6886 artigos
O artigo apresenta o Emotion Collider (EC-Net), uma estrutura baseada em hipergrafos e embeddings no espaço hiperbólico que utiliza aprendizado contrastivo e fusão bidirecional para gerar representações de emoção robustas e semanticamente coerentes, demonstrando alta eficácia em benchmarks multimodais mesmo na presença de ruído ou dados parciais.
O artigo apresenta o ModalImmune, um framework de treinamento que garante imunidade a falhas em sistemas multimodais ao colapsar intencionalmente canais de entrada durante o aprendizado, resultando em representações conjuntas robustas e estáveis frente a remoções ou corrupções de modalidades.
Este artigo apresenta o FlyGM, um modelo de grafo baseado no conectoma exato do cérebro de uma mosca-das-frutas adulta que, integrado a um modelo biomecânico, permite o controle eficiente e estável da locomoção do corpo inteiro sem necessidade de ajustes arquitetônicos específicos para cada tarefa.
Este artigo propõe ferramentas para certificação operacional além da cobertura marginal em preditores conformais, introduzindo correções de amostra pequena e auditorias independentes para garantir limites finitos sobre métricas de implantação como frequência de compromisso e exposição a erros, mapeando assim as compensações geométricas entre esses indicadores em janelas operacionais reais.
Este artigo demonstra que arquiteturas que aprendem operadores equivariantes em um espaço latente podem superar as limitações de redes tradicionais e equivariantes na classificação de objetos sob transformações simétricas não vistas durante o treinamento, embora ainda existam desafios significativos para escalar essa abordagem a conjuntos de dados mais complexos.
Este artigo apresenta um novo benchmark multi-KPI no ambiente CityLearn para avaliar algoritmos de Aprendizado por Reforço Multiagente (MARL) no controle de energia urbana, demonstrando que abordagens de Treinamento Descentralizado com Execução Descentralizada (DTDE) superam consistentemente as centralizadas, enquanto o aprendizado de dependências temporais melhora a sustentabilidade da bateria e a resiliência do sistema.
Este artigo apresenta o RAmmStein, um método de Aprendizado por Reforço Profundo que formula a gestão de liquidez concentrada em DEXs como um problema de controle ótimo, demonstrando que a adaptação do regime de mercado e a "preguiça" estratégica reduzem drasticamente as taxas de transação e superam as estratégias heurísticas tradicionais em rentabilidade líquida.
Este estudo apresenta um benchmark sistemático de quatro arquiteturas de GNN em tarefas de regressão molecular, demonstrando que um framework de fusão hierárquica (GNN+FP) supera consistentemente modelos individuais e revelando, através da análise de similaridade representacional (CKA), que as representações de GNN e de fingerprints ocupam espaços latentes altamente independentes.
O artigo apresenta o MrBERT, uma família de codificadores multilingues modernos e eficientes, otimizados para desempenho de ponta em tarefas específicas de catalão e espanhol, bem como em domínios especializados como biomedicina e direito, com suporte a tamanhos de vetor flexíveis para reduzir custos de inferência.
O artigo apresenta o AVDE, um framework leve e eficiente que utiliza aprendizado contrastivo e um modelo autoregressivo de "predição de próxima escala" para decodificar sinais de EEG em imagens, superando os métodos atuais em precisão e reduzindo significativamente o custo computacional.
O artigo apresenta o CeRA, um adaptador paralelo que supera a limitação linear do LoRA em tarefas de raciocínio complexo ao induzir expansão de variedades via portas SiLU e dropout estrutural, permitindo alcançar desempenho superior com ranks significativamente menores.
Este artigo descreve como o uso de um modelo de linguagem grande (LLM) especializado e ajustado para gerar milhões de rótulos de relevância textual permitiu aprimorar o sistema de classificação da App Store, resultando em ganhos simultâneos na relevância comportamental e textual e em um aumento estatisticamente significativo na taxa de conversão, especialmente para consultas de cauda longa.
Este artigo apresenta o primeiro simulador de detectores de partículas ópticos totalmente diferenciável, que unifica calibração e reconstrução em um único framework baseado em gradientes, simplificando as pipelines de análise e superando ou igualando os métodos convencionais em precisão e velocidade.
O artigo apresenta o Attn-QAT, um método pioneiro de treinamento consciente de quantização (QAT) para atenção em FP4 que, ao corrigir instabilidades de treinamento através de recomputação de baixa precisão e ajustes nos cálculos de gradiente, permite a computação de ponta a ponta em FP4 sem heurísticas de mitigação de outliers, recuperando a qualidade do modelo e oferecendo até 1,5x de aceleração em GPUs RTX 5090.
Este artigo estabelece um novo princípio de partição que demonstra que amostragens estratificadas baseadas em partições de volumes não iguais produzem uma discrepância estrela esperada inferior e limites superiores mais rigorosos do que a amostragem jittered clássica, oferecendo uma base teórica para sua aplicação em integração numérica de alta dimensão.
Este trabalho apresenta um quadro reprodutível para avaliar o raciocínio de modelos multimodais em sinais de ECG, decompondo-o em percepção (verificada via geração de código) e dedução (validada contra critérios clínicos estruturados), permitindo uma avaliação escalável e rigorosa da verdadeira capacidade de raciocínio clínico.
Este artigo apresenta um framework híbrido que combina um Modelo de Markov Oculto para inferir estados ocultos de rivais e uma Rede Q Profunda para otimizar a estratégia de energia em corridas de Fórmula 1 de 2026, permitindo a detecção de armadilhas estratégicas como o "counter-harvest" em um ambiente de observabilidade parcial.
Este relatório descreve o sistema TCG CREST para o desafio DISPLACE-M, demonstrando que uma abordagem híbrida end-to-end baseada no WavLM (Diarizen) superou significativamente a linha de base SpeechBrain, alcançando uma taxa de erro de diarização (DER) de 9,21% e a sexta posição entre 11 equipes.
Este artigo apresenta um pipeline baseado em detecção que integra um localizador e um segmentador para extrair com precisão e generalidade a forma de onda da área glótica a partir de videoendoscopia de alta velocidade, permitindo a avaliação clínica robusta de biomarcadores funcionais em tempo real.
Este artigo propõe um framework robusto que combina a arquitetura híbrida CoAtNet com a técnica de "model soups" para classificar imagens de Patrimônio Cultural Imaterial do Delta do Mekong, alcançando resultados state-of-the-art ao reduzir a variância e melhorar a generalização em cenários com dados limitados.