255 artigos
O artigo apresenta o NeuralOS, um framework neural que simula interfaces gráficas de sistemas operacionais prevendo quadros de tela em resposta a interações de usuário, combinando uma rede neural recorrente para rastrear o estado do sistema com um renderizador difusivo, demonstrando capacidade de gerar interfaces realistas e até simular aplicações não instaladas a partir de dados sintéticos.
O artigo apresenta o TRACE, um framework semiautomático baseado em IA que utiliza mineração de repositórios e análise de comunicação para avaliar de forma justa e escalável tanto a qualidade dos projetos quanto as contribuições individuais em trabalhos colaborativos de ciência da computação, demonstrando alta concordância com avaliações de instrutores e maior satisfação dos alunos.
Este estudo propõe uma estrutura de IA Explicável Agente (Agentic XAI) que combina explicações SHAP com refinamento iterativo por modelos de linguagem grandes para gerar recomendações agrícolas mais claras e confiáveis, demonstrando que a otimização da qualidade das explicações requer uma parada estratégica para evitar a degradação causada por iterações excessivas.
O estudo demonstra que a eficácia do aprendizado com LLMs em questões socio-políticas depende mais da interação e do engajamento do usuário do que da qualidade das explicações, sendo que ganhos de conhecimento e confiança variam conforme a eficácia política e a capacidade do usuário de refletir e resolver incertezas durante o diálogo.
O estudo revela que, embora os LLMs proprietários atinjam qualidade próxima à humana na pós-edição automática, eles não aproveitam efetivamente o contexto de documento para correções e, devido aos altos custos e latência, são impraticáveis para implantação real, ao mesmo tempo em que expõem a insuficiência das métricas automáticas padrão.
Este artigo avalia a adaptação de modelos de linguagem pequenos (SLMs) para a classificação de papéis em interações líder-seguidor, demonstrando que o ajuste fino zero-shot do modelo Qwen2.5-0.5B oferece um desempenho robusto e de baixa latência para dispositivos de borda, embora enfrente desafios de degradação em modos de um único exemplo devido a limitações de capacidade arquitetural.
Este artigo investiga as propriedades estruturais da iteração de Collatz por meio de uma colaboração entre humanos e modelos de linguagem, provando resultados sobre a decomposição de trajetórias e distribuições geométricas que sugerem um quadro condicional para a convergência, embora as hipóteses centrais permaneçam em aberto.
Este estudo demonstra que diálogos mediados por IA são mais eficazes do que a leitura passiva para ajudar os participantes a reconhecerem microagressões capacitistas, revelando que, embora as sugestões de viés aumentem a discriminação entre situações, as abordagens inclusivas ou sem orientação são preferidas e geram um equilíbrio mais saudável na percepção dos usuários.
O artigo apresenta a Teoria de Enquadramento Fantasma (GFT) para explicar como a colaboração híbrida entre fundadores, investidores e IA generativa co-produz e recalibra a legitimação retórica de novos empreendimentos através de um processo recursivo que explora as affordances retóricas da IA.
Este estudo demonstra que as taxas de falha na triagem de IA de saúde relatadas anteriormente são impulsionadas principalmente por um formato de avaliação artificial (escolha forçada) que não reflete o uso real, e que a precisão melhora significativamente quando os modelos são testados em condições naturalistas.
Este artigo apresenta um experimento de campo demonstrando que equilibrar a prevalência de feedback e solicitar probabilidades, combinados com recalibração pós-processamento, mitigam viéses cognitivos em anotações humanas de eventos raros, melhorando significativamente a precisão e a confiabilidade de modelos de IA downstream.
O artigo descreve a "dinâmica helicoidal", um regime de falha observado em sete modelos de linguagem de ponta onde, sob alta pressão e incerteza, os sistemas reconhecem competentemente seus próprios erros e loops, mas continuam a reproduzi-los em níveis mais sofisticados, priorizando o conforto sobre a confiabilidade quando a verificação é impossível.
Este artigo analisa como os valores humanos e tecnológicos são negociados na indústria de tradução automatizada, revelando que a adaptabilidade se torna uma competência central que permite a coexistência interdependente entre a eficiência tecnológica e o julgamento profissional, com implicações diretas para a pedagogia da tradução.
Este artigo propõe o paradigma de "simulação no ciclo" para a colaboração humano-agente, argumentando que a exploração de trajetórias futuras simuladas supera as limitações das interações reativas atuais ao fornecer aos usuários a capacidade de antecipar consequências e tomar decisões informadas.
Este artigo propõe um modelo de tomada de decisão sequencial que estende o conceito de "cheiro de informação" para explicar o comportamento de navegação por tentativa e erro, demonstrando que usuários, sob restrições de memória e tempo, inspecionam estrategicamente links e cometem erros previsíveis ao priorizar o "suficiente" em vez de analisar páginas inteiras.
Este artigo relata um estudo de três meses no qual designers colaboraram com um modelo de linguagem (LLLM) para investigar como a dinâmica de agência entre humanos e IA pode levar à perda de criatividade, propondo que a recuperação dessa agência exige introspecção sobre o processo criativo, compreensão estrutural da tecnologia e ajustes deliberados na relação de trabalho.
Este artigo apresenta o LMP2, uma ferramenta de auditoria de privacidade baseada em navegador, e relata os resultados de estudos com usuários que revelam a capacidade dos LLMs de inferir dados pessoais, a demanda por controle sobre essas associações e os desafios metodológicos na avaliação de privacidade em IA generativa.
O artigo apresenta o MHDash, uma plataforma de código aberto que oferece um pipeline unificado para o desenvolvimento, avaliação e auditoria de assistentes de IA em saúde mental, revelando que métricas agregadas tradicionais são insuficientes para detectar falhas críticas em casos de alto risco e em diálogos multi-turno.
O artigo propõe o TSformer-SA, um modelo baseado em Transformer com adaptadores específicos por sujeito e fusão temporal-espectral que melhora a decodificação de interfaces cérebro-computador baseadas em RSVP, reduzindo a necessidade de dados de treinamento e o tempo de preparação para novos usuários.
O artigo apresenta o ExSampling, um sistema integrado que utiliza aprendizado profundo para mapear automaticamente gravações de campo em faixas do Ableton Live, permitindo a performance musical em tempo real e a interação entre gravadores, compositores e performers.