6386 artigos
O artigo apresenta o FreqCycle, um novo framework de previsão de séries temporais que integra módulos de aprendizado no domínio do tempo e da frequência para capturar padrões de baixa, média e alta frequência, além de sua extensão hierárquica MFreqCycle para lidar com periodicidades acopladas, alcançando desempenho superior e maior eficiência em comparação com métodos existentes.
Este trabalho analisa empiricamente como o viés de rótulo e os subtipos de viés de seleção impactam a avaliação, o desempenho e a eficácia das mitigações em modelos de classificação, introduzindo um novo framework que revela a ausência de trade-off entre justiça e precisão quando os modelos são avaliados em dados não enviesados e destaca a dependência dos métodos de mitigação em relação ao tipo específico de viés presente.
Este trabalho apresenta um framework de código aberto para detecção de anomalias em séries temporais usando Redes Neurais em Grafos (GNNs), que não só demonstra melhor desempenho e interpretabilidade em comparação com modelos de base, mas também oferece uma avaliação crítica das práticas atuais de métricas e thresholding no campo.
O artigo apresenta o EsoLang-Bench, um novo benchmark que utiliza linguagens de programação esotéricas para avaliar o raciocínio genuíno de modelos de linguagem, revelando que, apesar de seu alto desempenho em tarefas de codificação convencionais, eles falham drasticamente ao aprender novas linguagens a partir de documentação, indicando que seus resultados anteriores derivam mais de memorização do que de capacidade de raciocínio transferível.
Este trabalho demonstra que o esquecimento catastrófico no ajuste fino eficiente de parâmetros baseado em decomposição de baixo posto é fortemente influenciado pela geometria e parametrização do subespaço de atualização, destacando que abordagens tensoriais e alinhadas estruturalmente mitigam esse problema ao preservar representações pré-treinadas em cenários de aprendizado sequencial.
O artigo apresenta o ActiveUltraFeedback, um pipeline de aprendizado ativo que utiliza estimativas de incerteza e métodos inovadores de seleção de pares de respostas para gerar dados de preferência de alta qualidade, permitindo o alinhamento eficiente de modelos de linguagem com até seis vezes menos dados anotados em comparação com baselines estáticas.
Este trabalho apresenta o PF-PINO, um operador neural informado pela física que supera os métodos convencionais ao garantir maior precisão, generalização e estabilidade de longo prazo na modelagem paramétrica de evolução microestrutural complexa, como corrosão e solidificação.
O artigo apresenta o Mousse, um novo otimizador que melhora o método Muon ao incorporar a estimativa estrutural do Shampoo para criar um sistema de coordenadas branqueado, permitindo atualizações espectrais adaptativas à curvatura que reduzem o número de etapas de treinamento em cerca de 12% com custo computacional insignificante.
Este artigo propõe uma abordagem de destilação de conhecimento federada guiada por múltiplos protótipos (MP-FedKD) para sistemas de computação de borda multiacesso habilitados por IA-RAN, que utiliza agrupamento hierárquico aglomerativo condicional e uma nova função de perda para mitigar a heterogeneidade de dados não independentes e identicamente distribuídos (não-IID) e evitar a perda de informações inerente às estratégias de protótipo único.
Este artigo estabelece limites superiores de generalização para osciladores neurais baseados em equações diferenciais de segunda ordem, demonstrando teoricamente que seus erros de estimação crescem polinomialmente com o tamanho da rede e o tempo, evitando a maldição da complexidade paramétrica, e validando que a regularização das constantes de Lipschitz melhora o desempenho em sistemas não lineares sob excitação sísmica estocástica.
O artigo estabelece teoremas de aproximação universal global para funcionais de trajetórias lineares por partes, demonstrando que os funcionais lineares das assinaturas correspondentes são densos sob certas condições de integrabilidade, o que permite obter resultados de aproximação para funcionais dependentes de trajetória, equações diferenciais ordinárias aleatórias e equações diferenciais estocásticas impulsionadas por movimento browniano.
Este artigo demonstra que conceitos ausentes, cuja falta ativa neurônios, são comuns em redes neurais e frequentemente ignorados pelos métodos padrão de IA explicável, propondo extensões simples para técnicas de atribuição e visualização de recursos a fim de revelar e explorar essas "ausências codificadas" para melhorar a interpretabilidade e a mitigação de viés.
Este artigo propõe e valida um framework híbrido quântico-clássico que combina redes LSTM com Máquinas de Nascimento de Circuitos Quânticos (QCBM) para prever a volatilidade financeira, demonstrando superioridade em métricas de erro em comparação com modelos puramente clássicos em dados reais do mercado chinês.
Este artigo propõe o esquema ACP-SL, que utiliza um módulo de pontuação de importância de canais sensível ao rótulo para realizar a poda adaptativa de canais no aprendizado dividido, reduzindo assim a sobrecarga de comunicação sem comprometer a precisão.
Este artigo apresenta o -GaBO, uma nova família de algoritmos de otimização bayesiana fundamentada na geometria da informação para otimizar funções no simplex de probabilidade, demonstrando superioridade em relação às abordagens euclidianas convencionais em diversas aplicações reais.
O artigo propõe o "In-Context RLVR", um método que utiliza a capacidade de aprendizado em contexto do próprio modelo para medir a utilidade das demonstrações e reponderar implicitamente as recompensas, priorizando traços de raciocínio de alta qualidade e melhorando assim tanto a precisão quanto a qualidade do raciocínio em benchmarks matemáticos.
Este artigo apresenta o "pseudo-projetor", uma modificação leve inspirada no paradigma multigrid que atua como um corretor de representações ocultas para reduzir a sensibilidade ao ruído e melhorar a dinâmica de treinamento e a robustez em modelos baseados em transformers, sem alterar sua arquitetura central.
Este artigo apresenta um novo framework hierárquico de aprendizado multi-tarefa e multi-fidelidade baseado em processos gaussianos que unifica a exploração de similaridades entre tarefas e a heterogeneidade dos dados para criar modelos substitutos mais precisos e eficientes em termos de dados para sistemas de manufatura.
Este artigo apresenta o HR-GAT, um modelo de rede de atenção hierárquica baseado em grafos que utiliza dados geoespaciais para prever a demanda de espectro com 21% mais precisão que modelos existentes, superando desafios de autocorrelação espacial em cinco cidades canadenses.
O artigo apresenta o GAST, um método inovador de ajuste fino eficiente em parâmetros que otimiza simultaneamente a seleção de dados e de camadas em modelos de linguagem grandes, superando as abordagens existentes ao adaptar dinamicamente os pontos de dados mais impactantes para cada camada específica.