7279 artigos
O artigo apresenta o MolCrystalFlow, um modelo generativo baseado em fluxo que prevê estruturas de cristais moleculares ao desacoplar a complexidade intramolecular do empacotamento intermolecular, representando centros e orientações em variedades Riemannianas para respeitar simetrias geométricas e acelerar a descoberta de materiais.
Este estudo demonstra que, apesar do desempenho promissor de modelos de linguagem em fluxos de trabalho agênicos para correção de bugs, a capacidade de raciocínio em contextos longos é limitada, pois o sucesso depende da decomposição de tarefas em etapas de contexto curto, enquanto a geração de patches em contextos genuinamente longos (64k tokens) resulta em degradação severa de desempenho devido a falhas sistemáticas.
O artigo apresenta o FLoRG, um framework de ajuste fino federado que utiliza agregação de matrizes de Gram de baixa ordem e alinhamento de Procrustes para eliminar erros de agregação, reduzir a deriva de decomposição e diminuir significativamente a sobrecarga de comunicação, superando os métodos existentes em precisão e eficiência.
O artigo apresenta o CoSiNE, um modelo que combina cadeias de Markov contínuas com redes neurais para capturar a dinâmica evolutiva e as interações epistáticas em anticorpos, superando os métodos atuais na previsão de efeitos de variantes e permitindo a otimização direcionada da afinidade de ligação.
Este estudo utiliza um ciclo autônomo de geração e teste de hipóteses para demonstrar que modelos de base biológica aprendem estruturas geométricas e topológicas genuínas e compartilhadas, embora essas descobertas sejam mais robustas em tecidos imunes do que em outros contextos.
O artigo apresenta o EMPO, um framework híbrido de aprendizado por reforço que integra memória para aprimorar a exploração e combina atualizações on- e off-policy, resultando em agentes de LLM significativamente mais adaptáveis e com melhor desempenho em tarefas novas e ambientes complexos.
Este artigo demonstra que o colapso de modalidades em LLMs multimodais é causado por um problema de decodificação incompatível, onde a perda de informação é limitada pelo desajuste distribucional e pela regra de pontuação do decodificador, e não pela arquitetura do modelo, provando que o objetivo de treinamento determina quais informações multimodais permanecem acessíveis.
Este artigo propõe um pipeline iterativo "Web-Knowledge-Web" que utiliza grafos de conhecimento e estimativas de cobertura inspiradas na ecologia para descobrir e mapear com maior precisão e eficiência pequenas e médias empresas em setores industriais específicos, superando as lacunas de cobertura das bases de dados comerciais existentes.
Este artigo estabelece uma equivalência de primeira ordem entre intervenções no espaço de ativação e atualizações de pesos, propondo um framework principiado que identifica a saída pós-bloco como o local ideal para "steering" e introduz uma abordagem de adaptação conjunta que supera os métodos existentes em eficiência e desempenho.
Este trabalho propõe uma decomposição funcional de Anel Tensorial reparametrizada, que utiliza Representações Neurais Implícitas e uma estrutura de base fixa para superar as limitações de dados em malhas e melhorar a recuperação de detalhes de alta frequência em tarefas de reconstrução de dados multidimensionais.
Este artigo propõe um framework acústico compacto que combina um codificador CNN multirramo com uma Unidade de Memória Legendre (LMU) aprimorada e uma fusão de ensemble de posterior calibrada para melhorar a generalização entre domínios na classificação de choro de bebês, superando desafios como sinais não estacionários, anotações limitadas e deslocamentos de domínio.
O artigo apresenta o Whisper-RIR-Mega, um novo conjunto de dados de benchmark que emparelha falas limpas do LibriSpeech com suas versões reverberadas usando respostas ao impulso reais, visando avaliar e melhorar a robustez de modelos de reconhecimento automático de fala (ASR) às variações acústicas de ambientes.
O artigo apresenta o RigidSSL, um framework de pré-treinamento auto-supervisionado que integra aprendizado geométrico baseado em rigidez e dinâmica molecular para superar limitações atuais na geração de proteínas, melhorando significativamente a projetabilidade, a diversidade e a precisão na modelagem de ensembles conformacionais.
O artigo apresenta o mlx-vis, uma biblioteca Python de código aberto que implementa métodos de redução de dimensionalidade e renderização de visualizações acelerados por GPU no Apple Silicon, utilizando o framework MLX para oferecer um pipeline completo de processamento de dados e geração de vídeos com alto desempenho.
O artigo propõe o "Traversal-as-Policy", um método que distila logs de execução em Árvores de Comportamento Portãoizadas (GBTs) executáveis para substituir a geração livre de LLMs por uma política de controle verificável e segura, demonstrando melhorias significativas em taxas de sucesso, redução de violações e eficiência de custos em benchmarks como SWE-bench Verified e WebArena.
Este trabalho propõe um framework de treinamento regularizado por privacidade que aborda o vazamento de informações composicional em sistemas sequenciais de agentes LLM, demonstrando que a privacidade nesses ambientes deve ser tratada como uma propriedade sistêmica e não apenas através de restrições locais.
O artigo apresenta o RoboLayout, uma extensão do LayoutVLM que aprimora a geração de layouts de cenas 3D para agentes corporificados ao integrar restrições de alcançabilidade em um processo de otimização diferenciável e incluir uma etapa de refinamento local, permitindo a criação de ambientes semanticamente coerentes e fisicamente viáveis para diversos tipos de agentes.
Este artigo apresenta o primeiro framework computacional multimodal para prever o prognóstico da nefrite lúpica pediátrica, utilizando apenas biópsias coradas com PAS e dados clínicos estruturados por meio de um Transformer de Injeção Clínica e uma estratégia de adaptação de domínio baseada em MAE, alcançando alta precisão na previsão da resposta ao tratamento.
O artigo propõe o JAWS, uma estratégia de regularização probabilística que ajusta adaptativamente a força da regularização com base na complexidade física local, permitindo que modelos de operadores neurais realizem rollouts de longo prazo estáveis e precisos em sistemas dinâmicos com descontinuidades, superando o dilema entre contração e dissipação e reduzindo os custos computacionais.
O artigo apresenta o VDCook, um sistema operacional de dados de vídeo autoevolutivo e configurável que permite a pesquisadores e equipes de domínio vertical gerar, atualizar e expandir continuamente conjuntos de dados especializados para MLLMs por meio de consultas em linguagem natural e síntese controlada.