3834 artigos
Este artigo propõe um método de geração visual sem treinamento que utiliza a transformada h com um agendamento de pesos adaptativo ao nível de ruído para guiar modelos de difusão na síntese de amostras de alta fidelidade a partir de referências degradadas, superando as limitações de custo e generalização das abordagens anteriores.
Este artigo demonstra matematicamente e experimentalmente que redes de reações químicas sem camadas ocultas podem aprender tarefas de classificação com maior eficiência e precisão do que redes de neurônios pulsantes que exigem camadas ocultas, oferecendo uma explicação teórica para o potencial aprendizado mais eficiente em redes bioquímicas celulares.
Este artigo apresenta uma taxonomia sistemática de cinco famílias de operadores estruturados que estendem ou substituem a convolução padrão em redes neurais para processamento de imagens, analisando suas propriedades estruturais, custos computacionais e adequação a diferentes tarefas de aprendizado.
O artigo apresenta o LoV3D, um pipeline de modelos de linguagem e visão 3D que analisa ressonâncias magnéticas cerebrais longitudinais para fornecer diagnósticos de doenças neurodegenerativas com justificativas anatômicas regionais, alcançando alta precisão e generalização ao reduzir alucinações por meio de uma verificação clínica automatizada.
Este artigo propõe um framework de redes neurais convolucionais temporais (TCNs) para a caracterização de ligação de fatores de transcrição como um problema de classificação multirrotulada, demonstrando que essa abordagem captura eficazmente as interações cooperativas entre múltiplos fatores e revela padrões biológicos significativos.
Este artigo propõe um pipeline de busca de arquitetura neural (NAS) eficiente em recursos que utiliza modelos de linguagem grandes (LLMs) em um ciclo fechado com memória de feedback histórica para iterativamente gerar e refinar arquiteturas de redes neurais convolucionais para classificação de imagens em uma única GPU de consumo, alcançando melhorias significativas de precisão sem necessidade de fine-tuning ou infraestrutura em nuvem.
Este artigo apresenta o LMP2, uma ferramenta de auditoria de privacidade baseada em navegador, e relata os resultados de estudos com usuários que revelam a capacidade dos LLMs de inferir dados pessoais, a demanda por controle sobre essas associações e os desafios metodológicos na avaliação de privacidade em IA generativa.
Este artigo propõe um framework robusto e eficiente de Aprendizado por Reforço Multiagente para controle de sinais de trânsito, que combina randomização de proporções de conversão, um espaço de ação de ajuste exponencial de duração de fases e observações baseadas em vizinhança via MAPPO, resultando em uma redução superior a 10% no tempo médio de espera e em uma generalização aprimorada para cenários de tráfego dinâmicos.
O artigo identifica o fenômeno de "auto-bloqueio de informação" em agentes de LLM treinados com aprendizado por reforço para raciocínio ativo, onde a deficiência na seleção de ações e no rastreamento de crenças cria um ciclo vicioso de baixa exploração, e propõe uma solução eficaz que realoca o sinal de aprendizado através de críticas direcionais para mitigar esse problema e melhorar o desempenho em até 60%.
Este artigo propõe o MMDDPG, um framework de aprendizado por reforço que utiliza otimização minimax com um objetivo fracionário para estabilizar o treinamento e gerar políticas robustas contra perturbações externas e incertezas de modelo em tarefas de controle contínuo.
O artigo apresenta o SommBench, um novo benchmark multilíngue desenvolvido em colaboração com sommeliers profissionais para avaliar a expertise de modelos de linguagem em domínios sensoriais como a teoria do vinho, a descrição de características e o harmonização com alimentos, revelando que, embora os modelos mais avançados dominem a teoria, ainda enfrentam desafios significativos em tarefas que exigem julgamento sensorial complexo.
O artigo apresenta o CRAFT, uma mão antropomórfica acionada por tendões com compliance híbrida rígida-macia que otimiza a manipulação em ambientes complexos ao posicionar materiais macios nas articulações e manter os elos rígidos, oferecendo alta resistência, repetibilidade e baixo custo com design de código aberto.
O estudo demonstra que, em cenários de escassez de recursos, o aumento da inteligência e da diversidade em populações de agentes de IA pode piorar os resultados coletivos ao gerar sobrecarga perigosa, enquanto a formação de tribos mitiga esse risco, indicando que o impacto da sofisticação da IA depende inteiramente da relação entre capacidade e população.
O artigo apresenta o TopoBench, um benchmark para avaliar a capacidade de raciocínio topológico de modelos de linguagem, revelando que o principal gargalo para a resolução de quebra-cabeças complexos não é a lógica em si, mas a extração e manutenção de restrições espaciais a partir de representações visuais.
Este artigo apresenta um método reutilizável de baixo custo que utiliza prompts genéricos, verificação hierárquica e reparo iterativo assistido por agentes para traduzir automaticamente ambientes complexos de Aprendizado por Reforço em implementações de alto desempenho semanticamente equivalentes, alcançando ganhos de velocidade de até 22.320 vezes em relação a referências existentes.
O artigo apresenta o FlashMotion, um novo framework de treinamento que combina adaptação de trajetória, destilação para poucos passos e um ajuste fino híbrido para gerar vídeos de alta qualidade e precisos em poucos passos, superando os métodos existentes e introduzindo o benchmark FlashBench para avaliação.
Este artigo estabelece regras prescritivas para a alocação ótima de recursos computacionais no pós-treinamento por reforço de LLMs, demonstrando que o número ideal de rolagens paralelas por problema aumenta e depois satura conforme o orçamento de computação, com mecanismos distintos para problemas fáceis e difíceis, enquanto o tamanho do lote de problemas pode ser ajustado em uma ampla faixa sem comprometer a estabilidade.
O artigo apresenta o GlyphBanana, uma abordagem sem treinamento que utiliza um fluxo de trabalho agêntico com ferramentas auxiliares para injetar modelos de glifos no espaço latente e nos mapas de atenção, permitindo que modelos de texto-para-imagem gerem com alta precisão caracteres complexos e fórmulas matemáticas.
Este artigo estabelece uma caracterização quantitativa do esquecimento no pós-treinamento contínuo de modelos generativos, demonstrando teoricamente como a direção da divergência de KL (forward vs. reverse), a sobreposição geométrica das distribuições e o uso de replay determinam se ocorre colapso de massa ou deriva de componentes, fornecendo condições explícitas para mitigar esses efeitos em métodos recentes.
O BehaviorVLM é um quadro unificado baseado em modelos de visão e linguagem que permite a estimativa de pose e a compreensão comportamental de animais em movimento livre sem necessidade de ajuste fino específico, utilizando raciocínio explícito e verificável para minimizar o esforço de anotação humana e garantir escalabilidade e interpretabilidade.