8570 artigos
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.
Este artigo propõe um método de aprendizado TD cooperativo em tempo único para agentes personalizados que compartilham uma representação linear, demonstrando que a decomposição em um subespaço comum e cabeças locais mitiga conflitos de sinais heterogêneos, alcança aceleração linear e supera desafios analíticos decorrentes de amostragem de Markov e dinâmicas de erro interconectadas.
Este artigo propõe a integração de um modelo de regressão vetorial autoregressiva (VAR) com regularização dentro de um autoencoder convolucional para extrair dinâmicas temporais esparsas e interpretáveis de dados de imagem de células, permitindo simultaneamente a redução de dimensionalidade, a visualização de contribuições espaciais e testes estatísticos de sequências temporais.
Este artigo apresenta o GramCol e o IMAP, métodos que localizam espacial e temporalmente conceitos de movimento e objetos em Transformers de Difusão de Vídeo sem necessidade de cálculo de gradiente ou atualização de parâmetros, oferecendo mapas de saliência interpretáveis para tarefas como segmentação semântica zero-shot.
O artigo apresenta o CGL, um framework de aprendizado contínuo para agentes de interface gráfica que combina ajuste fino supervisionado e aprendizado por reforço com mecanismos de ajuste dinâmico e cirurgia de gradientes para equilibrar adaptação a novas tarefas e retenção de conhecimento, validado por um novo benchmark chamado AndroidControl-CL.
Este artigo estabelece a primeira separação teórica entre o Adam e o SGD, demonstrando que a normalização do segundo momento no Adam permite uma dependência de no parâmetro de confiança para a convergência de alta probabilidade, superando a dependência de inerente ao SGD.
O artigo apresenta a Decomposição de Sonda Composicional (CPD) para demonstrar que a alinhamento da tarefa de treinamento e a arquitetura equivariante são fatores determinantes que moldam a acessibilidade linear e a disjunção de informações geométricas e composicionais em modelos de base atômica, revelando que modelos treinados em propriedades específicas (como o gap HOMO-LUMO) organizam seus representações de forma mais eficiente do que aqueles treinados apenas em energia.
O artigo apresenta o XInsight, um framework multiagente inspirado em aconselhamento psicológico que integra o paradigma de Exploração-Insight-Ação com um ciclo de Raciocínio-Intervenção-Reflexão para fornecer suporte digital estruturado e interpretável, validado por meio do novo benchmark XInsight-Bench.
O artigo apresenta o vLLM Hook, um plug-in de código aberto que permite o acesso e a modificação programática dos estados internos de modelos LLM no vLLM, habilitando funcionalidades como detecção de prompts maliciosos, aprimoramento de RAG e direcionamento de ativações.
O artigo apresenta a "Isotonic Layer", uma nova estrutura diferenciável que integra ajuste linear por partes em arquiteturas neurais para garantir viés monotônico global, permitindo calibração granular e adaptativa que mitiga vieses sistemáticos e melhora a precisão preditiva e a consistência de classificação em sistemas de recomendação em larga escala.
Este artigo investiga a origem dos "sumidouros de atenção" em Grandes Modelos de Linguagem, identificando um mecanismo específico chamado "P0 Sink Circuit" que permite a modelos reconhecerem o primeiro token sem informação semântica, surgindo precocemente no treinamento e concentrando-se nas primeiras camadas, o que pode servir como indicador de convergência.
Este trabalho demonstra que estruturas latentes hierárquicas no processo de geração de dados unificam a explicação do surgimento de fenômenos mecanísticos distintos em modelos de linguagem, utilizando corpora sintéticos gerados por gramáticas livres de contexto probabilísticas para investigar e validar essas descobertas tanto em dados sintéticos quanto em modelos reais.
O artigo apresenta a Hierarchical Embedding Fusion (HEF), uma abordagem de duas etapas que comprime repositórios de código em uma hierarquia de vetores densos e os integra ao gerador via pseudo-tokens, permitindo uma geração de código assistida por recuperação com latência ultrabaixa e precisão comparável a métodos baseados em snippets.
O artigo apresenta o FuzzingRL, uma abordagem que combina fuzzing e ajuste fino por reforço adversarial para gerar automaticamente perguntas que exploram sistematicamente as vulnerabilidades de Modelos de Linguagem e Visão (VLMs), reduzindo significativamente sua precisão e demonstrando eficácia na transferência entre diferentes modelos.
O artigo apresenta o SWAN (Switchable Activation Networks), um novo framework que atribui portas binárias determinísticas dependentes da entrada a cada unidade neural, permitindo uma alocação adaptativa de computação que reduz a redundância e melhora a eficiência sem comprometer a precisão, unificando assim os benefícios da esparsidade, poda e inferência dinâmica.
O artigo apresenta o paradigma de agrupamento Khatri-Rao, que estende métodos tradicionais como k-Means e agrupamento profundo ao postular que os centróides surgem da interação de conjuntos de protocentróides, resultando em resumos de dados mais sucintos e precisos.
O artigo demonstra que a duplicação de dados é dependente da escala, evidenciando que, à medida que os modelos aumentam sua capacidade, documentos semanticamente equivalentes geram gradientes cada vez mais alinhados e causam colisões semânticas aceleradas, o que degrada o desempenho de modelos grandes e exige novas leis de escala para prever com precisão o impacto da unicidade limitada do corpus de pré-treinamento.
O artigo apresenta um método de pontuação de confiança normalizada para detectar erros e alucinações em modelos de linguagem, demonstrando que o ajuste fino supervisionado (SFT) melhora a calibração da confiança enquanto métodos de aprendizado por reforço a prejudicam, propondo uma solução de pós-ajuste para restaurar a confiabilidade e otimizar sistemas de geração aumentada por recuperação (RAG).