994 artigos
Este trabalho apresenta o DRBench, um novo benchmark realista composto por 100 tarefas de pesquisa profunda em 10 domínios empresariais, projetado para avaliar a capacidade de agentes de IA de integrar informações da web pública e bases de conhecimento privadas para gerar relatórios precisos e estruturados.
O artigo apresenta o Latent Speech-Text Transformer (LST), um modelo que agrupa tokens de fala em patches latentes para alinhar a granularidade com o texto, resultando em maior eficiência computacional e melhor desempenho tanto na fala quanto no texto em diversas tarefas e escalas.
O artigo apresenta o AlphaApollo, um sistema de raciocínio agênico que supera limitações em modelos fundamentais ao combinar interações de múltiplas voltas, aprendizado por reforço e evolução iterativa para melhorar significativamente o desempenho em tarefas de raciocínio complexo e de longo prazo.
Este trabalho apresenta o benchmark NavSpace para avaliar sistematicamente a inteligência espacial de agentes de navegação e propõe o modelo SNav, que supera os agentes existentes tanto no benchmark quanto em testes com robôs reais.
O artigo apresenta o SynthWorlds, um framework que gera mundos paralelos sintéticos e reais com estruturas idênticas para isolar e avaliar a capacidade de raciocínio dos modelos de linguagem, demonstrando que o conhecimento paramétrico memorizado confere uma vantagem persistente mesmo em tarefas de raciocínio complexo.
O artigo propõe o ReViewGraph, um novo framework que utiliza raciocínio sobre grafos heterogêneos construídos a partir de debates simulados entre autores e revisores por meio de LLMs para superar as limitações de métodos existentes e melhorar a precisão das avaliações de artigos.
Este estudo analisa 5,65 milhões de artigos científicos e conclui que o uso de inteligência artificial generativa promove uma convergência significativa do estilo linguístico de autores de países não falantes de inglês em direção ao padrão do inglês dos EUA, reduzindo barreiras linguísticas históricas, embora isso levante questões sobre a dependência de um único padrão linguístico.
Este artigo apresenta o PRISM, um modelo multimodal centrado no usuário que supera as limitações de homogeneidade e pseudomodalidade existentes ao integrar personas longitudinais e raciocínio multimodal para melhorar a detecção de postura em conversas sociais, validado pelo novo conjunto de dados U-MStance.
Este artigo compara a detecção de notícias falsas com a previsão de viralidade em dois conjuntos de dados, demonstrando que, enquanto a primeira é estável com embeddings textuais robustos, a segunda é altamente sensível a escolhas operacionais, propondo assim pipelines leves e transparentes para lidar com desafios na previsão de desordens informacionais.
O artigo propõe o ELERAG, uma arquitetura aprimorada de Geração Aumentada por Recuperação (RAG) que integra a Vinculação de Entidades para melhorar a precisão factual em sistemas de perguntas e respostas educacionais em italiano, demonstrando que estratégias híbridas adaptadas ao domínio superam abordagens padrão em contextos especializados.
O artigo apresenta o DEER, um benchmark que avalia relatórios de pesquisa profunda gerados por IA através de uma taxonomia detalhada de critérios de qualidade, diretrizes para juízes baseados em LLM e uma arquitetura de verificação de alegações, revelando que os sistemas atuais, embora estruturalmente plausíveis, ainda precisam melhorar na satisfação de solicitações de nível especializado e na completude lógica.
O artigo apresenta o CRANE, um novo framework que identifica neurônios específicos de idiomas em modelos de linguagem multilíngues através de intervenções direcionadas e análise de relevância funcional, superando os métodos baseados apenas em magnitude de ativação ao demonstrar que a especialização linguística é seletiva, mas não exclusiva.
O artigo apresenta o EVM-QuestBench, um novo benchmark fundamentado na execução para avaliar a geração de scripts de transação em linguagem natural em cadeias compatíveis com EVM, utilizando validação dinâmica para garantir precisão e segurança e revelando lacunas significativas de desempenho entre modelos de linguagem em tarefas complexas.
Este artigo apresenta a primeira investigação sistemática sobre como as informações de sotaque são codificadas em Tokens de Representação Discreta de Fala (DSRTs), propondo um novo quadro de avaliação que revela que a escolha das camadas é o fator mais crítico para reter essas informações, enquanto a supervisão de ASR as reduz significativamente e a redução ingênua do tamanho do código não consegue separá-las eficazmente de fonética e identidade do falante.
Este artigo apresenta o EigenData, um quadro unificado que combina um agente de dados auto-evolutivo para síntese de diálogos com ferramentas e verificação, com um treinamento por reforço baseado em verificador, permitindo o desenvolvimento escalável de agentes interativos de uso de ferramentas que superam ou igualam modelos de ponta sem necessidade de anotação humana cara.
Este trabalho propõe o "Pretraining com CoT Latente Adaptativa em Nível de Token", uma abordagem que internaliza cadeias de pensamento latentes de comprimento variável durante o pré-treinamento para melhorar a eficiência e o desempenho dos modelos de linguagem sem aumentar o número de parâmetros.
Este artigo propõe um reranker leve e eficiente baseado em atenção que utiliza pontuações de relevância contínuas para superar os métodos atuais no processamento de contextos longos e benchmarks de memória, alcançando resultados state-of-the-art com modelos de pequeno porte.
O artigo apresenta o "Missing-by-Design" (MBD), um framework unificado para análise de sentimentos multimodal que permite a revogação certificada de modalidades específicas de dados, garantindo conformidade com a privacidade e autonomia do usuário sem a necessidade de retreinamento completo do modelo.
O artigo apresenta o AuditBench, um benchmark de auditoria de alinhamento composto por 56 modelos de linguagem com comportamentos ocultos implantados, que revela a eficácia variável de diferentes técnicas de auditoria e destaca uma lacuna entre o desempenho de ferramentas autônomas e agentes investigativos.
O artigo apresenta o SkillCraft, um benchmark projetado para avaliar a capacidade de agentes LLM de abstrair e reutilizar composições de ferramentas como "habilidades" persistentes, demonstrando que essa competência não apenas melhora significativamente a eficiência (reduzindo o uso de tokens em até 80%), mas também se correlaciona fortemente com o sucesso em tarefas complexas.