152 artigos
Este trabalho propõe um conjunto de métricas empíricas para medir a automação da P&D em IA e seus impactos no progresso tecnológico e na supervisão de segurança, visando orientar empresas, organizações e governos na implementação de medidas adequadas.
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.
Este artigo propõe o quadro de governança "Roteamento Causal Invariante" (ICR), que integra raciocínio contrafactual e descoberta causal invariante para identificar regras de política interpretáveis e estáveis que orientam normas sociais emergentes em economias de mercado online, superando as limitações de abordagens baseadas em correlação ao garantir eficácia sob mudanças de distribuição.
O artigo propõe a implementação de "token taxes" (taxas baseadas no uso de tokens) como um mecanismo eficaz e aplicável para mitigar os riscos econômicos do AGI, como a erosão da base tributária e a queda no padrão de vida, capturando valor no ponto de uso em vez de na hospedagem dos modelos.
Este estudo de caso demonstra que é possível extrair insights comportamentais de alta fidelidade em mercados públicos urbanos utilizando soluções de vídeo assistidas por IA que priorizam a privacidade e a responsabilidade ética, permitindo a otimização do fluxo de pedestres sem comprometer os padrões sociais.
O artigo apresenta o "Stan", um assistente de curso baseado em LLMs para termodinâmica que utiliza modelos de código aberto rodando localmente para oferecer, a partir de uma mesma base de dados, respostas fundamentadas para estudantes e análises estruturadas para instrutores, garantindo privacidade, controle de custos e reprodutibilidade.
Este artigo propõe uma abordagem integrativa para a seleção justa de top- que generaliza cenários anteriores para múltiplos grupos protegidos, analisa a complexidade computacional do problema, introduz uma nova medida de disparidade baseada em perda de utilidade para maior estabilidade e apresenta uma solução prática com alto desempenho empírico em conjuntos de dados reais.
Este estudo avalia os Termos de Serviço de 13 plataformas de mídia social através de um novo framework tridimensional, revelando que a complexidade linguística e a falta de transparência comprometem o consentimento informado, sugerindo que esses documentos devem ser reavaliados como instrumentos que moldam as condições de aceitação de práticas de dados em vez de meras formalidades legais.
Este artigo apresenta a arquitetura GAMDSS, uma estratégia inovadora de seleção dinâmica de quadros-chave que melhora o reconhecimento de microexpressões ao mitigar erros de anotação humana, especialmente em cenários multiculturais, sem aumentar o número de parâmetros do modelo.
Este estudo meta-analítico revela que os modelos de linguagem atuais apresentam limitações significativas na pontuação automática de respostas curtas, incluindo desempenho inferior em arquiteturas decodificadoras, sensibilidade à formulação e viés racial, desafiando a noção de que a dificuldade humana na tarefa correlaciona-se com a eficácia da IA.
Este artigo apresenta uma análise teórica unificada que demonstra como o ruído adicionado pelo DP-SGD em redes neurais degrada o aprendizado de características, comprometendo a justiça, a robustez adversarial e a eficácia do ajuste fino com pré-treinamento público devido a desequilíbrios na razão sinal-ruído das características.
Um estudo randomizado com estudantes de direito demonstra que um treinamento breve e direcionado sobre o uso de IA generativa não apenas aumenta sua adoção, mas também melhora significativamente o desempenho acadêmico, ao contrário do simples acesso à ferramenta sem instrução.
Este estudo demonstra que, mesmo em currículos anonimizados, marcadores socioculturais sutis (como idiomas e hobbies) permitem que Grandes Modelos de Linguagem (LLMs) inferam demografia e apresentem viés sistemático a favor de homens chineses e caucasianos, resultando em disparidades significativas nos processos de contratação automatizada.
Este artigo propõe uma definição unificada e um quadro de interação baseado no ciclo OODA para a guerra cognitiva, identificando atributos mensuráveis de superioridade cognitiva e ilustrando sua aplicação prática por meio de um estudo de caso, com o objetivo de fornecer às forças conjuntas uma base sólida para avaliar campanhas nesse domínio.
Este estudo avalia sistematicamente o desempenho dos modelos de mobilidade urbana gravitacional, de radiação e de visitação em diferentes escalas espaciais, revelando que, embora o modelo de visitação seja geralmente superior, a escolha da escala e da unidade espacial (como agrupamentos baseados em distância versus limites administrativos) é crucial para capturar adequadamente a dinâmica urbana e que, em escalas inadequadas, o modelo de visitação pode sofrer mais que os demais.
O artigo apresenta o NL2GDS, um framework inovador que utiliza modelos de linguagem grandes para traduzir descrições de hardware em linguagem natural em layouts GDSII completos via fluxo OpenLane, demonstrando reduções significativas em área, atraso e consumo de energia em benchmarks padrão.
Este artigo propõe uma arquitetura de controle emocional sintético que, ao integrar necessidades imediatas e memória episódica sob quatro restrições de engenharia específicas, demonstra a possibilidade de implementar comportamentos semelhantes a emoções sem ativar características associadas à consciência, oferecendo assim um modelo para auditoria de riscos e governança de IA.
O artigo apresenta o RLVER, um novo quadro de aprendizado por reforço que utiliza recompensas emocionais verificáveis de usuários simulados para aprimorar significativamente a inteligência emocional e a empatia de modelos de linguagem, elevando sua pontuação no Sentient-Benchmark de 13,3 para 79,2 sem comprometer suas capacidades cognitivas.
Este trabalho apresenta a extração de metáforas de dados em língua holandesa de pacientes com câncer, utilizando grandes modelos de linguagem com estratégias de prompt e validação humana para criar o corpus HealthQuote.NL, visando aprimorar a comunicação clínica e o cuidado personalizado.
Este estudo analisa sistematicamente os vieses políticos, ideológicos, de aliança, linguísticos e de gênero em quatro grandes modelos de linguagem, revelando que, apesar de alinhados para serem neutros, eles ainda apresentam diversas inclinações e parcialidades.