1861 artigos
O artigo apresenta o VQA-MHUG, um novo conjunto de dados de olhar humano multimodal para VQA, e demonstra pela primeira vez que a correlação entre a atenção neural e a humana no texto é um preditor significativo do desempenho do modelo, sugerindo a necessidade de aprimorar os mecanismos de atenção textual nas arquiteturas de visão e linguagem.
O artigo apresenta o MULAN, a primeira rede que integra atenção humana multimodal (de imagem e texto) em modelos de VQA baseados em transformers, alcançando desempenho state-of-the-art no conjunto de dados VQAv2 com aproximadamente 80% menos parâmetros treináveis que trabalhos anteriores.
Este estudo propõe um modelo de identificação de linguagem baseado em CRNN que, utilizando coeficientes MFCC, alcança alta precisão (superior a 98%) em treze línguas indianas e demonstra robustez ao ruído, questionando a necessidade de mecanismos de atenção em comparação com abordagens state-of-the-art.
Este artigo reproduz e replica um estudo seminal sobre estilometria adversária, concluindo que, embora as defesas analisadas sejam eficazes, sua efetividade pode ter sido superestimada na pesquisa original devido à falta de um grupo de controle, ao mesmo tempo em que destaca a necessidade de reavaliar o método de tradução de ida e volta como uma técnica automática promissora para reduzir a precisão da atribuição de autoria.
Este artigo apresenta o desenvolvimento e a avaliação de modelos de Tradução Automática Estatística (SMT) para traduzir entre o inglês e quinze línguas indianas de recursos limitados, utilizando o toolkit MOSES, conjuntos de dados como Samanantar e OPUS, e métricas padrão como BLEU, METEOR e RIBES.
Este artigo avalia a robustez de classificadores de texto contra ataques adversariais que preservam o significado, introduzindo o benchmark BODEGA para quatro tarefas de detecção de desinformação e demonstrando que modelos de linguagem modernos, como o GEMMA, são mais vulneráveis a essas manipulações do que soluções anteriores.
Este artigo propõe o uso do modelo BERTimbau, finetunado em um corpus específico de AAC em português brasileiro, para prever pictogramas em sistemas de comunicação alternativa, demonstrando que representá-los por meio de legendas resulta na maior acurácia, embora sinônimos ofereçam menor perplexidade.
O artigo apresenta o FiADD, um novo framework que aprimora a detecção de discurso de ódio implícito ao alinhar formas superficiais e significados implícitos enquanto aumenta a separação entre clusters de rótulos, demonstrando ganhos significativos de desempenho em múltiplos conjuntos de dados e tarefas relacionadas.
Este artigo apresenta o desenvolvimento do BodoBERT, o primeiro modelo de linguagem para a língua Bodo, e um modelo de ensemble baseado em aprendizado profundo para o reconhecimento de classes gramaticais (POS) que alcança um F1-score de 0,8041, preenchendo uma lacuna significativa no processamento de linguagem natural para línguas de recursos limitados.
Este estudo apresenta um modelo de máxima verossimilhança para estimar que entre 6,5% e 16,9% do texto em revisões de conferências de IA (como ICLR 2024 e NeurIPS 2023) foi substancialmente modificado ou gerado por LLMs, revelando uma correlação entre o uso dessas ferramentas e fatores como baixa confiança do revisor, submissão próxima ao prazo e menor disposição para responder a réplicas dos autores.
Este artigo demonstra que, para protocolos de transmissão não bloqueantes do tipo "apenas espera" (Wait-Only), os problemas de cobertura de estado e de configuração, que são geralmente Ackermann-difíceis, tornam-se respectivamente P-completo e PSPACE-completo.
O artigo propõe um esquema de marcação d'água leve e guiado por tópicos para Grandes Modelos de Linguagem que, ao particionar o vocabulário em subconjuntos alinhados semanticamente, consegue embutir marcas robustas contra ataques de parafraseio e perturbação lexical enquanto preserva a qualidade do texto e elimina a necessidade de frameworks especializados.
Este estudo analisa mais de 100 milhões de comentários no Reddit sobre política britânica e conclui que o uso de "palavras-gatilho" — termos que desafiam a percepção do que é justo ou normal — está associado a um aumento significativo no engajamento e na polarização, gerando respostas mais negativas, furiosas e hostis.
O artigo apresenta o NutriBench, o primeiro conjunto de dados público com descrições de refeições verificadas por humanos para avaliar a capacidade de Grandes Modelos de Linguagem (LLMs) na estimativa nutricional, demonstrando que, embora ofereçam previsões comparáveis às de nutricionistas profissionais, eles são significativamente mais rápidos e possuem potencial para melhorar os resultados de saúde, apesar dos desafios existentes.
Este artigo apresenta o MELODI, um framework e conjunto de dados inovadores para monitorar e analisar o consumo energético na inferência de modelos de linguagem grandes, revelando disparidades significativas na eficiência energética em relação aos atributos dos prompts e destacando a necessidade de otimização para um futuro sustentável.
O artigo apresenta o BA-LoRA, um método de adaptação de baixo rank que mitiga a "Herança Catastrófica" em modelos de linguagem grandes ao decompor o problema em três desafios e aplicar regularizadores específicos para preservar o conhecimento, enriquecer as representações e reduzir o viés, superando as variantes atuais de LoRA em desempenho e robustez.
Este artigo apresenta o OM4OV, um pipeline formalizado que adapta sistemas de correspondência de ontologias para a versão de ontologias, introduzindo um mecanismo de referência cruzada para otimizar o desempenho na detecção de atualizações e corrigir limitações como medições distorcidas e explicações insuficientes de correspondências falsas.
Este artigo propõe uma taxonomia para as fontes de divergência nas preferências humanas, demonstrando que elas vão além do ruído simples e afetam negativamente o treinamento e a avaliação de modelos de linguagem, ao mesmo tempo em que desenvolve métodos para identificar e mitigar essas divergências.
O artigo apresenta o Waffle, uma nova estratégia de ajuste fino que utiliza mecanismos de atenção sensíveis à estrutura e aprendizado contrastivo para aprimorar a capacidade dos modelos de linguagem de converter designs de interface em código HTML, superando os métodos atuais em métricas de precisão e similaridade visual.
Este estudo demonstra que o ChatGPT pode automatizar a codificação de dados de comunicação em tarefas de resolução colaborativa de problemas com um nível satisfatório, embora seu desempenho varie conforme o modelo, o framework de codificação e as características da tarefa, oferecendo assim orientações práticas para a avaliação escalável de habilidades do século XXI.