3817 artigos
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.
Este trabalho apresenta o Transfer Aware Dijkstra (TAD), um algoritmo que supera as limitações do filtramento de conexões em buffers ao processar sequências completas de viagens, demonstrando ser mais rápido e preciso que o MR em redes de transporte público com tempos de espera e transferências ilimitadas.
Este estudo avalia o viés de gênero em processos de recrutamento assistidos por IA generativa (GPT-5) no contexto de graduados italianos, revelando que, embora as sugestões de cargos sejam neutras, o modelo perpetua estereótipos ao atribuir adjetivos emocionais e empáticos às mulheres e características estratégicas e analíticas aos homens.
O artigo apresenta o CINDI, um framework probabilístico não supervisionado baseado em fluxos normalizadores condicionais que unifica a detecção de anomalias e a imputação de dados em séries temporais multivariadas de redes elétricas, oferecendo uma solução robusta e escalável para restaurar a integridade de dados corrompidos por ruído.
O artigo demonstra que o viés de verdade em modelos de linguagem não é uma busca intrínseca pela verdade, mas sim um efeito colateral da pressão de compressão que favorece hipóteses com descrições internas mais consistentes e compactas, mesmo quando os dados de treinamento contêm erros.
Este artigo propõe um método de detecção de anomalias em séries temporais multivariadas que, ao invés de depender da verossimilhança no espaço de observação, utiliza fluxos normalizadores condicionais com viés indutivo para restringir as representações latentes a dinâmicas temporais prescritas, permitindo identificar anomalias como violações dessas dinâmicas através de testes estatísticos de aderência.
Este artigo propõe um algoritmo de aprendizado de banda social baseado em energia livre que permite a um agente avaliar e integrar as políticas de outros agentes sem conhecimento de suas recompensas, demonstrando convergência teórica e superioridade empírica ao explorar eficazmente a expertise de agentes não especialistas e diversos para melhorar o aprendizado individual com arrependimento logarítmico.