2315 artigos
O artigo apresenta o NMIRacle, um novo framework generativo de duas etapas que combina representações de fragmentos moleculares com codificadores espectrais para realizar a elucidação precisa de estruturas moleculares diretamente a partir de espectros de IR e RMN, superando os métodos existentes em precisão e robustez.
Este artigo apresenta um quadro teórico unificado que explica o viés de simplicidade em redes neurais diversas, demonstrando que a dinâmica de aprendizagem de sela-a-sela faz com que os modelos aprendam progressivamente soluções de complexidade crescente, como maior rank, número de dobras, kernels ou cabeças de atenção, dependendo da arquitetura e das condições de inicialização e dados.
Este artigo apresenta o framework de Incerteza Relativística de Dados (DRU), uma abordagem inovadora que utiliza informações de incerteza para aprimorar a qualidade de imagens de paisagens anime em baixa luminosidade, superando os métodos atuais ao preencher a lacuna de domínio e mitigar a escassez de dados.
O artigo "The Bayesian Geometry of Transformer Attention" demonstra que, em ambientes controlados chamados "túneis de vento bayesianos", os transformadores realizam inferência bayesiana com alta precisão através de um mecanismo geométrico específico envolvendo o alinhamento progressivo de chaves e consultas e uma variedade de valores de baixa dimensão, estabelecendo uma separação arquitetônica clara em relação a MLPs e oferecendo uma base para conectar sistemas pequenos verificáveis a fenômenos de raciocínio em grandes modelos de linguagem.
Este artigo estabelece que o treinamento por entropia cruzada em transformadores induz uma dinâmica de roteamento baseada em vantagens e atualizações de valores ponderadas por responsabilidade, que atuam como um procedimento EM de duas escalas temporais para esculpir geometrias bayesianas de baixa dimensão que sustentam o raciocínio probabilístico em contexto.
Este estudo demonstra que modelos de linguagem modernos preservam uma estrutura geométrica subjacente que organiza suas atualizações bayesianas aproximadas, embora essa geometria atue mais como uma leitura privilegiada da incerteza do que como um gargalo computacional singular.
O artigo apresenta o PanSubNet, um modelo de aprendizado profundo interpretável que classifica subtipos moleculares clinicamente relevantes do câncer de pâncreas diretamente a partir de lâminas histológicas rotineiras (H&E), oferecendo uma alternativa rápida, econômica e generalizável aos métodos baseados em sequenciamento de RNA para estratificação prognóstica e preditiva.
Este artigo investiga o problema do "excesso de busca" em modelos de linguagem aumentados por busca, propondo a métrica Tokens Per Correctness (TPC) para avaliar o equilíbrio entre desempenho e custo, identificando fatores que agravam o fenômeno e apresentando estratégias de mitigação e um novo conjunto de dados (OverSearchQA) para pesquisas futuras.
Este artigo propõe um método inovador para amostragem de distribuições de Boltzmann não normalizadas, utilizando uma sequência de amostradores de Langevin para simular eficientemente um fluxo de equação diferencial ordinária (ODE) derivado de interpolantes estocásticos lineares, oferecendo garantias teóricas de convergência e demonstrando eficácia em distribuições multimodais e tarefas de inferência bayesiana.
Este artigo apresenta uma análise teórica que estabelece limites quantitativos de erro para problemas inversos bayesianos utilizando priores generativos treinados, demonstrando que o erro no posterior herda a taxa de convergência do prior na distância de Wasserstein, com validação através de experimentos numéricos e um problema inverso de EDP elíptica.
O artigo apresenta o HaKAN, um modelo inovador para previsão de séries temporais multivariadas que utiliza redes Kolmogorov-Arnold com funções de ativação baseadas em polinômios de Hahn para oferecer uma alternativa leve, interpretável e de alto desempenho, superando métodos recentes como Transformers e MLPs.
Este artigo apresenta o VR-SDA-A, um método inovador de redução de variância que combina momentum recursivo com verificação de curvatura por mesma amostra para superar a barreira da estocasticidade em desigualdades variacionais estocásticas, alcançando complexidade de oráculo ótima de O(ε⁻³) e permitindo adaptação automática da taxa de aprendizado em cenários não convexos e não côncavos.
O artigo propõe redes neurais bayesianas singularizadas que, ao parametrizar os pesos como produtos de matrizes de baixo posto, reduzem drasticamente o número de parâmetros e melhoram a calibração e a detecção de dados fora da distribuição, mantendo um desempenho competitivo com ensembles profundos.
Este artigo formaliza a perda de diversidade em modelos de difusão guiados por classificação (CFG) como uma distorção generativa, demonstrando através de análise de física estatística que esse fenômeno surge em um regime de alta dimensão e propondo um novo cronograma de orientação com janela de orientação negativa para mitigar a redução de variância sem comprometer a separabilidade das classes.
Este artigo demonstra teoricamente e valida empiricamente que as alucinações em modelos de linguagem são uma consequência inevitável da otimização de memória sob capacidade limitada, onde a estratégia informacionalmente ótima para testes de associação em dados esparsos exige a atribuição de alta confiança a alguns fatos incorretos como resultado da compressão com perdas.
O artigo apresenta o GVP-WM, um método que utiliza modelos de mundo para corrigir planos gerados por vídeo, transformando-os em sequências de ações viáveis e fisicamente consistentes por meio de otimização no espaço latente.
O estudo demonstra que a qualidade da geração em Modelos de Difusão Descentralizados é governada pelo alinhamento entre os especialistas e os dados, e não pela estabilidade numérica, pois o roteamento que prioriza especialistas treinados em distribuições de dados próximas ao estado atual de remoção de ruído produz resultados superiores, mesmo que isso resulte em dinâmicas de amostragem menos estáveis.
Este artigo apresenta uma abordagem baseada em bandit contextual, utilizando amostragem de Thompson, para otimizar a sequência personalizada de exercícios em sistemas de recomendação educacional, demonstrando que tal método maximiza o ganho de habilidades dos alunos em plataformas de tutoria online em larga escala.
Este artigo estabelece um princípio de universalidade para modelos de tensores espigados assimétricos, demonstrando que, sob condições de momento finito, o comportamento espectral e os limites estatísticos do estimador de máxima verossimilhança selecionado são robustos e idênticos aos do caso gaussiano, mesmo na presença de ruído não gaussiano.
O artigo apresenta o BLITZRANK, um framework baseado em grafos de torneio que permite a agentes de classificação zero-shot identificar os melhores itens com maior precisão e eficiência, reduzindo significativamente o custo computacional ao extrair e agregar preferências implícitas de comparações múltiplas.