1714 artigos
O artigo apresenta o ReGFT, um método que utiliza soluções de referência humanas para sintetizar trajetórias de raciocínio viáveis em problemas difíceis, superando a esparsidade de recompensas e acelerando o treinamento por reforço (RL) para raciocínio matemático em modelos de linguagem.
O artigo apresenta o VoxKnesset, um novo conjunto de dados aberto e longitudinal com cerca de 2.300 horas de discurso parlamentar em hebraico (2009-2025) de 393 falantes, destinado a avaliar e melhorar a modelagem de sistemas de processamento de fala para o envelhecimento vocal.
O artigo apresenta o FreeAct, um novo framework de quantização para Modelos de Linguagem de Grande Escala que supera as limitações das transformações estáticas ao utilizar matrizes de transformação específicas para cada tipo de token, adaptando-se dinamicamente às disparidades nas ativações e melhorando significativamente o desempenho em modelos multimodais e de difusão.
O artigo propõe uma construção incremental de grafos k-NN que garante a conectividade do grafo por design, superando a fragilidade dos métodos padrão em regimes de baixa esparsidade e melhorando a robustez do agrupamento espectral de embeddings de texto.
Este estudo propõe um modelo teórico baseado em funções de conjunto com valores de conjunto para formalizar a dinâmica não linear do deslocamento de gênero gramatical e a formação de palavras, demonstrando como essas variações surgem de mudanças de modelos morfológicos, com foco empírico na língua Rifânia.
Este artigo estabelece uma conexão teórica fundamental entre complexidade computacional e arquiteturas de redes neurais, demonstrando que as RNNs lineares são altamente paralelizáveis por pertencerem à classe (semelhante aos Transformers), enquanto as RNNs não lineares enfrentam barreiras de paralelização ao resolverem problemas completos em ou .
Este estudo apresenta o Bielik-Q2-Sharp, a primeira avaliação sistemática de métodos de quantização extrema a 2 bits para o modelo de linguagem polonês Bielik-11B, demonstrando que o método QuIP# E8P12 atinge desempenho comparável ao baseline IQ2_XXS em benchmarks poloneses, com ganhos superiores em raciocínio e uma eficiência per-bit notável do QTIP, tudo realizado por um único pesquisador com um orçamento limitado.
O artigo apresenta o AgentIR, um sistema de recuperação que aproveita os traços de raciocínio explícitos de agentes de pesquisa profunda para melhorar a precisão da busca, alcançando desempenho superior ao de modelos convencionais no benchmark BrowseComp-Plus.
O artigo apresenta o SearchGym, uma infraestrutura modular de código aberto que permite a orquestração de buscas híbridas e o benchmarking cross-plataforma através de abstrações desacopladas e uma álgebra de configuração composicional, demonstrando que a ordem ótima de filtragem e classificação semântica depende da força do filtro e alcançando uma taxa de recuperação de 70% no benchmark LitSearch.
O artigo apresenta o FinRetrieval, um novo benchmark com 500 perguntas de recuperação de dados financeiros que demonstra que a disponibilidade de ferramentas de API estruturada é o fator determinante para o desempenho dos agentes de IA, superando significativamente a busca na web e revelando variações de desempenho baseadas em configurações de raciocínio e convenções geográficas.
Este estudo valida um framework de Modelo de Linguagem Grande (LLM) que, ao analisar mais de 16.000 avaliações não estruturadas, revela uma desconexão entre as melhorias operacionais e a queda na satisfação dos passageiros da EgyptAir, demonstrando a superioridade dessa abordagem em relação às métricas tradicionais para identificar drivers críticos de insatisfação.
O artigo propõe o CTRL-RAG, um novo framework de recompensa híbrido baseado em Reinforcement Learning que utiliza uma Recompensa de Verossimilhança Contrastiva (CLR) para otimizar a fé dos modelos de linguagem em documentos de contexto, superando as limitações das recompensas externas e prevenindo o colapso do modelo em cenários de RAG.
O estudo demonstra que o desalinhamento emergente em modelos de linguagem é fundamentalmente contido por gatilhos semânticos, mesmo quando os modelos são treinados exclusivamente com dados prejudiciais e nunca expostos a comportamentos benignos, revelando uma vulnerabilidade crítica de segurança que persiste independentemente da mistura de dados de treinamento.
Este artigo propõe o paradigma "Probing Memes", que utiliza o conceito de memes para redefinir a avaliação de LLMs como um mundo entrelaçado de modelos e dados, permitindo uma análise granular das interações entre itens e modelos que revela estruturas de capacidade ocultas e comportamentos populacionais invisíveis sob as métricas tradicionais.
O artigo apresenta o framework HUMAINE, que utiliza um conjunto de dados demograficamente estratificado de 23.404 participantes e um modelo hierárquico bayesiano para revelar que, embora o modelo *gemini-2.5-pro* seja o líder geral, as preferências humanas variam significativamente entre grupos etários e dimensões de avaliação, destacando a necessidade de uma metodologia de avaliação multidimensional e demograficamente consciente para LLMs.
Este artigo apresenta o SalamahBench, um benchmark unificado para avaliação de segurança de Modelos de Linguagem em Árabe, que revela disparidades significativas na robustez de diferentes modelos e destaca a necessidade de mecanismos de proteção especializados e avaliações específicas por categoria.
O artigo apresenta o DynaKV, um framework de pós-treinamento inovador que otimiza a compressão de cache KV em modelos de linguagem grandes ao alocar dinamicamente taxas de compressão baseadas no significado semântico de cada token, superando métodos existentes ao reduzir significativamente o uso de memória sem comprometer a qualidade da geração.
Este artigo propõe uma aproximação teórica da dinâmica de Grandes Modelos de Linguagem utilizando cadeias de Markov aditivas de N ordens, estabelecendo uma equivalência com cadeias de memória passo a passo que permite definir o conceito de temperatura de informação e mitigar a explosão combinatória em espaços de alta dimensão.
Este artigo propõe e valida a métrica Inductive Conceptual Rating (ICR), um framework qualitativo que integra semiótica e hermenêutica para avaliar a precisão semântica e a alinhamento de significado em resumos gerados por LLMs, demonstrando que, embora essas modelos apresentem alta similaridade lexical, frequentemente falham em capturar significados contextualmente fundamentados em comparação com a produção humana.
O artigo apresenta o RoBERTa-OTA, um modelo inovador que integra mecanismos de atenção guiados por ontologia e Redes Neurais de Grafos ao RoBERTa para detectar discurso de ódio multiclasse com maior precisão e eficiência, superando os métodos existentes ao combinar compreensão contextual com conhecimento semântico estruturado.