87 artigos
Este artigo apresenta o PANDAExpress, uma versão mais simples e rápida do algoritmo PANDA que elimina o fator polilogarítmico de sua complexidade ao introduzir um novo esquema de particionamento baseado em cortes hiperplanos dinâmicos, mantendo assim a generalidade do método original para consultas conjuntivas e regras de Datalog disjuntivas sob restrições de grau arbitrárias.
Este artigo apresenta o HIT-Leiden, um novo algoritmo incremental que mantém comunidades Leiden em grafos dinâmicos com qualidade comparável ao estado da arte e acelerações de até cinco ordens de grandeza, superando as limitações de eficiência das abordagens existentes que exigem quase uma recomputação total.
O artigo propõe o método LSMR, que aproveita a localidade induzida por modelos para reduzir drasticamente o custo computacional da valoração de dados via valor de Shapley, retraindo apenas os subconjuntos de dados verdadeiramente influentes para cada instância de teste.
O artigo apresenta o ErrorLLM, um framework que aprimora a geração de SQL a partir de texto ao modelar explicitamente erros sintáticos e semânticos por meio de tokens dedicados e representações estruturais, superando as limitações de auto-correção e auto-depuragem existentes para refinar consultas SQL com maior precisão.
Este artigo aborda os desafios e propõe uma arquitetura para a orquestração eficiente de cargas de trabalho de IA integradas diretamente a bancos de dados (AIxDB), visando superar as limitações de desempenho, segurança e robustez inerentes aos métodos tradicionais de exportação de dados.
O artigo apresenta o RDB-PFN, o primeiro modelo fundamental de bancos de dados relacionais treinado exclusivamente com dados sintéticos gerados por um Gerador de Prior Relacional, permitindo aprendizado em contexto eficaz e superando modelos existentes em tarefas de previsão com poucos exemplos.
O artigo apresenta o SpotIt+, uma ferramenta de código aberto que avalia sistemas Text-to-SQL verificando a equivalência de consultas através da geração de instâncias de banco de dados diferenciadas, utilizando um pipeline inovador que combina mineração de regras e validação por LLMs para garantir que as discrepâncias encontradas reflitam restrições práticas e relevantes.