8656 artigos
Este trabalho generaliza o objetivo do Autoencoder Linear com Foco em Desruído (EDLAE) para uma Perda Quadrática Esperada Desacoplada (DEQL), permitindo soluções eficientes para parâmetros que superam o desempenho do modelo original com em sistemas de recomendação.
Este artigo propõe um novo quadro teórico baseado na "Capacidade do Canal de Contexto" para explicar e prever o esquecimento catastrófico na aprendizagem contínua, demonstrando que arquiteturas que garantem um caminho de contexto estruturalmente obrigatório (como HyperNetworks) superam as limitações teóricas de métodos baseados em algoritmos e alcançam a retenção perfeita de tarefas.
O artigo apresenta o DualSpec, um framework de especulação heterogênea que acelera agentes de pesquisa profunda ao distinguir e otimizar separadamente as ações de busca e visita, alcançando até 3,28 vezes mais velocidade sem comprometer a precisão.
O artigo apresenta o OrthoFormer, uma nova arquitetura baseada em Transformers que integra estimação de variáveis instrumentais via funções de controle neural para separar causalidade de correlações espúrias, garantindo maior robustez e generalização em cenários fora da distribuição.
Este trabalho apresenta o benchmark AndroidWorld-Generalization e um sistema de treinamento de aprendizado por reforço baseado em GRPO para avaliar e melhorar a generalização zero-shot de agentes móveis baseados em modelos de linguagem e visão, demonstrando ganhos significativos em instâncias não vistas, mas desafios persistentes na generalização para novos aplicativos e templates.
O artigo apresenta o "Data Agent", um quadro de seleção de dados dinâmico e de ponta a ponta que formula a seleção como um problema de decisão sequencial orientada pelo treinamento, aprendendo uma política de amostragem que evolui junto com a otimização do modelo para acelerar o treinamento e reduzir custos em mais de 50% sem perda de desempenho em diversas tarefas e arquiteturas.
Este artigo apresenta garantias de amostragem finita para o aprendizado de representações de estado orientado a custos no controle Linear Quadrático Gaussiano (LQG) de horizonte infinito, explorando duas abordagens distintas — uma com dinâmica latente explícita e outra implícita, semelhante ao MuZero — e estabelecendo uma contribuição técnica fundamental sobre a persistência de excitação em um novo processo estocástico.
O artigo apresenta o framework PACT, que preserva o alinhamento de segurança durante o ajuste fino de modelos de linguagem ao restringir especificamente a confiança em tokens relacionados à segurança, evitando assim o desvio de alinhamento sem comprometer a utilidade do modelo em tarefas downstream.
O artigo demonstra que uma tokenização discreta simples, combinada com suavização gaussiana adaptativa, permite que os Transformers superem o XGBoost em previsões tabulares, oferecendo distribuições de probabilidade calibradas e maior eficiência computacional.
O artigo apresenta o Dial, um sistema de NL2SQL baseado em conhecimento que supera as limitações dos métodos existentes ao gerar consultas SQL semanticamente corretas e executáveis em diversos dialetos de banco de dados, utilizando planejamento lógico consciente de dialeto, uma base de conhecimento hierárquica e um ciclo de depuração orientado à execução.
O artigo apresenta o SLNet, uma rede neural superleve e adaptativa para reconhecimento de nuvens de pontos 3D que, ao utilizar componentes inovadores como NAPE e GMU, alcança desempenho competitivo em diversas tarefas com uma fração significativa dos parâmetros e custo computacional de modelos existentes.
O artigo apresenta o Transformer de Duplo Fluxo, uma arquitetura que separa o fluxo residual em componentes de token e contexto para criar um trade-off ajustável entre interpretabilidade e desempenho, permitindo que modelos de linguagem mantenham robustez funcional e aprendam algoritmos discretos enquanto expõem sua estrutura interna por design.
O artigo apresenta o AFTUNE, um framework que garante a integridade computacional de processos de ajuste fino e inferência de modelos proprietários na nuvem, permitindo auditorias verificáveis com sobrecarga computacional prática.
Esta monografia oferece uma visão rigorosa dos aspectos teóricos e metodológicos da inferência probabilística e do aprendizado com o método de Stein, detalhando a construção de discrepâncias de Stein, suas propriedades e sua conexão com o descenso de gradiente variacional de Stein.
Este trabalho propõe um framework leve para adaptação on-device de modelos de aprimoramento de fala em ambientes acústicos dinâmicos, que atualiza menos de 1% dos parâmetros do modelo base via adaptadores de baixo posto e treinamento auto-supervisionado, alcançando melhorias significativas na qualidade perceptiva com rápida convergência em cenários de ruído desafiadores.
Este estudo apresenta um framework condicional baseado em difusão e transformadores que gera um conjunto diversificado de conformações tridimensionais do genoma de *Escherichia coli*, guiado por mapas de contato Hi-C, superando a limitação de modelos determinísticos ao produzir estruturas heterogêneas consistentes com os dados experimentais.
O artigo apresenta a Arquitetura de Fusão Tardia (LFA), que impõe a independência de fluxos arquitetônicos para separar a estrutura simbólica da semântica contextual, demonstrando que essa restrição estrutural garante interpretabilidade por design, modularidade funcional e maior estabilidade de aprendizado em comparação aos transformers tradicionais.
Este artigo apresenta um novo quadro robusto que utiliza a amplitude da resposta do canal para recuperar características ideais a partir de distorções causadas pela dessincronização de relógios em sensores sem fio bistáticos, permitindo medições de deslocamento com precisão na escala subcomprimento de onda e melhorando a acurácia em quase uma ordem de grandeza.
Este artigo propõe um framework aprimorado de Projeções Locais em Subespaço Aleatório (RSLP) que, ao integrar agregação ponderada, amostragem consciente de categorias e seleção adaptativa de tamanho, oferece estimativas robustas de respostas ao impulso e inferência confiável para séries temporais de alta dimensão, reduzindo significativamente a variabilidade do estimador e produzindo intervalos de confiança mais precisos em cenários com centenas de preditores correlacionados.
O artigo apresenta o BoT, um framework unificado e agnóstico a tamanhos que utiliza a Transformada Wavelet Discreta para tratar pesos de modelos como sinais contínuos, permitindo transferência bidirecional de conhecimento (de modelos pequenos para grandes e vice-versa) com economia significativa de FLOPs e desempenho de ponta.