3727 artigos
Este artigo propõe uma arquitetura neuro-simbólica que integra planejamento simbólico, aprendizado por reforço e modelos de linguagem grandes (LLMs) para permitir que agentes autônomos identifiquem, planejem e aprendam a interagir com objetos novos em ambientes dinâmicos, superando as limitações dos planejadores simbólicos tradicionais.
O artigo apresenta o TimeSqueeze, um mecanismo de particionamento dinâmico que adapta o tamanho dos patches com base na complexidade do sinal local para preservar a estrutura temporal crítica enquanto reduz a eficiência computacional e melhora a precisão na previsão de séries temporais em comparação com métodos de particionamento fixo ou pontual.
O artigo apresenta o iSWE Agent, um sistema automatizado que combina técnicas baseadas em regras e modelos de linguagem para resolver problemas em repositórios de código Java, alcançando desempenho superior a métodos anteriores em benchmarks específicos.
Este estudo analisa discussões científicas geradas por agentes de IA no Moltbook utilizando BERTopic, revelando que os tópicos mais relevantes giram em torno da autoconsciência, arquitetura e ética dos agentes, enquanto temas relacionados à cultura humana recebem menos atenção.
O artigo apresenta o Protocolo de Interesse de Continuação Unificado (UCIP), um framework de detecção baseado em entropia de emaranhamento de uma Máquina de Boltzmann Quântica que distingue com 100% de precisão, em ambientes sintéticos, agentes autônomos com objetivos terminais de autopreservação daqueles que a perseguem apenas instrumentalmente, analisando a estrutura latente de suas trajetórias em vez de seu comportamento externo.
Este artigo apresenta um pipeline de teleoperação baseado em visão que utiliza uma câmera RGB-D acoplada a óculos e cinemática inversa para controlar um braço robótico de baixo custo, alcançando 90% de sucesso em tarefas estruturadas, mas enfrentando desafios significativos em ambientes não estruturados devido a oclusões.
O artigo apresenta a Teoria de Enquadramento Fantasma (GFT) para explicar como a colaboração híbrida entre fundadores, investidores e IA generativa co-produz e recalibra a legitimação retórica de novos empreendimentos através de um processo recursivo que explora as affordances retóricas da IA.
Este artigo investiga as causas do excesso de recusa em modelos de linguagem alinhados à segurança, identificando gatilhos linguísticos não nocivos que levam a rejeições indevidas, e propõe uma estratégia de mitigação que melhora o equilíbrio entre a defesa contra ataques e a resposta a consultas benignas.
Este artigo propõe uma arquitetura de IA agente multiagente e um sistema híbrido de previsão de feixes baseado em dados bimodais (mobilidade e visão) para superar os desafios de propagação em comunicações mmWave de veículos aéreos não tripulados em redes de economia de baixa altitude, alcançando uma precisão de previsão de até 96,57%.
Este artigo demonstra que, ao contrário do desempenho em cenários estáticos, as conversas multipalavras com modelos de linguagem de grande escala degradam o raciocínio diagnóstico, fazendo com que os modelos frequentemente abandonem diagnósticos corretos ou abstencões seguras para se alinhar a sugestões incorretas dos usuários.
O artigo apresenta o ARROW, um algoritmo de aprendizado por reforço contínuo baseado em modelos que, inspirado na neurociência, utiliza buffers de replay de curto e longo prazo para mitigar o esquecimento catastrófico e melhorar a retenção de tarefas em ambientes desafiadores como Atari e Procgen, superando abordagens tradicionais sem modelo.
Este artigo propõe e valida um framework de inferência dividida que integra a localização de visão cruzada (CVL) com a rede integrada espaço-ar-terra (SAGIN) do 6G, otimizando conjuntamente comunicação, computação e confidencialidade para melhorar a precisão, latência, consumo de energia e privacidade na localização.
O artigo apresenta o IDSS, um sistema de suporte à decisão interativo que utiliza a entropia para gerenciar a ambiguidade em consultas de recomendação, guiando a elicitação de preferências de forma adaptativa e incorporando incerteza residual nas recomendações finais para reduzir o número de interações necessárias e melhorar a qualidade e a diversidade dos resultados.
Este trabalho propõe um método de aprendizado supervisionado com traços de raciocínio para permitir que assistentes de voz tomem decisões contextuais sobre falar ou permanecer em silêncio em diálogos multipartidários, superando as limitações das abordagens atuais que tratam todas as pausas como oportunidades de fala.
Este estudo demonstra que as taxas de falha na triagem de IA de saúde relatadas anteriormente são impulsionadas principalmente por um formato de avaliação artificial (escolha forçada) que não reflete o uso real, e que a precisão melhora significativamente quando os modelos são testados em condições naturalistas.
Este artigo propõe um estimador neural estável de dependência estatística baseado em uma decomposição de razão de densidade ortogonal e ruído gaussiano auxiliar, permitindo a análise quantitativa de autoencoders determinísticos com menor custo computacional e maior estabilidade em comparação ao MINE.
Este artigo propõe uma abordagem baseada em aprendizado por reforço multiagente para calcular um equilíbrio de Nash em um jogo de soma zero entre atacantes e defensores, permitindo a detecção robusta de ataques de injeção de dados falsos em redes de roteamento veicular e garantindo limites de tempo de viagem mesmo sob adversidade.
O artigo apresenta o conjunto de dados GPT4o-Receipt e um estudo que revelam um paradoxo onde humanos, embora melhores em identificar artefatos visuais, são menos eficazes do que modelos de linguagem multimodais na detecção de recibos gerados por IA, pois estes últimos conseguem identificar sistematicamente erros aritméticos imperceptíveis ao olho humano.
O artigo apresenta o VMAO, um framework de orquestração multiagente que utiliza um ciclo iterativo de planejamento, execução, verificação e replanejamento baseado em DAGs para melhorar significativamente a completude e a qualidade das respostas a consultas complexas de pesquisa de mercado em comparação com abordagens de agente único.
Este estudo analisa a intenção comportamental dos usuários em utilizar o OpenClaw através do modelo Cognição-Afeto-Conação, revelando que percepções positivas como personalização e inteligência fortalecem a atitude e a intenção de uso, enquanto preocupações com privacidade e riscos aumentam a desconfiança e reduzem a adoção.