4099 artigos
Este estudo revela que os atuais Grandes Modelos de Linguagem (LLMs), incluindo os mais recentes, frequentemente falham em rejeitar conteúdo prejudicial fornecido pelo usuário quando este é inserido em tarefas aparentemente inofensivas, expondo uma vulnerabilidade ética de nível de conteúdo que requer medidas de segurança aprimoradas.
Este artigo apresenta o MobileKernelBench, um novo framework de avaliação que revela as limitações atuais dos LLMs na geração de kernels eficientes para dispositivos móveis e propõe o MoKA, um agente multiagente que supera essas barreiras, alcançando uma taxa de sucesso de compilação de 93,7% e melhorias de desempenho significativas.
O artigo apresenta o Fair-PaperRec, um modelo baseado em MLP que utiliza critérios interseccionais e uma função de perda personalizada para mitigar disparidades demográficas nas decisões de aceitação de artigos, aumentando a participação de grupos sub-representados em 42,03% e melhorando a utilidade geral em 3,16% sem comprometer o rigor acadêmico.
O artigo apresenta o ProtoSR, uma abordagem que utiliza um pipeline de extração automática para construir uma base de conhecimento multimodal baseada em protótipos a partir de relatórios de radiografia em texto livre, permitindo que um modelo de IA refine suas previsões para relatórios estruturados de radiologia com maior precisão em atributos detalhados.
O artigo apresenta a Reconfiguração por Resistência Efetiva (ERR), uma estratégia simples e sem parâmetros que utiliza a resistência elétrica global para identificar e corrigir gargalos estruturais em Redes Neurais de Grafos, melhorando a propagação de informações de longo alcance e o desempenho preditivo ao equilibrar o super-achatamento com o super-suavização através da reconfiguração da topologia do grafo.
Este artigo propõe a integração de tesselações de Voronoi em circuitos probabilísticos para capturar a geometria local dos dados, abordando o desafio da perda de tratabilidade através de um framework de inferência aproximada com limites garantidos e de uma condição estrutural que recupera a inferência exata, além de introduzir uma relaxação diferenciável para aprendizado baseado em gradiente.
Este artigo introduz os Ataques de Backdoor Adiado (DBA), uma nova classe de ameaças que desacopla a ativação maliciosa da exposição ao gatilho no tempo, demonstrando através do protótipo DND que é possível usar palavras comuns como gatilhos para manter os modelos inativos por um período controlado antes de desencadear uma falha generalizada com alta precisão.
O artigo apresenta o SLIP, um framework de pré-treinamento auto-supervisionado que alinha dados de sensores multivariados com linguagem natural para aprender representações transferíveis que superam as limitações de configurações fixas e alcançam desempenho superior em tarefas de classificação, legendagem e resposta a perguntas em diversos conjuntos de dados.
Este artigo apresenta um framework de reconhecimento multimodal de emoções para o desafio ABAW 10, que combina modelos pré-treinados de áudio e vídeo com uma rede de convolução temporal e um módulo de atenção cruzada bidirecional para superar as limitações de abordagens unimodais em ambientes não controlados.
O artigo propõe o framework NormCoRe, um método inovador que traduz sistematicamente experimentos com sujeitos humanos para ambientes de Inteligência Artificial Multiagente (MAAI), permitindo a análise de normas coletivas e demonstrando como as julgamentos normativos dos agentes variam conforme o modelo base e a linguagem utilizada.
Este artigo apresenta o HomeSafe-Bench, um novo benchmark para avaliar a detecção de ações inseguras em ambientes domésticos por modelos de visão e linguagem, e propõe a arquitetura HD-Guard, que combina um processamento rápido e contínuo com uma análise profunda assíncrona para garantir monitoramento de segurança eficiente e preciso em agentes corporificados.
O artigo apresenta o LABSHIELD, um benchmark multimodal baseado em normas de segurança internacionais para avaliar a capacidade de modelos de linguagem grandes multimodais em identificar riscos e planejar ações seguras em laboratórios científicos, revelando uma lacuna significativa entre seu desempenho geral e sua confiabilidade em cenários de alta risco.
O artigo apresenta o BTZSC, um novo benchmark abrangente para classificação de texto zero-shot que, ao avaliar 38 modelos em 22 conjuntos de dados, revela que os rerankers modernos estabelecem um novo estado da arte, superando os modelos baseados em NLI e oferecendo um desempenho competitivo em comparação com embeddings e LLMs instruídos.
O artigo propõe o FedFew, um algoritmo de Aprendizado Federado Personalizado que reformula o problema como uma otimização "poucos para muitos", mantendo apenas um pequeno número de modelos compartilhados no servidor para atender eficientemente a milhares de clientes com dados heterogêneos, superando abordagens existentes em precisão e escalabilidade.
Este estudo empírico demonstra que, embora o ajuste fino por reforço (RFT) generalize bem para tarefas de dificuldade variável dentro do mesmo ambiente, seu desempenho em ambientes não vistos é limitado por mudanças nas interfaces e priores semânticos, enquanto o treinamento sequencial e por mistura oferece ganhos promissores com esquecimento mínimo.
O artigo apresenta o Flowcean, um novo framework modular e flexível que automatiza a geração de modelos de Sistemas Ciber-Físicos (CPS) por meio de aprendizado de dados, integrando diversas estratégias de aprendizado, métodos de processamento e métricas de avaliação para tornar o processo mais eficiente e acessível.
Este artigo relata um estudo de três meses no qual designers colaboraram com um modelo de linguagem (LLLM) para investigar como a dinâmica de agência entre humanos e IA pode levar à perda de criatividade, propondo que a recuperação dessa agência exige introspecção sobre o processo criativo, compreensão estrutural da tecnologia e ajustes deliberados na relação de trabalho.
Este artigo apresenta uma abordagem sistemática para o acoplamento autônomo de um AUV utilizando Aprendizado por Reforço Profundo, onde um ambiente de simulação de alta fidelidade com PPO permitiu treinar um agente que alcançou mais de 90% de sucesso na simulação e validação bem-sucedida em um tanque físico, demonstrando comportamentos emergentes eficazes para a adaptação sim-real.
O artigo apresenta o LabelPigeon, um novo framework que utiliza tags XML para realizar tradução e projeção de rótulos de forma conjunta, demonstrando que essa abordagem supera os métodos existentes ao melhorar a transferência cruzada de idiomas sem comprometer, e até aprimorando, a qualidade da tradução.
Este artigo investiga como vulnerabilidades tradicionais de software e hardware podem ser combinadas com falhas algorítmicas em sistemas de IA compostos para amplificar ameaças adversariais, demonstrando novos vetores de ataque que comprometem a segurança e a confidencialidade desses sistemas.