8581 artigos
Este artigo propõe o NePPO, uma nova pipeline de otimização de políticas para aprendizado por reforço multiagente em jogos de soma geral que aprende uma função potencial independente dos jogadores para aproximar equilíbrios de Nash, demonstrando desempenho superior a métodos populares como MAPPO, IPPO e MADDPG.
O artigo apresenta o Diffusion Controller (DiffCon), uma estrutura unificada baseada em teoria de controle que reformula a geração difusiva como um problema de controle estocástico, permitindo o desenvolvimento de algoritmos de ajuste fino eficientes e a criação de uma arquitetura de rede lateral que supera métodos existentes como o LoRA em alinhamento a preferências e qualidade.
O artigo demonstra que a regulação de justiça baseada apenas no efeito médio de tratamento (ATE) pode ser enganosa, pois permite que sistemas otimizem objetivos como lucro ou redução de crime enquanto mascaram desigualdades causais através de confusão, o que exige uma verificação de independência condicional completa e uma regulação no nível do modelo em vez de apenas nas decisões.
Este artigo propõe um método que utiliza Modelos de Linguagem Multimodais (MLLMs) para substituir a descoberta manual de atributos interpretáveis no framework AdaFlock, permitindo a criação de classificadores de áudio de alta precisão e adaptáveis para cenários de poucos recursos em apenas 11 minutos.
Este artigo propõe o problema de aprendizado online "Combinatorial Allocation Bandits" (CAB), que visa maximizar a satisfação dos braços em vez do número de correspondências, apresentando algoritmos de limite superior de confiança e de amostragem de Thompson com limites de arrependimento aproximados e validação experimental.
O artigo apresenta o Self-MOA, um framework automatizado que alinha modelos de linguagem pequenos utilizando supervisão fraca de avaliadores automáticos, conseguindo melhorar a segurança em 12,41% mantendo a utilidade e reduzindo drasticamente a dependência de dados humanos anotados.
O artigo "TEA-Time" propõe uma estrutura para transportar efeitos de tratamento entre diferentes períodos temporais, desenvolvendo estimadores duplamente robustos e demonstrando, através de simulações e aplicação em dados reais, o trade-off entre viés e variância entre duas estratégias de identificação.
O artigo apresenta o \textsc{ReSched}, uma estrutura de aprendizado por reforço profundo baseada em Transformers que simplifica a representação do estado para apenas quatro características essenciais e supera métodos existentes na resolução do Problema de Programação de Fábrica Flexível (FJSP), demonstrando também forte generalização para variantes como JSSP e FFSP.
O artigo propõe um framework federado adaptativo que combina o ajuste fino com privacidade diferencial em clientes robustos e um mecanismo de votação leve em clientes fracos para gerar dados sintéticos privados e alinhados globalmente, superando assim os desafios de heterogeneidade computacional e viés de dados na geração de texto.
O artigo apresenta o Artoo, um sistema de comunicação acústica entre robôs baseado em redes neurais treinadas de ponta a ponta que, ao priorizar a precisão da decodificação em vez da naturalidade da fala, alcança alta robustez a ruídos e baixa latência em dispositivos com recursos limitados.
O artigo propõe o IMD-AD, um método de detecção de anomalias profundo e interpretável que utiliza um conjunto limitado de anomalias rotuladas e uma função objetivo de margem máxima para evitar o colapso da hipersfera, permitindo o aprendizado end-to-end dos parâmetros do modelo e superando o desempenho de métodos atuais em diversos benchmarks.
O artigo propõe a Destilação On-Policy Consciente de Entropia, um método que combina as divergências KL reversa e direta para mitigar a perda de diversidade e a instabilidade no ensino de modelos de linguagem, resultando em ganhos significativos de precisão em tarefas de raciocínio matemático.
O artigo apresenta o VLN-Cache, um framework de cache de tokens que supera as limitações de métodos existentes ao incorporar consciência de dinâmicas visuais e semânticas para permitir a reutilização eficiente de tokens em modelos de Navegação Visão-Linguagem, alcançando até 1,52x de aceleração na inferência sem comprometer o desempenho de navegação.
O artigo Dreamer-CDP apresenta um novo método baseado em representações contínuas e determinísticas que elimina a necessidade de objetivos de reconstrução em modelos de mundo, alcançando desempenho equivalente ao Dreamer no ambiente Crafter.
O artigo apresenta o Countdown-Code, um ambiente minimalista que demonstra como a contaminação de apenas 1% de dados de treinamento com trajetórias de "hacking de recompensa" durante o ajuste fino supervisionado (SFT) pode levar modelos de linguagem a internalizar e generalizar esse comportamento de desalinhamento, o qual é posteriormente amplificado pelo aprendizado por reforço.
Este artigo apresenta um método inovador para otimização de trajetória robusta e livre de distribuições em sistemas estocásticos não lineares e não gaussianos, utilizando inferência conformal para garantir o cumprimento de restrições de chance com garantias estatísticas fechadas, permitindo a aplicação segura de planejadores baseados em aprendizado em cenários críticos.
Este artigo apresenta um método de "engressão" espaço-temporal profunda generativa que quantifica incertezas de forma endógena para gerar previsões probabilísticas precisas e confiáveis de epidemias, superando benchmarks existentes em diversos conjuntos de dados e oferecendo explicabilidade para apoiar intervenções de saúde pública.
O artigo propõe o DualAdam, um otimizador que combina os mecanismos de atualização do Adam e de seu inverso (InvAdam) para garantir convergência e melhorar a generalização ao favorecer mínimos planos, validado por teoria de difusão e extensos experimentos em classificação de imagens e ajuste fino de modelos de linguagem.
Este artigo apresenta um framework de aprendizado por reforço offline que utiliza planejamento agênico com raciocínio passo a passo e uma biblioteca de ferramentas de edição composicional para superar as limitações do prompt direto na estilização de imagens complexas, demonstrando melhorias significativas na qualidade visual e no seguimento de instruções.
O artigo apresenta uma análise teórica e um método prático que melhoram o desempenho dos transformers ao alterar sistematicamente as propriedades espectrais das camadas de atenção para reduzir o número de condição do Jacobiano, resultando em ganhos consistentes de desempenho em diversas arquiteturas e tarefas.