7593 artigos
O artigo apresenta o NOBLE, uma arquitetura que adiciona ramificações de baixo rank não lineares permanentes às camadas lineares dos transformers para acelerar o pré-treinamento do zero, alcançando ganhos significativos de eficiência e velocidade de convergência com sobrecarga mínima de parâmetros e tempo.
O artigo apresenta o COLD-Steer, um framework livre de treinamento que controla o comportamento de Grandes Modelos de Linguagem (LLMs) em tempo de inferência ao aproximar as mudanças de representação resultantes do aprendizado em contexto, alcançando alta eficácia de direcionamento com até 50 vezes menos exemplos do que os métodos existentes.
Este artigo apresenta uma abordagem de cache semântico que reduz o tempo de execução de aprendizado de conceitos em uma ordem de grandeza ao otimizar a recuperação de instâncias para tanto reasoners simbólicos quanto neuro-simbólicos.
Este artigo desafia a suposição de que ataques de backdoor em modelos de difusão multimodais são mais eficazes ao atacar múltiplas modalidades simultaneamente, demonstrando que ocorre um "colapso de modalidade" onde o mecanismo de ataque degenera para depender predominantemente de um único subconjunto de modalidades, tornando as demais redundantes.
Este estudo apresenta um sistema de inteligência artificial treinado em mais de 45.000 imagens de ultrassom que não apenas diagnostica fendas orofaciais fetais com precisão superior à de radiologistas júnior e comparável à de especialistas seniores, mas também atua como um copiloto médico para aumentar a sensibilidade diagnóstica e acelerar o desenvolvimento de expertise clínica em condições raras.
Este artigo demonstra como modelos de transformadores podem ser treinados para prever com precisão e baixo custo computacional as transições atômicas em nano-clusters, validando seus resultados físicos e permitindo a geração de múltiplos microestados.
Este artigo apresenta um novo método de interpretabilidade para previsão hierárquica de séries temporais probabilísticas que, ao explicar a importância das variáveis, a incerteza e as mudanças nos dados, aumenta a confiança e a adoção de modelos de previsão em cenários industriais complexos, como demonstrado em estudos de caso reais de uma grande empresa química.
O artigo apresenta o CODEC, um método que utiliza autoencoders esparsos para decompor o comportamento de redes neurais em contribuições causais esparsas, permitindo uma interpretação mais profunda e o controle manipulativo das camadas intermediárias em modelos de classificação de imagens e de atividade neural.
O artigo propõe o H²RL, uma abordagem híbrida de aprendizado por reforço profundo que utiliza pré-treinamento baseado em opções lógicas para alinhar agentes a objetivos de longo prazo, superando as limitações de métodos puramente simbólicos ou neurais em tarefas complexas.
O artigo apresenta o AllScAIP, um modelo de potencial interatômico baseado em aprendizado de máquina que utiliza atenção entre todos os nós para capturar interações de longo alcance de forma orientada por dados, superando as limitações de modelos anteriores e alcançando precisão de ponta em sistemas moleculares e materiais.
O artigo apresenta o SCOPE, um framework plug-and-play que melhora a segmentação 3D incremental de poucos exemplos ao enriquecer protótipos de novas classes com informações extraídas de regiões de fundo não rotuladas, alcançando desempenho superior e reduzindo o esquecimento catastrófico.
O artigo apresenta o BEVLM, um framework que integra representações de Visão de Pássaro (BEV) com Modelos de Linguagem de Grande Escala (LLMs) para superar limitações de consistência espacial e riqueza semântica, resultando em melhorias significativas de 46% na precisão de raciocínio em cenas de direção e de 29% no desempenho de condução autônoma em cenários críticos de segurança.
Este artigo propõe um estimador de regressão linear para dados de painel multidimensionais com efeitos fixos interativos, que combina métodos de fator de Bai (2009) com uma transformação ponderada dentro do grupo para alcançar consistência na taxa paramétrica e normalidade assintótica, sendo aplicado para estimar a elasticidade-preço da demanda por cerveja.
Este artigo propõe dois algoritmos de primeira ordem sem derivadas (zeroth-order), o ZO-PDAPG e o ZO-RMPDPG, que garantem complexidade iterativa para encontrar pontos estacionários em problemas minimax não convexos com restrições lineares acopladas, estabelecendo novos padrões de desempenho, especialmente no cenário estocástico sem restrições acopladas.
O artigo apresenta a Colaboração de Dados Ortonormal (ODC), um método que impõe bases ortonormais para reduzir o alinhamento de representações a um problema de Procrustes Ortogonal com solução fechada, garantindo concordância ortogonal, estabilidade numérica e acelerações de até 100 vezes sem comprometer a privacidade ou a precisão.
Este trabalho propõe uma abordagem de otimização submodular multi-tarefa que, ao introduzir um termo de regularização por entropia relativa, garante robustez distribucional local e eficiência computacional através de métodos gananciosos, validada em cenários de seleção de satélites e sumarização de imagens.
Este artigo apresenta um novo método de aprendizado que, ao utilizar duas fases de treinamento para distilar informações privilegiadas de um algoritmo heurístico, resolve o Problema do Caixeiro Viajante com Vizinhanças para veículos não holonômicos de forma 50 vezes mais rápida que o método original, superando outras abordagens de aprendizado por imitação e reforço.
O artigo apresenta o HEroBM, uma rede neural gráfica equivariante profunda e escalável que realiza o backmapping universal e preciso de representações de grão grosso para atômicas em qualquer sistema químico, superando as limitações de métodos anteriores em transferibilidade e qualidade geométrica.
Este artigo propõe e analisa um algoritmo assintoticamente ótimo para um problema de aprendizado online e otimização com decisões irreversíveis de cobertura, demonstrando que uma política que equilibra exploração inicial e exploração subsequente minimiza o arrependimento de forma sublinear à medida que o número de instalações aumenta.
O artigo apresenta o GPSL, um esquema de aprendizado dividido paralelo que, ao fixar o tamanho do lote global e utilizar amostragem global, elimina vieses de arredondamento e estabiliza o treinamento em cenários de dados não-IID, alcançando precisão comparável à centralizada com overhead negligenciável.