3647 artigos
Este artigo apresenta um novo framework que integra análise de sobrevivência e técnicas de classificação para prever o risco de cinco doenças crônicas comuns usando dados de prontuários eletrônicos, demonstrando desempenho superior ou comparável aos modelos de ponta e validação clínica das explicações geradas.
O artigo demonstra que a incorporação de representações simbólicas melhora o desempenho de Modelos Visuais-Linguísticos em jogos interativos, mas apenas quando a extração desses símbolos a partir da percepção visual é precisa, revelando que a qualidade da percepção é o principal gargalo para agentes baseados nesses modelos.
Este artigo apresenta uma análise de segurança abrangente do agente autônomo OpenClaw, introduzindo um framework de cinco camadas para identificar ameaças complexas ao longo de seu ciclo de vida e propondo estratégias de defesa holísticas para mitigar riscos sistêmicos que as soluções pontuais atuais não conseguem abordar.
Este trabalho apresenta o primeiro estudo sistemático sobre a densidade de diagramas de persistência cruzada, estabelecendo suas bases teóricas e propondo um novo framework de aprendizado de máquina que supera técnicas existentes na previsão de densidade e na distinção de nuvens de pontos, revelando inclusive que a introdução de ruído pode melhorar a capacidade de discriminação em Análise Topológica de Dados.
O artigo apresenta o MedPruner, um framework de poda hierárquica de tokens sem treinamento e agnóstico ao modelo, que elimina redundâncias espaciais e temporais em dados médicos 3D através de filtragem interfatias e seleção dinâmica de núcleos de informação, permitindo que modelos de linguagem visual médica mantenham ou superem seu desempenho original com menos de 5% dos tokens visuais originais.
O artigo apresenta o VisDoT, um framework que aprimora o raciocínio visual em modelos de linguagem e visão ao alinhar a percepção gráfica humana com a lógica por meio de um processo de decomposição do pensamento, alcançando resultados state-of-the-art em benchmarks de interpretação de gráficos.
O artigo apresenta o HouseMind, um modelo de linguagem grande multimodal que utiliza tokens discretos de instâncias de cômodos para unificar a compreensão, geração e edição de plantas baixas arquitetônicas, permitindo a criação de layouts coerentes e controláveis a partir de instruções textuais.
O artigo propõe o IDRL, um framework de aprendizado de representação multimodal que melhora o diagnóstico de depressão ao dissecar as características em espaços comuns e específicos para alinhar modalidades e eliminar ruídos, enquanto utiliza um módulo de fusão consciente do indivíduo para adaptar dinamicamente a integração de sinais conforme as necessidades específicas de cada paciente.
Este artigo apresenta o "Stable Spike", um método que otimiza a consistência dual em Redes Neurais de Spiking (SNNs) por meio de operações de "AND" bitwise para isolar um esqueleto de spiking estável, reduzindo inconsistências e melhorando significativamente a precisão e a generalização em tarefas de reconhecimento neuromórfico sob baixa latência.
Este artigo propõe o paradigma de "simulação no ciclo" para a colaboração humano-agente, argumentando que a exploração de trajetórias futuras simuladas supera as limitações das interações reativas atuais ao fornecer aos usuários a capacidade de antecipar consequências e tomar decisões informadas.
Este artigo propõe um pipeline agêntico que utiliza LLMs para sintetizar rubricas programáticas que transformam dados clínicos heterogêneos em formatos padronizados, permitindo um aprendizado supervisionado eficiente em amostras que supera modelos tradicionais e fundações clínicas em diversas tarefas.
Este artigo propõe métodos de aprendizado por reforço que preservam a entropia, como REPO e ADAPO, para evitar a redução prematura da diversidade de exploração em algoritmos de gradiente de política, resultando em modelos mais performáticos e adaptáveis.
Este artigo propõe um novo framework de mediação causal para síntese de fala (TTS) que, ao integrar condicionamento de emoção e objetivos de treinamento contrafactual na arquitetura FastSpeech2, consegue desentrelaçar o prosódia emocional do conteúdo linguístico, resultando em uma síntese de fala mais expressiva, controlável e com maior precisão na transferência de emoções entre falantes.
O artigo apresenta o SemBench, um framework universal e eficiente que gera automaticamente benchmarks sintéticos para avaliar a compreensão semântica de Grandes Modelos de Linguagem em múltiplos idiomas, utilizando apenas definições de dicionário e codificadores de frases para superar as limitações de recursos e custo dos métodos tradicionais.
Este artigo propõe um "Canal de Lógica Explícito" que, operando em paralelo com modelos multimodais de grande escala (MLLMs) de caixa preta, utiliza raciocínio lógico e inferência probabilística para validar, selecionar e aprimorar o desempenho desses modelos em tarefas zero-shot sem necessidade de anotações de referência, aumentando assim sua confiabilidade e explicabilidade.
O artigo apresenta o STAIRS-Former, uma nova arquitetura baseada em transformadores com hierarquias espaciais e temporais e um mecanismo de *dropout* de tokens, que supera os métodos anteriores em aprendizado por reforço multiagente offline multi-tarefa ao capturar dependências temporais de longo prazo e coordenar agentes com populações variáveis, alcançando desempenho superior em diversos benchmarks.
O artigo apresenta o OSCBench, um novo benchmark baseado em dados culinários para avaliar a capacidade de modelos de geração de vídeo a partir de texto em realizar mudanças de estado de objetos especificadas no prompt, revelando que, apesar dos avanços na qualidade visual e alinhamento semântico, os modelos atuais ainda lutam para gerar transformações de objetos precisas e consistentes, especialmente em cenários novos e composicionais.
Este artigo propõe a "Lei de Escala de Agentes", um framework que demonstra que a capacidade de agentes educacionais de IA escala de forma previsível com a riqueza estrutural de seus perfis definidos em JSON (AgentProfile), em vez de depender exclusivamente do tamanho do modelo subjacente, como evidenciado pela plataforma EduClaw e seus mais de 330 perfis de agentes.
Este artigo apresenta um novo conjunto de dados e demonstra que a atividade muscular facial e cervical, captada por eletromiografia de superfície (sEMG), permite decodificar com precisão estados afetivos como a frustração tanto na fala vocalizada quanto na silenciosa, validando o potencial dessa tecnologia para interfaces de fala silenciosa conscientes das emoções.
Este trabalho propõe uma arquitetura de Sistema Operacional Agente para hospitais, baseada no framework OpenClaw, que integra um ambiente de execução restrito, interações centradas em documentos, memória indexada por páginas e uma biblioteca de habilidades médicas para permitir a automação segura e auditável de fluxos de trabalho clínicos dinâmicos.