1071 artigos
O artigo apresenta o MAWARITH, um grande conjunto de dados e benchmark em árabe com 12.500 casos de herança islâmica projetado para treinar e avaliar a capacidade de raciocínio estruturado de modelos de linguagem, introduzindo também a métrica MIR-E para uma avaliação detalhada das etapas de inferência jurídica.
Este artigo propõe um framework de geração de fala com sotaque que utiliza regras fonológicas aplicadas a sequências de fonemas em um modelo TTS multilíngue, permitindo a criação de sotaques (como espanhol e indiano) sem a necessidade de dados de treinamento específicos.
Este trabalho apresenta o corpus de fala Devanagari "Nwāchā Munā" e demonstra que o ajuste fino de um modelo de reconhecimento de fala treinado em nepali (uma língua vizinha) supera a escassez de recursos para a língua Nepal Bhasha, alcançando desempenho comparável a modelos multilíngues massivos com maior eficiência computacional.
O artigo apresenta o KCoEvo, um framework aprimorado por grafos de conhecimento que divide a migração de código em recuperação de caminhos evolutivos e geração informada, superando as limitações dos modelos de linguagem padrão ao lidar com mudanças em APIs de terceiros.
Este artigo apresenta o StyleBench, um benchmark de diálogos múltiplos projetado para avaliar sistematicamente a capacidade de modelos de linguagem de fala em controlar a intensidade de estilos conversacionais em quatro dimensões: emoção, velocidade, volume e tom.
O artigo apresenta o KohakuRAG, um framework RAG hierárquico que preserva a estrutura documental através de uma representação em árvore de quatro níveis, utiliza um planejador de consultas baseado em LLM e inferência em conjunto para melhorar a precisão e a estabilidade, alcançando o primeiro lugar no Desafio WattBot 2025 com pontuação de 0,861.
Este artigo apresenta o Megatron Core, uma solução de código aberto que otimiza o treinamento escalável de modelos Mixture-of-Experts (MoE) através de técnicas integradas de memória, comunicação e computação, alcançando alto desempenho em clusters de milhares de GPUs para modelos de bilhões a trilhões de parâmetros.
Este trabalho avalia a capacidade de diferentes modelos de linguagem, como a série Llama-3 e o ChatGPT, na resolução de problemas de otimização discreta em larga escala, demonstrando que modelos mais robustos tendem a ter melhor desempenho e que técnicas como o raciocínio passo a passo (CoT) nem sempre são eficazes, oferecendo assim diretrizes e benchmarks para pesquisas futuras e aplicações automáticas.
O artigo apresenta o 3ViewSense, um novo framework que supera a lacuna de inteligência espacial em Modelos Visão-Linguagem ao utilizar um mecanismo de "Simular e Raciocinar" baseado em vistas ortográficas para construir representações mentais 3D coerentes a partir de observações 2D.
O artigo demonstra que a normalização (whitening) em espaços de embeddings revela o compromisso do cluster como o separador geométrico correto entre tipos de alucinação, distinguindo a convergência para o "poço errado" (Tipo 2) das lacunas de cobertura (Tipo 3) e indicando que a dificuldade em separar os tipos 1 e 2 é uma limitação de capacidade dos modelos em vez de um artefato de medição.
O artigo apresenta o sistema QuadAI para a tarefa SemEval-2026, que utiliza aprendizado de conjunto para combinar um codificador híbrido RoBERTa com grandes modelos de linguagem (LLMs), alcançando melhor desempenho na análise de sentimento dimensional baseada em aspectos através da integração de representações contínuas e discretas.
O ArcLight é uma arquitetura de inferência leve para LLMs projetada especificamente para CPUs many-core que otimiza o gerenciamento de memória e o agendamento de threads para mitigar os custos de acesso entre nós NUMA, alcançando um aumento de até 46% no rendimento de inferência em comparação com frameworks existentes.
O artigo apresenta o MicroCoder-GRPO, uma abordagem aprimorada de Otimização de Política Relativa de Grupo que supera os gargalos de treinamento em modelos de geração de código por meio de três inovações técnicas, resultando em ganhos significativos de desempenho no LiveCodeBench v6 e no fornecimento de um novo conjunto de dados desafiador e de um avaliador mais robusto.
O artigo apresenta o MicroCoder, um conjunto de dados curado de problemas de programação competitiva recentes e desafiadores, que, ao empregar um framework de processamento de dados com filtragem automática de dificuldade baseada em IA, demonstrou melhorar significativamente o desempenho de modelos de geração de código em tarefas complexas em comparação com conjuntos de dados existentes.
Este estudo avalia sistematicamente os vieses sociais em sete modelos de linguagem de última geração no contexto cultural nepalês, revelando que métricas de concordância explícita falham em capturar a tendência de geração implícita, a qual apresenta uma relação não linear com a temperatura e varia significativamente entre domínios como raça e gênero.
Este artigo apresenta o benchmark AEPC-QA para avaliar 51 modelos de linguagem no contexto do seguro no Quebec, revelando que a inferência por raciocínio encadeado e a recuperação aumentada (RAG) melhoram significativamente a precisão, embora a RAG possa causar distração contextual e modelos generalistas superem versões especializadas em francês.
O artigo apresenta o DistillGuard, um framework que avalia sistematicamente defesas contra a distilação de conhecimento de LLMs e conclui que as abordagens atuais de nível de saída são amplamente ineficazes, pois a maioria das técnicas falha em degradar a qualidade do modelo estudante, exceto pela remoção de cadeias de pensamento, que afeta apenas o raciocínio matemático.
O artigo apresenta o AI Steerability 360, uma biblioteca Python de código aberto e nativa do Hugging Face que oferece uma interface unificada para controlar, compor e avaliar métodos de direcionamento de Grandes Modelos de Linguagem (LLMs) através de quatro superfícies de controle: entrada, estrutura, estado e saída.
O artigo apresenta o FusionSQL, uma ferramenta eficiente que avalia a precisão de modelos Text2SQL em conjuntos de dados não vistos e sem rótulos, estimando a acurácia sem necessidade de respostas verificadas ao analisar padrões nas próprias saídas do sistema.
O artigo apresenta o SynPlanResearch-R1, um framework que melhora o desempenho de agentes de pesquisa ao sintetizar trajetórias de uso de ferramentas que incentivam uma exploração mais profunda durante o ajuste fino supervisionado inicial, superando as limitações de exploração do aprendizado por reforço tradicional e alcançando resultados superiores em diversos benchmarks.