado e consciente de viés que utiliza aprendizado contrastivo guiado por evidências e pontuação de discrepância para melhorar a confiabilidade e a generalização sob mudanças de distribuição em cenários de aprendizado multi-tarefa.
Este estudo avalia algoritmos de Aprendizado por Reforço Offline em ambientes de telecomunicações estocásticos, concluindo que o Conservative Q-Learning oferece a maior robustez como escolha padrão, enquanto métodos baseados em sequências podem superar abordagens Bellman quando há disponibilidade de trajetórias de alto retorno.
Este artigo apresenta o CMDR-IAD, um framework não supervisionado leve e flexível que combina mapeamento cruzado bidirecional e reconstrução de dupla ramificação para detectar anomalias industriais em cenários multimodais (2D+3D) e unimodais, alcançando desempenho state-of-the-art no benchmark MVTec 3D-AD e robustez em condições industriais reais sem depender de bancos de memória.
O artigo apresenta o RVN-Bench, um novo benchmark baseado no simulador Habitat 2.0 e em cenas HM3D de alta fidelidade, projetado para avaliar e treinar agentes de navegação visual reativa e livre de colisões em ambientes internos complexos e não mapeados.
O artigo apresenta o GIPO (Gaussian Importance Sampling Policy Optimization), um novo objetivo de otimização de políticas que substitui o recorte rígido por um peso de confiança gaussiano baseado em log-razão para suavizar razões de importância extremas, resultando em maior estabilidade, eficiência amostral e desempenho superior em agentes multimodais treinados com aprendizado por reforço, especialmente em cenários com dados escassos ou desatualizados.
Este artigo propõe um método de síntese de dados de treinamento e uma rede neural inovadora que, ao gerar pares de imagens não alinhados com diversas texturas e cores enquanto preservam a estrutura e decoplam informações de cor, superam as limitações de generalização das abordagens existentes para estimativa de homografia multimodal.
O artigo propõe o TFWaveFormer, uma nova arquitetura Transformer que integra análise temporal-frequencial com decomposição de wavelet multi-resolução para superar as limitações dos modelos existentes na previsão de links dinâmicos, alcançando desempenho superior em diversas métricas.
O artigo apresenta o BLOCK, um pipeline de código aberto em duas etapas que utiliza um modelo multimodal grande e uma adaptação progressiva do FLUX.2 para gerar skins pixel-perfect do Minecraft a partir de conceitos de personagens arbitrários.
Este estudo demonstra que, embora a Inteligência Artificial Generativa possa atuar como um andaime cognitivo eficaz para detectar e resolver ambiguidades em decisões gerenciais, sua propensão à sycophancy e limitações estruturais exigem supervisão humana para garantir sua confiabilidade como parceiro estratégico.
Este artigo propõe uma restrição de assertibilidade inspirada em Brouwer para IA responsável, exigindo que sistemas em domínios de alto risco emitam apenas afirmações ou negações acompanhadas de certificados públicos e contestáveis, retornando "Indeterminado" caso contrário, a fim de preservar a agência epistêmica democrática ao substituir a confiança estatística por justificação verificável.
O relatório técnico apresenta o Phi-4-reasoning-vision-15B, um modelo multimodal de raciocínio compacto e de pesos abertos que, graças a escolhas arquitetônicas cuidadosas e curadoria rigorosa de dados, alcança desempenho competitivo em tarefas visuais e linguísticas, com destaque para raciocínio científico, matemático e compreensão de interfaces, utilizando menos recursos computacionais.
Este trabalho propõe um quadro de design de missões reativo que combina o Design de Missão Probabilístico (ProMis) com Circuitos Reativos para permitir inferência probabilística exata em tempo real em domínios híbridos, permitindo que sistemas de transporte inteligentes, como drones, garantam segurança e conformidade legal durante a operação com uma aceleração de várias ordens de grandeza em comparação com métodos anteriores.
O artigo apresenta o GeoSeg, um framework zero-shot e sem treinamento que supera os desafios de segmentação em imagens de sensoriamento remoto ao combinar o raciocínio de MLLMs com refinamento de coordenadas e um mecanismo de prompt duplo, validado pelo novo benchmark GeoSeg-Bench.
Este trabalho apresenta um framework de diagnóstico que utiliza a pareidolia facial para revelar como diferentes regimes de representação em modelos de visão (como VLMs, classificadores e detectores) lidam com ambiguidade visual, demonstrando que a interpretação de padrões ambíguos é governada mais pelas escolhas de representação do que por limiares de pontuação, com os VLMs exibindo uma superativação semântica sistemática enquanto os detectores mantêm viés reduzido através de priores conservadores.