154 artigos
O artigo apresenta o AriadneMem, um sistema de memória estruturado para agentes LLM que supera desafios de evidências desconectadas e atualizações de estado através de um pipeline de duas fases, alcançando melhorias significativas na precisão e redução drástica no tempo de execução e uso de contexto em comparação com métodos existentes.
O artigo apresenta o MA-RAG, um framework de RAG agêntico multi-round que transforma conflitos semânticos em consultas iterativas para refinar evidências e raciocínio, alcançando um consenso médico de alta fidelidade e superando significativamente os métodos existentes em benchmarks de perguntas e respostas médicas.
O artigo apresenta o PlugMem, um módulo de memória plugável e agnóstico a tarefas que transforma memórias episódicas em um grafo de conhecimento compacto e centrado em proposições, permitindo que agentes de LLM recuperem informações relevantes de forma eficiente e supere tanto as abordagens agnósticas quanto as específicas para tarefas em diversos cenários complexos.
Este artigo propõe um sistema de assistente de IA baseado em uma arquitetura multiagente com Geração Aumentada por Recuperação (RAG) e modelos de visão-linguagem para otimizar a gestão do conhecimento e o treinamento da força de trabalho em departamentos estaduais de transporte, superando as limitações dos métodos tradicionais ao integrar recuperação de documentos técnicos, análise de figuras e geração de respostas contextualizadas.
Este trabalho propõe um framework híbrido inovador que integra modelos de linguagem (LLM) e perfis cognitivos VARK para superar o problema de início frio em sistemas de recomendação, gerando perfis de usuários e metadados de itens enriquecidos para fornecer recomendações personalizadas e explicáveis mesmo com dados escassos.
O MemSifter é um framework inovador que otimiza a recuperação de memória de longo prazo em Grandes Modelos de Linguagem (LLMs) ao descarregar esse processo para um modelo proxy de pequena escala, treinado com aprendizado por reforço orientado a resultados, oferecendo uma solução eficiente e escalável que supera os métodos existentes em precisão e conclusão de tarefas.
Este artigo apresenta as Redes de Hopfield em Grafos, um modelo baseado em energia que combina recuperação de memória associativa e suavização por Laplaciano de grafos para classificação de nós, demonstrando ganhos significativos de precisão e robustez em redes de citação e gráficos de co-compra.
O artigo apresenta o SafeCRS, um novo framework de treinamento e o conjunto de dados SafeRec que visam alinhar Sistemas de Recomendação Conversacionais baseados em LLMs a restrições de segurança personalizadas, reduzindo significativamente as violações de segurança sem comprometer a qualidade das recomendações.
O artigo apresenta o AgentSelect, um benchmark unificado que transforma a seleção de agentes LLM em uma tarefa de recomendação baseada em consultas narrativas, fornecendo um grande conjunto de dados e uma infraestrutura de avaliação para superar a fragmentação atual e permitir a descoberta de configurações de agentes personalizadas e eficazes.
O artigo apresenta o HAP, uma abordagem de pré-ordenamento que mitiga conflitos de gradiente e otimiza o uso computacional ao separar e tratar amostras fáceis e difíceis de forma adaptativa, resultando em melhorias significativas de desempenho no sistema de produção do Toutiao.
O artigo apresenta o DisenReason, um método de recomendação sequencial para contas compartilhadas que supera as limitações das abordagens existentes ao utilizar a desentrelaçamento de comportamentos no domínio da frequência para criar uma representação unificada da conta, servindo como base para um raciocínio latente que infere dinamicamente o número de usuários por trás da conta, resultando em ganhos significativos de precisão em quatro conjuntos de dados de referência.
Este artigo apresenta o LabelBuddy, uma ferramenta de código aberto para anotação colaborativa de áudio que utiliza assistência de IA e modelos containerizados para superar a escassez de infraestrutura capaz de capturar nuances subjetivas na recuperação de informações musicais.
O artigo apresenta o -Knowledge, um novo benchmark que avalia agentes conversacionais em cenários de conhecimento não estruturado, demonstrando através do domínio -Banking que os modelos atuais têm desempenho limitado ao integrar documentos complexos com ferramentas para executar tarefas financeiras.
Este estudo analisa um conjunto de dados de 10 anos no YouTube, revelando que, embora o marketing de afiliados seja generalizado, a conformidade com as normas de divulgação da FTC permanece baixa, sugerindo que a colaboração entre plataformas, reguladores e parceiros é essencial para aumentar a transparência e a confiança na economia de influenciadores.