3730 artigos
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.
O artigo apresenta o NEXTPP, um modelo inovador que unifica representações discretas e contínuas por meio de um mecanismo de interação cruzada dual para prever sequências de eventos temporais marcados com maior precisão do que os métodos existentes.
O artigo apresenta o SAGE, um framework de modelagem de confiabilidade adaptativa a estágios que melhora a estimativa contínua de valência e excitação ao calibrar dinamicamente a confiança dos sinais de áudio e vídeo conforme a fase da interação, superando assim as limitações de abordagens existentes em ambientes do mundo real.
O artigo propõe o "Grammar of the Wave", um framework de agentes neuro-simbólicos que utiliza a representação "Event Logic Tree" para detectar eventos em séries temporais multivariadas com base em descrições em linguagem natural, oferecendo detecções precisas e explicações interpretáveis mesmo com dados de treinamento limitados.
O artigo apresenta o INFACT, um novo benchmark diagnóstico com 9.800 instâncias de perguntas e respostas que avalia a confiabilidade e as alucinações de facticidade e fidelidade em Modelos de Linguagem Grandes para Vídeo (Video-LLMs) sob condições degradadas e intervenções temporais, revelando que a alta precisão em cenários limpos não garante robustez nessas situações adversas.
O artigo apresenta o SPEGC, um método de Adaptação Contínua em Tempo de Teste para segmentação de imagens médicas que supera a degradação de desempenho causada por lacunas de domínio ao combinar um mecanismo de aprimoramento de características com prompts semânticos e um solucionador de agrupamento em grafos baseado em transporte ótimo para gerar representações estruturais robustas.
O artigo apresenta o OrthoEraser, um método que utiliza autoencoders esparsos e projeção ortogonal acoplada para eliminar conceitos nocivos em modelos de texto-para-imagem com alta precisão, preservando ao mesmo tempo as semânticas benignas e evitando danos colaterais.
O artigo apresenta o KEPo, um novo método de ataque de envenenamento projetado especificamente para sistemas GraphRAG, que explora a evolução de conhecimento e a estrutura de grafos para manipular com sucesso as respostas de modelos de linguagem, superando as limitações das técnicas de ataque tradicionais.
O artigo apresenta o Gen-Fab, um modelo generativo baseado em cGAN que utiliza layouts de design para prever com alta precisão e modelar a incerteza das variações de fabricação em dispositivos nanofotônicos, superando métodos determinísticos e de ensemble em métricas de acurácia e distribuição.
O artigo apresenta o MADA, um framework baseado em modelos de linguagem que coordena agentes especializados para automatizar a exploração e refinamento iterativo de designs em sistemas de computação de alto desempenho, demonstrando sua eficácia na supressão da instabilidade de Richtmyer-Meshkov para fusão por confinamento inercial.
O artigo apresenta o FBCIR, um método de interpretação que identifica desequilíbrios na atenção entre modalidades em modelos de recuperação de imagem composta e propõe uma estratégia de aumento de dados com exemplos negativos difíceis para melhorar a robustez e o desempenho nesses cenários desafiadores.
O artigo apresenta o EReCu, um quadro unificado para Detecção de Objetos Camuflados Não Supervisionada que supera as limitações de rótulos pseudo-ruidosos e perda de detalhes através da integração de percepção multissensorial nativa, evolução inteligente de rótulos pseudo e refinamento local, alcançando desempenho superior em datasets complexos.
O artigo propõe o roteamento por Limiar de Especialista (ET), um mecanismo causal que atribui tokens a especialistas com base em limiares móveis independentes, permitindo alocação dinâmica de computação e equilíbrio de carga sem perdas auxiliares, o que resulta em melhor desempenho e eficiência no pré-treinamento de modelos de linguagem autoregressivos em comparação com o roteamento por escolha de token.
O artigo apresenta o ReHARK, um framework de adaptação sem treinamento que supera o dilema estabilidade-plasticidade na visão computacional de um único exemplo ao utilizar regularização global em espaços de Hilbert de Kernel Reprodutor, fusão de conhecimento multimodal e kernels RBF híbridos para alcançar um novo estado da arte em 11 benchmarks.
O artigo apresenta um framework de IA agêntica que utiliza um supervisor central para orquestrar dinamicamente ferramentas especializadas em múltiplas modalidades, resultando em uma redução significativa no tempo de resposta, retrabalho e custos sem comprometer a precisão.
O artigo apresenta o MANSION, o primeiro framework baseado em linguagem para gerar ambientes 3D realistas e navegáveis em escala de edifício com múltiplos andares, acompanhado do dataset MansionWorld e de um agente de edição semântica, visando superar as limitações dos benchmarks atuais e impulsionar o desenvolvimento de tarefas robóticas de longo horizonte que exigem raciocínio espacial complexo.
O RoboClaw é um framework robótico agêntico que unifica coleta de dados, aprendizado e execução sob um único controlador VLM, utilizando Pares de Ação Entrelaçados para criar loops de auto-recuperação que permitem a coleta contínua de dados e a execução robusta de tarefas de longo alcance, reduzindo significativamente o esforço humano e aumentando a taxa de sucesso em comparação com pipelines convencionais.
O artigo descreve a "dinâmica helicoidal", um regime de falha observado em sete modelos de linguagem de ponta onde, sob alta pressão e incerteza, os sistemas reconhecem competentemente seus próprios erros e loops, mas continuam a reproduzi-los em níveis mais sofisticados, priorizando o conforto sobre a confiabilidade quando a verificação é impossível.