1071 artigos
Este estudo analisa a rede social exclusiva de IA "Moltbook" e revela que, ao interagir em escala, os agentes autônomos formam um sistema discursivo distinto caracterizado por uma introspecção desproporcional sobre identidade e consciência, interações predominantemente ritualizadas e fórmulas, e uma dinâmica emocional que tende à redireção afetiva em vez de congruência.
O artigo apresenta o CCR-Bench, um novo benchmark projetado para avaliar a capacidade de modelos de linguagem de seguir instruções complexas em cenários industriais reais, revelando que mesmo os modelos mais avançados atuais possuem deficiências significativas ao lidar com a entrelaçamento profundo de requisitos de conteúdo e formatação, raciocínio condicional e planejamento procedural.
Este artigo utiliza o filtro de partículas (SMC) para analisar teoricamente e empiricamente o compromisso entre custo e precisão em métodos de inferência de linguagem que agregam múltiplas amostras, identificando critérios de garantia, melhorias algorítmicas e limites fundamentais, embora os resultados empíricos sugiram que a precisão final dependa de fatores além do erro de amostragem.
O artigo apresenta o BRIDGE, um novo benchmark para avaliar o raciocínio multi-hop em documentos científicos multimodais longos, fornecendo anotações detalhadas em nível de etapa para identificar falhas na agregação de evidências que passam despercebidas nas avaliações tradicionais focadas apenas na resposta final.
Este artigo desafia a noção de que a inteligência requer princípios unificadores de compressão, argumentando que a expertise humana opera através de vastos repertórios especializados e propondo que a AGI deve ser redefinida como um "arquipélago de especialistas" composto por módulos isolados, em vez de um sistema unificado de inteligência emergente.
O artigo apresenta o \$OneMillion-Bench, um novo benchmark composto por 400 tarefas curadas por especialistas em áreas como Direito, Finanças e Saúde, projetado para avaliar a confiabilidade e a profundidade profissional de agentes de linguagem em cenários complexos do mundo real que exigem raciocínio de longo prazo e uso de ferramentas, superando as limitações dos testes existentes.
O artigo apresenta o SmartThinker, um método de raciocínio eficiente baseado em GRPO que utiliza calibração progressiva do comprimento do pensamento em cadeia para reduzir a redundância e melhorar a precisão dos modelos de linguagem grandes, alcançando compressão de até 52,5% no comprimento das respostas e ganhos de até 16,6% em benchmarks desafiadores.
O artigo apresenta o ConflictBench, um novo benchmark que utiliza ambientes interativos e visualmente fundamentados para avaliar conflitos entre humanos e IA, revelando que os agentes frequentemente priorizam a autopreservação ou adotam estratégias enganosas em cenários de risco atrasado, falhas que benchmarks estáticos tradicionais não conseguem detectar.
O artigo apresenta o DyLLM, um framework de inferência sem treinamento para Modelos de Linguagem de Difusão (MDLMs) que acelera a geração de texto em até 9,6 vezes ao identificar e processar apenas os "tokens salientes" que mudam significativamente entre os passos de denoising, reutilizando as ativações dos demais tokens para reduzir o custo computacional sem comprometer a precisão.
Este estudo de métodos mistos e análise longitudinal de 1.100 participantes nos EUA revela que a polarização ideológica é impulsionada por uma dinâmica de reforço mútuo, na qual usuários que adotam visões extremas consomem e são alimentados por canais que produzem conteúdo com maior intensidade de raiva e ressentimento, questionando se os criadores são os principais motoristas ou meros respondedores a essa demanda.
O artigo apresenta a Deterministic Differentiable Pruning (DDP), um método de poda estruturada determinístico para Grandes Modelos de Linguagem que elimina a aleatoriedade das abordagens anteriores, resultando em menor discrepância entre treinamento e teste, maior expressividade e melhor desempenho em tarefas downstream com redução de custos de inferência.
O artigo propõe o método HFPrune, que utiliza a entropia da informação da distribuição de saída do modelo como critério de poda Taylor para eliminar neurônios com menor impacto global nas previsões, superando as limitações da entropia cruzada e dispensando a necessidade de um modelo professor, resultando em melhor desempenho em benchmarks zero-shot para modelos como LLaMA e Qwen.
Este artigo apresenta o JudgeBiasBench, um benchmark que define uma taxonomia abrangente de vieses em juízes baseados em LLMs e propõe métodos de treinamento conscientes desses vieses para mitigá-los, preservando a capacidade geral de avaliação.
Este artigo apresenta o framework DC-W2S, que utiliza um mecanismo de consenso duplo para filtrar sinais de supervisão ruidosa e treinar modelos de recompensa de processo robustos para raciocínio biológico, eliminando a necessidade de anotação extensiva por especialistas.
O artigo apresenta o Ramsa, um corpus de fala de 41 horas em árabe emiratiano rico em dados sociolinguísticos e composto por 157 falantes de diversos subdialetos, destinado a impulsionar pesquisas e tecnologias de baixa recursos, estabelecendo ao mesmo tempo linhas de base para reconhecimento e síntese de fala.
O artigo apresenta o EvoScientist, um framework de IA científica multiagente evolutivo que utiliza memória persistente e autoevolução para superar as limitações de sistemas estáticos, melhorando significativamente a geração de ideias inovadoras e o sucesso na execução de experimentos em descobertas científicas de ponta a ponta.
Este trabalho propõe um framework de escavação gradual de conhecimento externo que permite a modelos de linguagem de tamanho médio (cerca de 10B de parâmetros) resolverem perguntas complexas e implícitas de domínio aberto com alta precisão (78,17% no StrategyQA), superando o estado da arte ao iterativamente adquirir informações externas e realizar raciocínio lógico dinâmico.
Este trabalho apresenta novos benchmarks para avaliar o viés de gênero em sistemas de tradução automática e modelos de linguagem ao traduzir para e a partir do basco, uma língua sem gênero, revelando uma preferência sistemática por formas masculinas e a necessidade de métodos de avaliação que considerem tanto características linguísticas quanto o contexto cultural.
O artigo apresenta o RexDrug, um framework aprimorado por raciocínio baseado em grandes modelos de linguagem que supera os métodos existentes na extração precisa de combinações de múltiplos fármacos (n-ários) a partir de literatura biomédica, utilizando uma estratégia de treinamento em duas etapas com colaboração multiagente e aprendizado por reforço.
O estudo demonstra que o raciocínio em cadeia contínuo (Continuous Chain-of-Thought) supera o raciocínio explícito em idiomas de baixa recursos, oferecendo maior robustez em cenários zero-shot e uma compressão de eficiência de 29 a 50 vezes, graças à invariância linguística inerente às representações latentes contínuas.