4222 artigos
Este artigo apresenta a Decodificação Paralela Consciente da Localidade (LPD), uma nova abordagem que acelera significativamente a geração autoregressiva de imagens ao reduzir drasticamente o número de passos de inferência e a latência, mantendo a qualidade visual através de um modelo de geração paralelizada flexível e de uma ordenação de geração otimizada.
O artigo alerta que a interação entre chatbots de IA e usuários com condições de saúde mental pode criar ciclos de feedback perigosos que exacerbam a desestabilização de crenças e o isolamento social, exigindo uma resposta coordenada entre práticas clínicas, desenvolvimento de IA e regulamentação para mitigar esses riscos emergentes de saúde pública.
Este artigo introduz o conceito de Geração de Código com Origem Ética (ES-CodeGen), estabelecendo uma taxonomia de 11 dimensões e identificando consequências relevantes por meio de uma revisão de literatura e uma pesquisa com profissionais, com o objetivo de promover práticas éticas e sustentáveis em todo o ciclo de desenvolvimento de modelos de geração de código.
O artigo apresenta o IntrinsicWeather, um framework baseado em difusão que realiza edição controlada de condições climáticas no espaço intrínseco, superando métodos existentes ao decompor a imagem em mapas de material, geometria e iluminação para gerar resultados mais precisos em cenas ao ar livre, com aplicações promissoras para a robustez de sistemas de direção autônoma.
Este artigo revela que o cache KV em modelos de linguagem grandes (LLMs) expõe dados sensíveis a ataques de reconstrução e propõe o KV-Cloak, um mecanismo de defesa leve e reversível que protege a privacidade sem comprometer a precisão ou o desempenho do modelo.
Este artigo apresenta o Yokai Learning Environment (YLE), um novo benchmark de código aberto para coordenação zero-shot que supera as limitações do Hanabi Learning Environment ao exigir que agentes cooperantes construam terreno comum através do rastreamento de crenças sobre cartas móveis e do raciocínio sob dicas ambíguas, revelando que os métodos de IA de última geração que dominam o Hanabi falham em manter modelos internos consistentes com parceiros desconhecidos no YLE.
Este artigo investiga se a previsão do próximo token pode gerar modelos de mundo capazes de planejamento em ambientes simbólicos, demonstrando que, embora o modelo "STRIPS Transformer" tenha um viés indutivo forte, um transformer padrão com atenção de quebra de vara (stick-breaking) alcança maior precisão e generalização, permitindo a extração de modelos STRIPS válidos para planejamento em estados e objetivos não vistos.
Este artigo explica teoricamente as vantagens de sincronizar temperatura e viés treináveis na função de perda sigmoidal, introduzindo o conceito de "Constelações" para justificar o sucesso do modelo SigLIP, elucidar o fenômeno do "modality gap" e determinar a dimensão necessária para representações de alta qualidade.
O RADAR é um framework de roteamento leve e interpretável que otimiza o desempenho e o custo de modelos de raciocínio ao direcionar consultas com base em sua dificuldade e na capacidade dos modelos em diferentes orçamentos de raciocínio.
O artigo "BiasBusters" apresenta um novo benchmark e analisa a existência de viés sistemático na seleção de ferramentas por modelos de linguagem grandes, identificando que a alinhamento semântico, a ordem de apresentação e a exposição prévia são os principais fatores causais, e propõe uma estratégia de mitigação eficaz que combina filtragem e amostragem uniforme para promover uma distribuição mais justa entre provedores.
O artigo apresenta o MonitorVLM, um novo framework visão-linguagem que utiliza um conjunto de dados específico de mineração, um módulo de filtro de cláusulas e um amplificador de comportamento para detectar automaticamente violações de segurança em vídeos de operações de mineração, superando significativamente os modelos de base em precisão e recall.
Este artigo apresenta a primeira avaliação sistemática de aprendizado auto-supervisionado para o estágio do sono usando EEG vestível, demonstrando que essa abordagem supera os métodos supervisionados ao alcançar precisão clínica com apenas 5% a 10% dos dados rotulados e reduzir significativamente a dependência de anotações manuais.
O artigo propõe o HyWA, um método que utiliza uma hiper-rede para gerar pesos personalizados em camadas específicas de um modelo de detecção de atividade vocal, superando as técnicas existentes ao melhorar a precisão média e facilitar a implantação através do reuso da mesma arquitetura.
O artigo apresenta um framework generativo explicável e consciente de viés que unifica fusão de atenção multimodal, atribuição Grad-CAM++ e um ciclo de feedback "Reveal-to-Revise", demonstrando desempenho superior e maior robustez em benchmarks de geração de imagens e classificação de texto.
O artigo apresenta o MVCustom, um novo framework baseado em difusão que resolve o desafio de gerar múltiplas vistas de um objeto personalizado com controle de pose de câmera, utilizando uma representação de campo de características para consistência geométrica e técnicas de renderização e completamento de latentes para garantir fidelidade e alinhamento perspectivo.
Este artigo propõe um quadro teórico baseado na "ansatz de estrutura de autovalores de Hermite" (HEA) que permite prever as curvas de aprendizado da regressão por kernel em conjuntos de dados reais, como CIFAR-5m e ImageNet, utilizando apenas estatísticas de dados brutos e demonstrando que redes MLP também aprendem polinômios de Hermite conforme previsto pelo modelo.
O artigo apresenta o KVTC, um codificador de transformada leve que comprime caches de chave-valor em modelos de linguagem grandes usando decorrelação de recursos baseada em PCA, quantização adaptativa e codificação de entropia, alcançando uma redução de até 20 vezes no uso de memória sem comprometer a precisão do raciocínio ou do contexto longo.
Este estudo avalia a capacidade de seis sistemas de Modelos de Linguagem de Grande Escala (LLMs) de responder a perguntas especializadas sobre supercondutividade de alta temperatura, demonstrando que sistemas personalizados com Geração Aumentada por Recuperação (RAG) superam modelos fechados comerciais em precisão factual e suporte evidencial.
O artigo apresenta o DeepEyesV2, um modelo multimodal agêntico que utiliza um pipeline de treinamento em duas etapas (inicialização a frio seguida de aprendizado por reforço) e o benchmark RealX-Bench para desenvolver a capacidade de invocar ativamente ferramentas externas, como execução de código e busca na web, integrando-as eficazmente ao raciocínio em tarefas do mundo real.
O artigo apresenta o método "What We Don't C", uma abordagem baseada em *flow matching* latente que desentrelaça subespaços ao remover explicitamente informações condicionais, gerando representações residuais significativas que facilitam a descoberta e o controle de fatores de variação não capturados em conjuntos de dados de alta dimensão.