1061 artigos
Este artigo oferece um guia prático para cientistas políticos, demonstrando que a escolha entre construir, adaptar ou apenas ajustar finamente um modelo de linguagem natural depende do equilíbrio específico entre a prevalência das classes de dados, a tolerância a erros e os recursos disponíveis, em vez de buscar um modelo "melhor" de forma abstrata.
O artigo identifica um colapso sistemático de cabeças de atenção em modelos BLOOM devido à codificação posicional ALiBi e propõe uma técnica cirúrgica de reinitialização que recupera quase toda a capacidade operacional do modelo, demonstrando que as configurações pré-treinadas representam mínimos locais subótimos.
O artigo apresenta o X-GS, um framework aberto e extensível que unifica técnicas de 3DGS com modelos multimodais downstream, permitindo a criação de mapas 3D semânticos em tempo real a partir de vídeos não calibrados para habilitar tarefas como detecção de objetos e geração de legendas.
Este artigo apresenta um pipeline totalmente aberto e localmente implantável, baseado no modelo de linguagem \texttt{qwen2.5-72b} e no framework \texttt{llm\_extractinator}, que extrai com alta precisão informações longitudinais sobre carga tumoral e resposta ao tratamento de relatórios de radiologia, demonstrando a viabilidade de modelos de linguagem abertos para tarefas oncológicas que exigem privacidade e reprodutibilidade.
Esta palestra no ECIR 2025 explora a interação entre o conhecimento paramétrico e contextual em Modelos de Linguagem, apresentando pesquisas sobre avaliação de conhecimento, testes diagnósticos para conflitos e características do uso bem-sucedido de contexto.
Este estudo apresenta um framework de classificação automatizada para o gerenciamento de risco cardiovascular em idosos, demonstrando que uma arquitetura Transformer personalizada supera tanto métodos tradicionais quanto modelos de linguagem generativos ao analisar registros de saúde eletrônicos não estruturados de longo contexto.
Este artigo apresenta um método avançado para estimar a similaridade entre receitas, combinando perspectivas semânticas, lexicais e nutricionais validadas por especialistas, com o objetivo de apoiar a personalização de dietas e a geração automatizada de receitas.
O artigo apresenta o ESAinsTOD, um framework unificado de ajuste fino instrucional e consciente de esquema que supera os modelos atuais em tarefas de diálogo orientado a objetivos, oferecendo maior generalização em cenários de poucos recursos e robustez contra ruídos de dados.
O artigo apresenta o ActiveUltraFeedback, um pipeline de aprendizado ativo que utiliza estimativas de incerteza e métodos inovadores de seleção de pares de respostas para gerar dados de preferência de alta qualidade, permitindo o alinhamento eficiente de modelos de linguagem com até seis vezes menos dados anotados em comparação com baselines estáticas.
O artigo apresenta o Mousse, um novo otimizador que melhora o método Muon ao incorporar a estimativa estrutural do Shampoo para criar um sistema de coordenadas branqueado, permitindo atualizações espectrais adaptativas à curvatura que reduzem o número de etapas de treinamento em cerca de 12% com custo computacional insignificante.
Este artigo avalia a eficácia de quatro Grandes Modelos de Linguagem (LLMs) em traduzir consultas em linguagem natural para filtros de metadados estruturados em um sistema RAG para dados nutricionais, concluindo que, embora sejam altamente precisos para consultas expressíveis, enfrentam desafios significativos ao lidar com restrições não representáveis no formato de metadados.
O artigo apresenta o MUGEN, um benchmark abrangente que revela as limitações dos Modelos Grandes de Áudio-Linguagem na compreensão de múltiplos áudios simultâneos e demonstra que estratégias de treinamento sem supervisão, como a Autoconsistência Permutacional de Áudio combinada com Cadeia de Pensamento, podem melhorar significativamente o desempenho nesses cenários.
O artigo apresenta o RbtAct, um modelo que utiliza respostas de autores (rebuttals) como supervisão implícita para treinar um gerador de feedback de revisão por pares mais acionável e específico, superando as limitações de superficialidade das revisões geradas por IA.
O artigo apresenta o EXPLORE-Bench, um novo benchmark derivado de vídeos em primeira pessoa para avaliar a capacidade de modelos de linguagem multimodal em prever cenas finais após sequências longas de ações, revelando uma lacuna significativa em relação ao desempenho humano e demonstrando que a decomposição passo a passo das ações pode melhorar o raciocínio a longo prazo, embora com custos computacionais adicionais.
O artigo apresenta o FoodOntoRAG, um pipeline agnóstico que realiza a ligação de entidades alimentares sem necessidade de ajuste fino (fine-tuning), utilizando recuperação de candidatos e agentes especializados para garantir robustez frente a mudanças na ontologia e decisões interpretáveis.
Este artigo apresenta uma versão atualizada e combinada dos corpora EPIC-UdS e EuroParl-UdS, corrigindo erros e adicionando novas camadas de anotação para apoiar pesquisas sobre variações linguísticas e tradução, incluindo uma nova análise ilustrativa que valida os dados falados e avalia modelos de IA na previsão de partículas de preenchimento em interpretação.
O artigo apresenta o MITRA, um assistente de IA baseado em RAG e hospedado localmente para colaborações científicas como o CMS, que utiliza um pipeline automatizado de extração de texto e uma arquitetura de banco de dados vetorial em dois níveis para recuperar com precisão informações de documentação interna de física, garantindo a privacidade dos dados.
O artigo apresenta o One-Eval, um sistema agêntico que automatiza e torna rastreável a avaliação de modelos de linguagem grandes, convertendo solicitações em linguagem natural em fluxos de trabalho executáveis e personalizáveis para reduzir o esforço manual e aumentar a reprodutibilidade em ambientes industriais.
Este trabalho propõe a utilização de árvores de Chow-Liu para determinar uma ordem de processamento de chunks que priorize dependências fortes, demonstrando empiricamente que essa abordagem reduz a perda de informação e supera métodos de ordenação padrão em tarefas de raciocínio de longo contexto com agentes em cadeia.
Este artigo demonstra que modelos de linguagem neural cujas previsões se correlacionam mais fortemente com estatísticas simples de n-gramas são os que melhor preveem o tempo de leitura, sugerindo que esse processo cognitivo é mais sensível a padrões estatísticos básicos do que às complexas estatísticas aprendidas por transformadores modernos.