7279 artigos
O artigo apresenta o Ditto, um framework de síntese de cabeças falantes baseado em difusão que, ao gerar representações em um espaço de movimento específico e otimizar sua arquitetura para processamento em streaming, permite a criação de vídeos realistas com controle fino e inferência em tempo real.
Este artigo propõe variantes esparsas de Máquinas de Vetores de Suporte com Superfície Quadrática (QSVM) que utilizam uma restrição de cardinalidade () para mitigar o sobreajuste e melhorar a interpretabilidade, desenvolvendo um algoritmo de decomposição de penalidade eficiente com garantias de convergência e demonstrando eficácia em benchmarks públicos e aplicações de crédito.
Esta pesquisa oferece uma visão geral estruturada sobre como os modelos de linguagem multimodais estão transformando o ciclo de vida científico, abrangendo desde a descoberta e experimentação até a geração de conteúdo e avaliação, ao mesmo tempo que discute técnicas, tendências, desafios éticos e o potencial de integração em futuros sistemas de "IA para Ciência".
O artigo apresenta o FragFM, uma nova estrutura hierárquica baseada em correspondência de fluxo discreto em nível de fragmentos que permite a geração eficiente e escalável de moléculas com melhor controle de propriedades, além de propor o benchmark NPGen para avaliar a capacidade de modelos generativos de criar moléculas semelhantes a produtos naturais.
O artigo apresenta o SysDPO, um framework que alinha sistemas de IA compostos com preferências humanas ao modelá-los como grafos acíclicos direcionados e estender a Otimização Direta de Preferências (DPO) para superar desafios como interações não diferenciáveis e a dificuldade de traduzir preferências de nível de sistema para componentes individuais.
Este artigo investiga a robustez adversarial de classificadores quânticos particionados, demonstrando que perturbações direcionadas a técnicas de divisão de circuitos ou teletransporte equivalem à implementação de portas adversariais em camadas intermediárias, analisando esse fenômeno tanto teoricamente quanto experimentalmente.
Este artigo apresenta o CAPS, um método inovador que utiliza VQ-VAEs para criar representações estruturadas e reequilibrar conjuntos de dados desbalanceados em aprendizado por imitação, resultando em melhorias significativas no desempenho e na generalização de sistemas de direção autônoma no simulador CARLA.
Este estudo controlado demonstra que, embora modelos de linguagem pré-treinados (LLMs) apresentem potencial para previsão de séries temporais, sua eficácia real é frequentemente mascarada por viés de pequenos conjuntos de dados e, em avaliações rigorosas, eles não superam consistentemente modelos especializados treinados em grandes volumes de dados temporais.
Este artigo adota uma abordagem centrada nas sobreviventes para expor como o atual ecossistema técnico malicioso, composto por modelos de código aberto e softwares de "nudificação", e as falhas nas práticas de governança de IA, como as refletidas no relatório NIST AI 100-4, falham em prevenir eficazmente a criação de imagens íntimas não consensuais geradas por IA de adultos.
Este artigo de revisão oferece uma visão abrangente sobre o Aprendizado Federado, abordando sua arquitetura, desafios técnicos como dados não-IID e heterogeneidade, mecanismos de privacidade, tendências emergentes e aplicações práticas para orientar o desenvolvimento de sistemas colaborativos escaláveis e seguros.
Este artigo apresenta o FourierSpecNet, uma arquitetura híbrida que integra o método espectral de Fourier com aprendizado profundo para aproximar com eficiência o operador de colisão da equação de Boltzmann, oferecendo precisão competitiva, redução significativa de custo computacional e capacidade de super-resolução zero-shot para cenários elásticos e inelásticos.
Este artigo propõe uma nova arquitetura de Rede Neural em Grafos Heterogêneos que, ao integrar aprendizado multi-tarefa e camadas de poda de grafos, melhora significativamente a reconstrução de hádrons de beleza e a associação de vértices em colisões de partículas do LHC, superando desafios de escalabilidade e latência.
O artigo apresenta o RM-R1, uma nova classe de Modelos de Recompensa de Raciocínio (ReasRMs) que integra cadeias de raciocínio e o mecanismo de "cadeia de rubricas" para melhorar a interpretabilidade e o desempenho na modelagem de recompensas, superando modelos proprietários e de grande porte em benchmarks padrão.
Este artigo apresenta uma variante do passo de Polyak para o método de descida do espelho entrópico na resolução de sistemas lineares, superando desafios de convergência devido à natureza ilimitada do domínio, aprimorando os limites de viés implícito e estabelecendo garantias de convergência para funções convexas suaves.
Este artigo apresenta o EVA, um novo framework de aprendizado de características assíncronas inspirado em modelos de linguagem que supera métodos anteriores em tarefas de reconhecimento e detecção, permitindo o processamento eficiente e expressivo de dados de câmeras de eventos.
O artigo apresenta o ESGenius, o primeiro benchmark abrangente para avaliar o conhecimento de modelos de linguagem em ESG e sustentabilidade, demonstrando que, embora os modelos de ponta apresentem desempenho moderado em cenários zero-shot, a integração de métodos de Geração Aumentada por Recuperação (RAG) com um corpus de fontes autoritativas eleva significativamente a precisão, especialmente em modelos menores.
O artigo apresenta o ContextBench, um benchmark que avalia métodos de modificação de contexto para ativar características latentes específicas em modelos de linguagem, demonstrando que variantes aprimoradas do EPO alcançam o estado da arte ao equilibrar eficazmente a força de elicitação e a fluência linguística.
O artigo apresenta o Sysformer, uma abordagem inovadora que utiliza um modelo transformador para adaptar dinamicamente os prompts de sistema de grandes modelos de linguagem (LLMs) congelados, melhorando significativamente sua robustez contra ataques de jailbreak e garantindo respostas seguras sem a necessidade de custosos ajustes nos parâmetros do modelo.
O artigo propõe o SPoT, uma estratégia inovadora de tokenização que posiciona tokens continuamente dentro das imagens, superando as limitações das grades discretas e permitindo que os Vision Transformers explorem regimes de esparsidade para obter ganhos significativos de desempenho e eficiência.
Este artigo apresenta o QCAI, um novo método pós-hoc para interpretar mecanismos de atenção cruzada em transformadores, que alcança desempenho superior em precisão e interpretabilidade na previsão de ligações TCR-pMHC ao ser validado pelo novo benchmark TCR-XAI.