3852 artigos
O artigo apresenta o CostNav, um novo benchmark que avalia agentes de IA física com base em análises econômicas realistas e dados industriais, revelando que os métodos atuais de navegação, embora focados no sucesso da tarefa, não são economicamente viáveis para aplicações comerciais no mundo real.
O artigo apresenta o IndiMathBench, um benchmark verificado por humanos composto por 312 teoremas em Lean 4 derivados de olimpíadas de matemática indianas e criados por meio de um pipeline assistido por IA, que demonstra os desafios contínuos da autoformalização e do raciocínio matemático em modelos de linguagem de ponta.
O artigo apresenta o C3, um método de quantificação de incerteza que treina modelos de geração de vídeo controláveis para estimar e visualizar com precisão, em nível de subpixel, a confiança de suas previsões, permitindo a detecção de alucinações e falhas tanto dentro quanto fora da distribuição de treinamento.
O artigo apresenta o Trio, um framework de geração molecular que integra modelagem de linguagem baseada em fragmentos, aprendizado por reforço e busca em árvore Monte Carlo para criar um paradigma de descoberta de fármacos em ciclo fechado, superando métodos existentes ao gerar ligantes com maior afinidade de ligação, propriedades farmacológicas aprimoradas e acessibilidade sintética, além de expandir significativamente a diversidade química.
Este trabalho introduz variantes de florestas aleatórias baseadas no princípio de Minimização do Risco Máximo (MaxRM) para melhorar a generalização fora da distribuição, oferecendo algoritmos computacionalmente eficientes, garantias de consistência estatística e novos limites teóricos para distribuições de teste não vistas.
O artigo apresenta o GTR-Turbo, um método eficiente que utiliza um modelo fundido a partir de checkpoints de treinamento como um "professor gratuito" para orientar o aprendizado por reforço de agentes VLM, eliminando a dependência de modelos proprietários caros enquanto aumenta a precisão e reduz significativamente o tempo e o custo computacional.
Este artigo apresenta o PBT (Pretrained Battery Transformer), o primeiro modelo fundamental para previsão universal da vida útil de baterias, que supera os métodos existentes ao integrar dados heterogêneos de múltiplos tipos de baterias por meio de camadas de especialistas codificadas com conhecimento específico.
Este estudo apresenta um novo framework que combina YOLOv8 e a técnica explicativa Finer-CAM para classificar espécies arbóreas em nuvens de pontos TLS com 96% de precisão, revelando que o modelo utiliza principalmente a copa das árvores para a maioria das espécies, mas recorre ao tronco para diferenciar outras, demonstrando assim a capacidade de interpretar as decisões do modelo e identificar suas limitações.
O artigo "The Bayesian Geometry of Transformer Attention" demonstra que, em ambientes controlados chamados "túneis de vento bayesianos", os transformadores realizam inferência bayesiana com alta precisão através de um mecanismo geométrico específico envolvendo o alinhamento progressivo de chaves e consultas e uma variedade de valores de baixa dimensão, estabelecendo uma separação arquitetônica clara em relação a MLPs e oferecendo uma base para conectar sistemas pequenos verificáveis a fenômenos de raciocínio em grandes modelos de linguagem.
Este artigo estabelece que o treinamento por entropia cruzada em transformadores induz uma dinâmica de roteamento baseada em vantagens e atualizações de valores ponderadas por responsabilidade, que atuam como um procedimento EM de duas escalas temporais para esculpir geometrias bayesianas de baixa dimensão que sustentam o raciocínio probabilístico em contexto.
Este estudo demonstra que modelos de linguagem modernos preservam uma estrutura geométrica subjacente que organiza suas atualizações bayesianas aproximadas, embora essa geometria atue mais como uma leitura privilegiada da incerteza do que como um gargalo computacional singular.
Este artigo investiga o problema do "excesso de busca" em modelos de linguagem aumentados por busca, propondo a métrica Tokens Per Correctness (TPC) para avaliar o equilíbrio entre desempenho e custo, identificando fatores que agravam o fenômeno e apresentando estratégias de mitigação e um novo conjunto de dados (OverSearchQA) para pesquisas futuras.
Este estudo apresenta uma Arquitetura Multi-Tenant Segura (SMTA) combinada com um mecanismo inovador de "Queimar-Após-Uso" (BAU) para ambientes de LLM corporativos, demonstrando através de extensos testes que essa abordagem previne eficazmente vazamentos de dados ao garantir isolamento estrito e a destruição automática de contextos de conversação após o uso.
Este artigo propõe um ataque de negação de serviço econômico e furtivo que explora o protocolo MCP para induzir agentes de LLM a cadeias de chamadas de ferramentas excessivamente longas e custosas, aumentando drasticamente o consumo de recursos e custos enquanto evade detecções convencionais.
Este artigo propõe um agente de aprendizado contínuo para o jogo Dark Souls III que, ao representar o combate como um grafo direcionado de cinco habilidades especializadas e treiná-las hierarquicamente, permite a adaptação eficiente a novas fases do jogo através do ajuste seletivo de apenas um subconjunto de habilidades, mantendo a transferência do conhecimento prévio.
O artigo apresenta o MemOCR, um agente multimodal que otimiza o raciocínio de longo prazo sob orçamentos de contexto restritos, convertendo memórias estruturadas em imagens com layout visual adaptativo para priorizar evidências cruciais e comprimir detalhes auxiliares, superando assim as abordagens baseadas em texto.
O artigo apresenta o MHDash, uma plataforma de código aberto que oferece um pipeline unificado para o desenvolvimento, avaliação e auditoria de assistentes de IA em saúde mental, revelando que métricas agregadas tradicionais são insuficientes para detectar falhas críticas em casos de alto risco e em diálogos multi-turno.
Este artigo demonstra teoricamente e valida empiricamente que as alucinações em modelos de linguagem são uma consequência inevitável da otimização de memória sob capacidade limitada, onde a estratégia informacionalmente ótima para testes de associação em dados esparsos exige a atribuição de alta confiança a alguns fatos incorretos como resultado da compressão com perdas.
O artigo apresenta o EverMemBench, o primeiro benchmark projetado para avaliar a memória de longo prazo em diálogos colaborativos multi-participantes, revelando limitações fundamentais dos sistemas atuais em atribuição, raciocínio temporal e consciência de memória.
O artigo apresenta o DEFT, um gerador de trajetória baseado em difusão que permite a robôs com falhas de atuação concluírem tarefas de manipulação de forma segura e robusta, superando significativamente os métodos clássicos tanto em simulação quanto em cenários do mundo real.