cs.LG artigos | Gist.Science

Real-time loosely coupled GNSS and IMU integration via Factor Graph Optimization

Este artigo propõe uma arquitetura de integração GNSS/IMU em tempo real baseada em Otimização de Grafos de Fatores (FGO) para ambientes urbanos desafiadores, demonstrando que, embora haja uma redução na precisão de posicionamento em comparação com métodos de processamento em lote, a abordagem oferece maior disponibilidade de serviço e eficiência computacional, estabelecendo um equilíbrio crítico entre precisão, disponibilidade e desempenho em tempo real.

Radu-Andrei Cioaca, Cristian Rusu, Paul Irofti + 3 more2026-03-05🤖 cs.LG

Real-time tightly coupled GNSS and IMU integration via Factor Graph Optimization

Este trabalho apresenta um método de otimização de grafos de fatores (FGO) para integração GNSS-IMU em tempo real e acoplamento rigoroso, que utiliza marginalização com atraso fixo para permitir estimativa causal de estados e demonstrar alta robustez em ambientes urbanos degradados.

Radu-Andrei Cioaca, Paul Irofti, Cristian Rusu + 3 more2026-03-05🤖 cs.LG

Build, Judge, Optimize: A Blueprint for Continuous Improvement of Multi-Agent Consumer Assistants

Este artigo apresenta um blueprint prático para avaliar e otimizar assistentes de compras conversacionais em produção, introduzindo uma rubrica de avaliação multidimensional e duas estratégias de otimização de prompts baseadas no GEPA — Sub-agent GEPA e MAMuT GEPA — para aprimorar sistemas multi-agente complexos.

Alejandro Breen Herrera, Aayush Sheth, Steven G. Xu + 5 more2026-03-05🤖 cs.AI

Transport Clustering: Solving Low-Rank Optimal Transport via Clustering

O artigo apresenta o "Transport Clustering", um algoritmo que reduz o problema de transporte ótimo de baixo posto a um problema de agrupamento, oferecendo aproximações com garantias teóricas e desempenho superior em comparação com métodos existentes.

Henri Schmidt, Peter Halmos, Ben Raphael2026-03-05🤖 cs.LG

ByteFlow: Language Modeling through Adaptive Byte Compression without a Tokenizer

O artigo apresenta o ByteFlow Net, uma nova arquitetura hierárquica que elimina a necessidade de tokenizadores pré-definidos ao permitir que o modelo aprenda dinamicamente a segmentação de fluxos de bytes brutos com base na compressão, resultando em ganhos de desempenho superiores em comparação com abordagens tradicionais.

Chunyuan Deng, Sanket Lokegaonkar, Colin Lockard + 3 more2026-03-05🤖 cs.LG

Controllable Generative Sandbox for Causal Inference

O artigo apresenta o CausalMix, um framework generativo variacional que preenche a lacuna entre realismo distribucional e controle causal em dados tabulares mistos, permitindo a manipulação independente de sobreposição, confusão não medida e heterogeneidade de efeitos para validação de métodos e estudos de simulação.

Qi Zhang, Harsh Parikh, Ashley Naimi + 3 more2026-03-05🤖 cs.LG

SENTINEL: Stagewise Integrity Verification for Pipeline Parallel Decentralized Training

O SENTINEL é um mecanismo de verificação leve baseado em médias móveis exponenciais que garante a integridade do treinamento descentralizado com paralelismo de pipeline em nós não confiáveis, permitindo o treinamento de grandes modelos de linguagem sem duplicação computacional e mantendo garantias teóricas de convergência.

Hadi Mohaghegh Dolatabadi, Thalaiyasingam Ajanthan, Sameera Ramasinghe + 5 more2026-03-05🤖 cs.LG

Hybrid Belief Reinforcement Learning for Efficient Coordinated Spatial Exploration

Este artigo apresenta um framework híbrido de aprendizado por reforço baseado em crenças (HBRL) que combina modelagem probabilística de demanda espacial com transferência de conhecimento para aprendizado profundo, permitindo que múltiplos agentes autônomos explorem e atendam demandas heterogêneas de forma coordenada e eficiente, superando significativamente as abordagens tradicionais em recompensa acumulada e velocidade de convergência.

Danish Rizvi, David Boyle2026-03-05🤖 cs.LG

MEM: Multi-Scale Embodied Memory for Vision Language Action Models

Este trabalho apresenta o MEM (Multi-Scale Embodied Memory), uma arquitetura de memória mista que combina representações de vídeo de curto prazo e texto de longo prazo para capacitar modelos de ação visual e linguística a executar tarefas robóticas complexas de longa duração e adaptar suas estratégias de manipulação de forma inteligente.

Marcel Torne, Karl Pertsch, Homer Walke + 14 more2026-03-05🤖 cs.LG

NuMuon: Nuclear-Norm-Constrained Muon for Compressible LLM Training

O artigo apresenta o NuMuon, um otimizador que aprimora o Muon ao adicionar uma restrição de norma nuclear, resultando em modelos de linguagem grandes com estrutura de baixo posto que são mais compressíveis e mantêm alta qualidade após a compressão, sem comprometer a convergência.

