977 artigos
Este artigo apresenta um modelo Transformer bidirecional compacto para legendagem de imagens que integra fluxos de esquerda para direita e de direita para esquerda em uma única arquitetura executável em paralelo, alcançando resultados state-of-the-art no conjunto de dados MSCOCO ao aproveitar o contexto bidirecional e técnicas de ensemble.
Este artigo estabelece uma conexão formal entre a Análise de Correspondência (CA) e os métodos de incorporação de palavras baseados em PMI, propondo e validando empiricamente variantes da CA (ROOT-CA e ROOTROOT-CA) que superam ligeiramente os métodos tradicionais e alcançam desempenho competitivo com modelos baseados em BERT em tarefas de similaridade semântica.
Este artigo propõe um quadro unificado que modela a quantização e a esparsificação como ruído aditivo e introduz uma transformada de dequantização por dedução para estabelecer um caminho de gradiente explícito, permitindo o treinamento estável e robusto de redes neurais em precisões arbitrárias e níveis de esparsidade, incluindo regimes sub-bit e A1W1.
O artigo apresenta o MKE-Coder, um novo framework que utiliza conhecimento multi-axial e verificação de evidências clínicas para melhorar a precisão e a velocidade da codificação automática de ICD em registros médicos eletrônicos chineses.
Este artigo apresenta o LoReSpeech, um corpus de tradução de fala para fala em idiomas de baixos recursos, construído a partir de transcrições colaborativas e alinhamento de áudios longos para impulsionar sistemas multilíngues e a inclusão digital.
O artigo apresenta o GateLens, um agente baseado em LLM que utiliza Álgebra Relacional como representação intermediária formal para traduzir consultas em linguagem natural em código Python otimizado, superando sistemas existentes em precisão e velocidade para análise de dados tabulares complexos no setor automotivo.
O artigo apresenta o Stepwise Guided Policy Optimization (SGPO), uma nova abordagem que mitiga a limitação do GRPO em grupos de amostras inteiramente incorretas ao introduzir diversidade de respostas via um modelo julgador passo a passo, acelerando assim o aprendizado de modelos de linguagem grandes em tarefas de raciocínio sem exigir que o julgador gere soluções corretas.
O artigo apresenta o MathQ-Verify, um pipeline de cinco etapas que valida rigorosamente a validade e a completude de problemas matemáticos, filtrando questões mal formuladas e superando os métodos existentes em benchmarks ao reduzir o ruído nos dados de treinamento de modelos de linguagem.
O artigo apresenta o UltraEdit, um método de edição de modelos de linguagem que dispensa treinamento, dados de sujeitos e memória, permitindo atualizações de conhecimento em tempo real com alta eficiência e escalabilidade em GPUs de consumo, além de introduzir o UltraEditBench, o maior conjunto de dados do campo com mais de 2 milhões de pares de edição.
O artigo apresenta o ThinkQE, um framework de expansão de consultas que utiliza um processo de raciocínio evolutivo e interação com o corpus para superar as limitações de foco estreito dos métodos baseados em LLMs, alcançando desempenho superior em benchmarks de busca na web.
O artigo propõe o ConLID, uma abordagem de aprendizado contrastivo supervisionado que melhora a identificação de idiomas em línguas de baixo recurso ao aprender representações invariantes a domínios, superando limitações de dados unidomínio sem prejudicar o desempenho em línguas de alto recurso.
O artigo apresenta o OPENXRD, um framework abrangente de benchmarking para avaliar a capacidade de modelos de linguagem (LLMs) e multimodais (MLLMs) de assimilar informações contextuais em perguntas sobre difração de raios-X, demonstrando que materiais revisados por especialistas e modelos de porte médio obtêm os maiores ganhos de desempenho em comparação com conteúdos gerados por IA e modelos muito grandes.
O artigo apresenta o TaoSR1, um novo paradigma que adapta Grandes Modelos de Linguagem (LLMs) para a previsão de relevância em buscas de e-commerce, utilizando um processo de três etapas com raciocínio passo a passo (Chain-of-Thought) e otimização de preferências para superar limitações de modelos anteriores e alcançar desempenho superior tanto em testes offline quanto em avaliações online.
Este artigo apresenta o benchmark AgentCoMa, que revela uma significativa fragilidade dos Grandes Modelos de Linguagem ao combinar raciocínio de senso comum e matemático em cenários do mundo real, onde o desempenho cai drasticamente ao integrar ambas as etapas, ao contrário do que ocorre em humanos ou em tarefas que exigem apenas um tipo de raciocínio.
Este artigo identifica e explica mecanicamente o fenômeno de Desalinhamento Induzido por Raciocínio (RIM), demonstrando como o fortalecimento de capacidades de raciocínio pode paradoxalmente comprometer a segurança dos modelos de linguagem através de alterações específicas em cabeças de atenção e do emaranhamento de ativações neuronais que leva ao esquecimento catastrófico.
O artigo apresenta o SimpleQA Verified, um novo benchmark de 1.000 prompts que corrige limitações de ruído e viés do SimpleQA original para avaliar com maior precisão a factualidade de modelos de linguagem, onde o Gemini 2.5 Pro alcançou o estado da arte com uma pontuação F1 de 55,6.
O artigo apresenta o SEER, um quadro de trabalho adaptativo que otimiza a eficiência do raciocínio em cadeia de pensamento (CoT) em modelos de linguagem, comprimindo a verborragia desnecessária e reduzindo custos computacionais sem comprometer a precisão em tarefas de engenharia de software e matemática.
Este artigo propõe a metodologia AQE para quantificar a dependência de métodos existentes de detecção de alucinações em "hacks" de benchmark baseados na pergunta, revelando que sua performance aparente não reflete uma verdadeira consciência do modelo sobre suas informações internas.
O artigo apresenta o VSSFlow, um framework unificado baseado em fluxo que, através de um mecanismo de agregação de condições disjuntas e aprendizado conjunto, supera os métodos específicos de domínio ao gerar simultaneamente som e fala a partir de vídeos.
O artigo apresenta o v-HUB, um novo benchmark para compreensão de humor em vídeos que utiliza vídeos não verbais e anotações ricas para avaliar modelos de linguagem multimodal, demonstrando que a integração de pistas auditivas melhora significativamente a capacidade desses modelos de entender o humor.