12237 artigos
Este trabalho propõe e valida novos métodos para classificação seletiva sob deslocamento de covariáveis, demonstrando que o uso de razões de verossimilhança, fundamentadas no lema de Neyman-Pearson, supera as abordagens existentes ao permitir que modelos abstêm-se de previsões incertas de forma mais robusta em tarefas de visão e linguagem.
O artigo propõe o ANSE, um framework que seleciona automaticamente as melhores sementes de ruído para geração de vídeo em modelos de difusão, utilizando uma função de aquisição bayesiana baseada em atenção (BANSA) para medir a incerteza do modelo e melhorar a qualidade e a coerência temporal com custo computacional marginal.
Este artigo apresenta o OptMerge, um novo benchmark e método de fusão de modelos para Multimodal LLMs que unifica diferentes modalidades e otimiza vetores de tarefas para melhorar o desempenho sem necessidade de dados de treinamento.
Este artigo apresenta o , um método que combina o esquema JKO com técnicas de otimização inversa para aprender a dinâmica de populações a partir de amostras discretas, oferecendo garantias teóricas e desempenho superior sem exigir escolhas arquitetônicas restritivas.
Este artigo propõe o Interaction Field Matching (IFM), uma generalização do Electrostatic Field Matching que supera suas limitações ao utilizar campos de interação inspirados na física de quarks para gerar e transferir dados de forma mais eficiente.
O artigo apresenta o DiaBlo, uma abordagem de ajuste fino eficiente em parâmetros que atualiza apenas os blocos diagonais das matrizes de peso de modelos de linguagem, eliminando a necessidade de produtos de matrizes de baixo posto e oferecendo convergência estável e desempenho competitivo comparável ao ajuste fino completo.
Este artigo apresenta o HSSBench, um novo benchmark multilíngue com mais de 13.000 amostras e um pipeline de geração de dados colaborativo, projetado especificamente para avaliar e superar as limitações dos Modelos de Linguagem Grandes Multimodais (MLLMs) em tarefas de Humanidades e Ciências Sociais que exigem raciocínio interdisciplinar horizontal.
O artigo apresenta o Frame Guidance, um método sem treinamento que permite o controle de geração de vídeos em nível de quadro (como keyframes, estilos e esboços) em modelos de difusão existentes, utilizando técnicas de processamento de latente para reduzir o uso de memória e garantir coerência global sem a necessidade de ajuste fino do modelo.
O artigo apresenta o Perception-R1, um método que aprimora o raciocínio multimodal de Grandes Modelos de Linguagem Multimodais (MLLMs) ao introduzir uma recompensa de percepção visual baseada em verificação de consistência, superando as limitações dos métodos atuais de Aprendizado por Reforço com Recompensas Verificáveis (RLVR) e alcançando desempenho de ponta com poucos dados de treinamento.
Este artigo apresenta o SatSOM, uma extensão dos Mapas Auto-Organizáveis que utiliza um mecanismo de saturação para reduzir progressivamente a taxa de aprendizado e o raio de vizinhança de neurônios saturados, mitigando assim o esquecimento catastrófico em cenários de aprendizado contínuo.
Este artigo propõe o ManyICL, uma abordagem de ajuste fino em contexto com muitos exemplos que utiliza um novo objetivo de treinamento para tratar todas as respostas no contexto como alvos supervisionados, reduzindo significativamente a lacuna de desempenho entre o aprendizado em contexto e o ajuste fino dedicado enquanto mitiga o esquecimento catastrófico.
Este artigo introduz o "Fator de Ramificação" (BF) como uma métrica para quantificar como o alinhamento de modelos de linguagem reduz a diversidade de geração ao concentrar as probabilidades de saída, explicando por que modelos alinhados são mais previsíveis e como técnicas como o raciocínio em cadeia (CoT) exploram essa determinação para estabilizar respostas complexas.
Este trabalho propõe um agendador de guia de recozimento que ajusta dinamicamente a escala de orientação durante o processo de amostragem de modelos de difusão, melhorando significativamente a qualidade da imagem e a aderência ao prompt de texto sem consumir memória ou ativações adicionais.
O artigo apresenta o LEDOM, um modelo de linguagem autoregressivo treinado exclusivamente da direita para a esquerda que desenvolve capacidades de raciocínio distintas e, ao combinar suas estimativas de probabilidade reversa com modelos forward através da técnica "Reverse Reward", reduz alucinações e alcança ganhos significativos em benchmarks de raciocínio matemático.
O artigo apresenta o Skywork-Reward-V2, uma série de modelos de recompensa de código aberto que alcançam desempenho state-of-the-art em diversos benchmarks ao serem treinados no conjunto de dados SynPref-40M, criado por meio de um pipeline de curadoria em duas etapas que combina a qualidade da anotação humana com a escalabilidade da inteligência artificial.
Este trabalho apresenta um framework inovador que utiliza grandes modelos de linguagem (LLMs) para simular respondentes virtuais com mediadores de traços diversos, permitindo a validação eficiente e escalável de itens de pesquisas psicológicas sem a necessidade de coleta massiva de dados humanos.
Este artigo propõe um framework de defesa baseado em teoria dos jogos dinâmicos e árvores de busca RRT para modelar a interação estratégica entre atacantes e modelos de linguagem, demonstrando como um equilíbrio de Stackelberg local pode fundamentar a eficácia do agente defensor "Purple Agent" na prevenção de jailbreaks.
O artigo apresenta o CoBELa, um framework baseado em energia que elimina representações de gargalo não explícitas e decodificadores treinados, permitindo a geração interpretável e a intervenção composicional em conceitos através de funções de energia aditivas sobre um gerador pré-treinado congelado.
Este artigo analisa teoricamente o efeito da Orientação Livre de Classificador (CFG) em modelos de difusão mascarada, demonstrando que o agendamento atual causa desequilíbrios nas transições e propondo uma nova abordagem simples que suaviza o transporte entre distribuições para melhorar a qualidade da geração em imagens e texto.
Este artigo apresenta os Gauge Flow Models, uma nova classe de modelos de fluxo generativo que incorporam um campo de gauge aprendível na equação diferencial ordinária do fluxo, demonstrando desempenho superior aos modelos tradicionais em experimentos com misturas gaussianas.