1071 artigos
Este artigo propõe uma terceira ambição para a inteligência artificial, posicionando os grandes modelos de linguagem como instrumentos científicos para estudar o comportamento humano, a cultura e o raciocínio moral ao analisar padrões de discurso coletivo, ao mesmo tempo em que delineia métodos metodológicos e advertências epistemológicas sobre o uso desses modelos na pesquisa social.
Este estudo demonstra que, embora métodos baseados em softmax sejam competitivos em cenários ideais, as abordagens de Dropout de Monte Carlo oferecem estimativas de incerteza mais robustas e confiáveis para classificação de texto multilíngue sob ruído e mudanças de domínio, permitindo a melhoria do desempenho do modelo ao abstener-se das previsões mais incertas.
Este estudo avalia o impacto de estratégias de remoção de ruído no desempenho de modelos BERT multilíngues para detecção de dificuldade de frases, revelando que, embora os modelos pré-treinados sejam inerentemente robustos, técnicas como filtragem por Modelos de Mistura Gaussianas (GMM) melhoram significativamente a precisão em conjuntos de dados menores, enquanto a limpeza do corpus resulta no lançamento do maior corpus multilíngue disponível para essa tarefa.
Este artigo apresenta o RILEC, um grande conjunto de dados e uma estrutura de geração de erros motivados pela interferência do russo no inglês, que demonstram melhorias significativas na detecção automática de tais erros em textos de aprendizes.
Este artigo de posição defende que a mitigação de vieses em Grandes Modelos de Linguagem (LLMs) deve ser alcançada através de uma metodologia dual que integra transformações baseadas em funtores da teoria das categorias para correção estrutural e a Geração Aumentada por Recuperação (RAG) para injeção contextual de conhecimento diversificado, garantindo assim resultados mais justos e equitativos.
Este artigo investiga a estimativa de qualidade de tradução automática para línguas indicas em cenários de baixo recurso, demonstrando que a adaptação de camadas intermediárias de modelos de linguagem (como ALOPE e LoRMA) supera abordagens puramente baseadas em prompts, especialmente em domínios de alto risco, e disponibiliza conjuntos de dados e código para pesquisa futura.
Este artigo de sistematização de conhecimento (SoK) apresenta o primeiro quadro unificado para a RAG Agêntica, formalizando-a como um processo de decisão de Markov, propondo uma taxonomia arquitetônica abrangente, identificando riscos sistêmicos críticos e delineando direções de pesquisa para sistemas de recuperação e geração autônomos mais confiáveis e escaláveis.
O artigo apresenta o OAKS, um novo benchmark para avaliar a adaptação online de Grandes Modelos de Linguagem a fluxos de conhecimento contínuos, revelando que os modelos atuais e sistemas de memória agêntica possuem limitações significativas no rastreamento preciso de fatos dinâmicos e na resistência a distrações em ambientes de streaming.
Este artigo apresenta o AQuA, um dataset de perguntas visuais ambíguas com quatro níveis de classificação e estratégias de resposta correspondentes, que permite o ajuste fino de Modelos de Linguagem Visuais para gerar respostas estratégicas e contextualmente apropriadas, superando os modelos existentes que tendem a fornecer respostas excessivamente confiantes em situações ambíguas.
Este trabalho apresenta o benchmark AndroidWorld-Generalization e um sistema de treinamento de aprendizado por reforço baseado em GRPO para avaliar e melhorar a generalização zero-shot de agentes móveis baseados em modelos de linguagem e visão, demonstrando ganhos significativos em instâncias não vistas, mas desafios persistentes na generalização para novos aplicativos e templates.
O artigo apresenta o framework PACT, que preserva o alinhamento de segurança durante o ajuste fino de modelos de linguagem ao restringir especificamente a confiança em tokens relacionados à segurança, evitando assim o desvio de alinhamento sem comprometer a utilidade do modelo em tarefas downstream.
O artigo apresenta o Dial, um sistema de NL2SQL baseado em conhecimento que supera as limitações dos métodos existentes ao gerar consultas SQL semanticamente corretas e executáveis em diversos dialetos de banco de dados, utilizando planejamento lógico consciente de dialeto, uma base de conhecimento hierárquica e um ciclo de depuração orientado à execução.
Este artigo oferece uma pesquisa abrangente sobre a evolução técnica dos modelos de geração de imagens, detalhando desde VAEs e GANs até métodos baseados em difusão, abordando também avanços na geração de vídeo e as questões de responsabilidade e robustez no seu uso.
O artigo apresenta o Transformer de Duplo Fluxo, uma arquitetura que separa o fluxo residual em componentes de token e contexto para criar um trade-off ajustável entre interpretabilidade e desempenho, permitindo que modelos de linguagem mantenham robustez funcional e aprendam algoritmos discretos enquanto expõem sua estrutura interna por design.
O estudo demonstra que modelos de linguagem pré-treinados, quando integrados a codificadores de imagem em modelos de visão-linguagem, conseguem recuperar e generalizar conhecimento taxonômico (hiperônimos) mesmo sem evidência explícita durante o treinamento, indicando que essa capacidade surge da combinação entre a coerência dos dados visuais e o conhecimento derivado de pistas linguísticas.
O artigo demonstra que os modelos de difusão nativos (dLLMs) possuem uma estrutura de representação mais redundante e hierárquica do que os modelos autoregressivos, permitindo uma redução de até 18,75% nos FLOPs através de um método de pulo de camadas estático e sem alterações arquiteturais, enquanto os modelos autoregressivos sofrem degradação significativa de desempenho sob a mesma condição.
Este artigo propõe um sistema neural end-to-end inovador para a extração conjunta de conceitos, asserções e relações em textos clínicos, demonstrando desempenho superior ao dos modelos em pipeline tradicionais e estabelecendo uma forte linha de base para pesquisas futuras na área.
Este trabalho apresenta o Bolbosh, o primeiro sistema neural de texto para fala (TTS) de código aberto e específico para o idioma caxemire, que supera as limitações dos modelos multilíngues existentes ao utilizar uma estratégia de adaptação supervisionada baseada em Fluxo Condicional de Transporte Ótimo (OT-CFM) e um pipeline de aprimoramento acústico para alcançar inteligibilidade e qualidade superiores.
O artigo apresenta o TableMind++, uma evolução do agente programático TableMind que introduz um novo framework de inferência consciente da incerteza, combinando poda de planos guiada por memória, refinamento de ações baseado em confiança e agregação de trajetórias para mitigar alucinações e melhorar o raciocínio em tabelas.
O artigo apresenta o "Accent Vector", uma representação controlável que permite a manipulação de sotaques em sistemas de síntese de fala multilíngue sem a necessidade de dados de treinamento com sotaques, gerando fala com sotaques variados e mistos através do ajuste e interpolação de vetores derivados de idiomas nativos.