Hadi Mohaghegh Dolatabadi, Thalaiyasingam Ajanthan, Sameera Ramasinghe + 7 more2026-03-05🤖 cs.LG

Riemannian Optimization in Modular Systems

Este artigo combina geometria Riemanniana, teoria de controle ótimo e física teórica para desenvolver um framework de otimização modular em redes neurais que introduz uma métrica Riemanniana recursiva de baixo custo computacional e fornece garantias de estabilidade de convergência, oferecendo uma alternativa prática ao gradiente natural e insights sobre sistemas modulares em biologia e engenharia.

Christian Pehle, Jean-Jacques Slotine2026-03-05🤖 cs.LG

Extending Neural Operators: Robust Handling of Functions Beyond the Training Set

Este artigo apresenta uma estrutura rigorosa para estender operadores neurais a funções fora da distribuição de treinamento, utilizando aproximações de kernel e espaços de Hilbert de núcleo reprodutor para garantir a precisão na captura de valores e derivadas, com validação empírica na resolução de equações diferenciais parciais elípticas em variedades.

Blaine Quackenbush, Paul J. Atzberger2026-03-05🤖 cs.LG

Riemannian Langevin Dynamics: Strong Convergence of Geometric Euler-Maruyama Scheme

Este trabalho estabelece a convergência forte de ordem 1/2 para um esquema de Euler-Maruyama geométrico aplicado a equações diferenciais estocásticas em variedades Riemannianas, fornecendo como aplicação uma cota de Wasserstein para amostragem via dinâmica de Langevin Riemanniana.

Zhiyuan Zhan, Masashi Sugiyama2026-03-05🤖 cs.LG

Adaptive Sensing of Continuous Physical Systems for Machine Learning

Este artigo propõe um quadro de computação geral para a extração adaptativa de informações de sistemas dinâmicos, onde um módulo de atenção treinável aprende onde sondar o estado do sistema e como combinar essas medições para otimizar o desempenho preditivo, demonstrando que o sensoriamento espacial adaptativo melhora significativamente a precisão em benchmarks caóticos e recontextualiza as redes neurais como dispositivos de medição treináveis.

Felix Köster, Atsushi Uchida2026-03-05🤖 cs.LG

Freezing of Gait Prediction using Proactive Agent that Learns from Selected Experience and DDQN Algorithm

Este estudo apresenta um quadro de aprendizado por reforço baseado em Double Deep Q-Network (DDQN) com Replay de Experiência Priorizada, capaz de prever episódios de Congelamento da Marcha em pacientes com Parkinson até 8,72 segundos antes do início, permitindo intervenções proativas em dispositivos vestíveis.

Septian Enggar Sukmana, Sang Won Bae, Tomohiro Shibata2026-03-05🤖 cs.LG

Graph Negative Feedback Bias Correction Framework for Adaptive Heterophily Modeling

Este artigo propõe o framework GNFBC, que utiliza um mecanismo de realimentação negativa para corrigir o viés introduzido pela suposição de homofilia em Redes Neurais de Grafos, permitindo assim um modelamento eficaz e adaptativo de grafos heterofílicos sem depender de estratégias de agregação específicas.

Jiaqi Lv, Qingfeng Du, Yu Zhang + 2 more2026-03-05🤖 cs.AI

Principled Learning-to-Communicate with Quasi-Classical Information Structures

Este artigo formaliza o aprendizado para comunicação em ambientes parcialmente observáveis através de estruturas de informação, identificando problemas "quase-clássicos" que preservam essa estrutura após o compartilhamento de informações e desenvolvendo algoritmos de planejamento e aprendizado com complexidade comprovada para esses casos.

Xiangyu Liu, Haoyi You, Kaiqing Zhang2026-03-05🤖 cs.LG

Machine Pareidolia: Protecting Facial Image with Emotional Editing

O artigo apresenta o MAP, um método inovador de proteção de privacidade facial que utiliza edições emocionais e o ajuste fino de uma rede de pontuação para disfarçar identidades originais, superando abordagens anteriores em fidelidade, adaptabilidade a diversos grupos demográficos e eficácia contra sistemas de reconhecimento facial.

Binh M. Le, Simon S. Woo2026-03-05🤖 cs.LG

Local Shapley: Model-Induced Locality and Optimal Reuse in Data Valuation

O artigo propõe o método LSMR, que aproveita a localidade induzida por modelos para reduzir drasticamente o custo computacional da valoração de dados via valor de Shapley, retraindo apenas os subconjuntos de dados verdadeiramente influentes para cada instância de teste.

Xuan Yang, Hsi-Wen Chen, Ming-Syan Chen + 1 more2026-03-05🤖 cs.AI

A Stein Identity for q-Gaussians with Bounded Support

Este trabalho deriva uma nova identidade de Stein para q-Gaussianas com suporte limitado, generalizando teoremas anteriores e simplificando sua aplicação via distribuições de escolta, o que permite estimadores de gradiente com baixa variância úteis para aprendizado profundo bayesiano e minimização sensível à nitidez.

Sophia Sklaviadis, Thomas Moellenhoff, Andre F. T. Martins + 2 more2026-03-05🤖 cs.LG

← Anterior Próximo →