11344 artigos
Este artigo estabelece uma correspondência exata entre o poder computacional de redes neurais em grafos recorrentes e circuitos aritméticos recorrentes sobre números reais, demonstrando que ambas as arquiteturas possuem expressividade equivalente ao simularem mutuamente suas respectivas computações.
Este artigo demonstra teoricamente e experimentalmente que o raciocínio analógico em transformadores emerge da aprendizagem de representações alinhadas para entidades com propriedades semelhantes, sendo facilitado por um currículo de treinamento específico e pela presença explícita de pontes de identidade nos dados.
Este artigo apresenta o fedCI e o fedCI-IOD, métodos de descoberta causal federada que permitem testar independência condicional e inferir relações causais sob confusão latente em conjuntos de dados heterogêneos e distribuídos, preservando a privacidade e superando limitações de amostragem local.
O estudo demonstra que o recorte simples das imagens de raio-X torácico para isolar os pulmões é uma estratégia eficaz para reduzir o aprendizado de atalhos raciais e mitigar vieses diagnósticos, mantendo a precisão do modelo sem comprometer a equidade.
O artigo propõe o Alt-FL, um novo framework de aprendizado federado que utiliza uma estratégia de intercalação baseada em rodadas combinando Privacidade Diferencial, Criptografia Homomórfica e dados sintéticos para equilibrar de forma flexível a proteção de privacidade, a qualidade do aprendizado e a eficiência do sistema.
O artigo propõe o GeoDVF, um framework variacional profundo adaptativo à geometria que otimiza simultaneamente o parâmetro de ordem e as dimensões do domínio computacional, permitindo a descoberta robusta de fases ordenadas complexas no modelo de Landau-Brazovskii sem a necessidade de conhecimento prévio ou restrições de tamanho de domínio.
Os autores propõem uma camada de quantização de características de entrada treinável e específica para tarefas, chamada de quantização suave bitwise, que comprime os dados no dispositivo para reduzir a transferência para servidores remotos, alcançando fatores de compressão de 5x a 16x sem perda significativa de precisão em comparação com modelos de precisão total.
Este artigo propõe um mecanismo de regulação de IA baseado em design de mecanismos e teoria das credais, que força provedores estratégicos a apostarem na conformidade de seus modelos, garantindo a autoexclusão dos não conformes e a participação dos conformes sempre que o conjunto de distribuições não conformes forme um conjunto credal.
Este artigo apresenta o STCV, um novo algoritmo de regressão esparsa que utiliza uma métrica estatística adimensional para identificar leis físicas corretas em sistemas não lineares, superando as distorções causadas pela normalização de dados que comprometem métodos tradicionais como o SINDy.
O artigo propõe o Stable-LoRA, uma estratégia de otimização que estabiliza o aprendizado de características no LoRA ao encolher dinamicamente a matriz A nos estágios iniciais do treinamento, superando as limitações de estabilidade das inicializações não nulas e alcançando desempenho superior sem custos adicionais significativos.
Este artigo propõe uma abordagem de otimização para o recorte do vocabulário em modelos de rascunho de decodificação especulativa, equilibrando a cobertura de tokens e a latência de inferência para alcançar ganhos significativos de throughput e redução de atraso, especialmente em cargas de trabalho específicas de domínio.
Este artigo apresenta o IAENet, um novo framework de aprendizado multi-rótulo baseado em Transformer que, ao integrar dados clínicos heterogêneos e mitigar desequilíbrios de classe, supera os métodos existentes na previsão antecipada de múltiplos eventos adversos intraoperatórios.
O artigo apresenta o KARL, um sistema de agentes de busca empresarial treinados por aprendizado por reforço que, combinando dados sintéticos diversificados e um pipeline de pós-treinamento iterativo, alcança desempenho superior e Pareto-ótimo em tarefas complexas de raciocínio fundamentado, superando modelos fechados de ponta.
Este artigo propõe um novo quadro teórico e computacionalmente eficiente para estimar regras de decisão individualizadas ótimas que incorporam restrições de paridade demográfica e condicional, garantindo equidade em aplicações sociais sem comprometer significativamente a eficácia, conforme demonstrado por simulações e pela aplicação ao Experimento de Seguro de Saúde do Oregon.
Este estudo demonstra que a modificação intencional da topologia arquitetural de Transformers, especificamente ao impor uma topologia esférica limitada e substituir o roteamento de atenção dependente de dados por uma distribuição uniforme, elimina a fase de memorização e acelera drasticamente o fenômeno de "grokking" em tarefas de adição modular, evidenciando que alinhar os vieses geométricos da arquitetura com as simetrias intrínsecas da tarefa é crucial para a generalização imediata.
O artigo apresenta o ASR-TRA, um novo framework de adaptação em tempo de teste baseado em aprendizado por reforço e intervenção causal que utiliza recompensas de alinhamento semântico entre áudio e texto para superar o viés de confirmação e melhorar a robustez de sistemas de reconhecimento de fala em condições desafiadoras.
O SlideSparse é o primeiro sistema que habilita a aceleração via Tensor Cores esparsos da NVIDIA para padrões de esparsidade em GPUs comerciais, utilizando decomposição de janela deslizante e elevação de ativação para alcançar ganhos de velocidade próximos ao limite teórico sem sacrificar a precisão dos modelos de linguagem.
Este trabalho apresenta as Máquinas de Inferência Recursiva (RIMs), um novo quadro de raciocínio neural que integra mecanismos de inferência recursiva clássica aos modelos recursivos existentes, resultando em melhor desempenho em benchmarks complexos de raciocínio e classificação de dados tabulares.
Este artigo propõe um framework de aprendizado federado em duas etapas que agrupa turbinas eólicas autônomas com base em seu comportamento histórico utilizando inicialização DRS e refinamento recursivo, treinando modelos LSTM específicos para cada grupo para alcançar previsões precisas de energia eólica preservando a privacidade dos dados.
Este artigo propõe um novo quadro de auditoria para sistemas de reconhecimento de fala que supera as limitações da Taxa de Erro de Palavras (WER) ao introduzir o Índice de Dificuldade da Amostra (SDI) e métricas semânticas, revelando assim o "imposto de diversidade" que afeta desproporcionalmente falantes marginalizados e permitindo a mitigação de vieses antes da implementação.