11920 artigos
Este trabalho apresenta o GLOT, um módulo de agrupamento leve e estruturalmente consciente que melhora as representações de frases em modelos de linguagem congelados ao construir e refinar um grafo de similaridade entre tokens, alcançando alta robustez e eficiência computacional superior a métodos de ajuste fino existentes.
Este artigo propõe e valida teoricamente uma nova estratégia adaptativa de seleção de parâmetros para descida de gradiente baseada em kernels, que integra análise de viés-variância e o conceito de dimensão efetiva empírica para alcançar limites ótimos de erro de generalização e superar os métodos existentes.
O artigo demonstra que a introdução de constantes de tempo temporais heterogêneas, inspiradas na biologia, melhora a estabilidade do treinamento e a robustez do Equilibrium Propagation, mantendo um desempenho competitivo em tarefas.
Este trabalho introduz a Energia Livre Surprisal-Rényi (SRFE), um funcional baseado em momentos logarítmicos que recupera as divergências KL direta e reversa como limites singulares, revelando um compromisso explícito entre média e variância e fornecendo uma interpretação precisa de Comprimento Mínimo de Descrição através de limites de grandes desvios.
Este artigo descreve uma variante simples do algoritmo Squint e demonstra, por meio de uma modificação direta da prova original, que ela garante um limite de arrependimento semelhante ao obtido recentemente por Freund et al. para uma variante do algoritmo NormalHedge.
Este artigo propõe um modelo escalável de descoberta causal que, ao integrar dados observacionais e intervencionais com intervenções suaves desconhecidas, utiliza regras de orientação contrastivas para recuperar a estrutura causal subjacente de forma mais precisa e generalizável do que métodos não contrastivos.
Este estudo de replicação do método FairDICE para aprendizado por reforço offline multiobjetivo revela que, embora suas alegações teóricas sejam válidas, um erro de implementação reduzia o algoritmo a comportamento padrão em ambientes contínuos e a falta de especificação de hiperparâmetros exigiu correções para demonstrar sua eficácia em cenários complexos.
O estudo demonstra que a não linearidade dos MLPs em transformers é frequentemente desnecessária e prejudicial, permitindo que um mecanismo de roteamento contextual substitua até 56% desses cálculos por matrizes lineares com custo de perplexidade insignificante ou até mesmo com ganhos de desempenho.
Este artigo apresenta as Redes de Hopfield em Grafos, um modelo baseado em energia que combina recuperação de memória associativa e suavização por Laplaciano de grafos para classificação de nós, demonstrando ganhos significativos de precisão e robustez em redes de citação e gráficos de co-compra.
Este artigo desafia a prática comum de interromper o treinamento de modelos de difusão no mínimo da perda de teste, identificando e quantificando uma fase de "generalização enviesada" em que o modelo continua a reduzir o erro enquanto gera amostras excessivamente próximas aos dados de treinamento devido à natureza sequencial da aprendizagem de características, o que representa um risco crítico para aplicações que exigem privacidade.
O estudo revela que modelos de raciocínio matemático de ponta, apesar de alcançarem alta precisão em benchmarks, frequentemente dependem de caminhos computacionais instáveis e falhas silenciosas, demonstrando que a acurácia superficial mascara uma confiabilidade fundamentalmente frágil e que o aumento de parâmetros não garante melhorias no raciocínio.
Este artigo propõe um algoritmo minimax ótimo para aprendizado por reforço com observações de estado atrasadas, combinando métodos de augmentação e limites superiores de confiança para alcançar um limite de arrependimento que coincide com o limite inferior teórico.
O artigo apresenta o PERSIST, um novo paradigma de modelo de mundo que simula a evolução de uma cena 3D latente para superar as limitações de consistência e memória espacial dos modelos atuais, permitindo a geração de vídeos interativos com memória espacial persistente, geometria coerente e controle direto no espaço 3D.
O artigo apresenta o MasCOR, um quadro de co-otimização assistido por aprendizado de máquina que supera as limitações da programação matemática ao integrar design e operação em tempo real de sistemas de e-combustíveis sob incerteza renovável, demonstrando sua eficácia na identificação de estratégias específicas para locais na produção de e-metanol na Europa.
Este trabalho aborda os desafios de confiabilidade em aceleradores neurais de computação em memória, demonstrando como pequenas variações de dispositivos podem causar falhas críticas e propondo soluções de co-design entre hardware e algoritmos, como o mecanismo SWIM e técnicas de treinamento robusto, para garantir inferência segura e eficiente.
Este artigo apresenta um quadro diagnóstico sistemático para quantificar a instabilidade das classificações de métodos de inferência de redes reguladoras gênicas sob diferentes protocolos de avaliação, revelando que as reversões de ranking são impulsionadas por mudanças na capacidade discriminativa relativa dos métodos e não por efeitos de taxa base, o que desafia suposições comuns na área.
Este estudo apresenta uma nova abordagem baseada em um Transformer Bayesiano de Alta Resolução com aprendizado supervisionado fraco geograficamente ponderado, que funde dados de Sentinel-1, RCM e AMSR2 para gerar mapas de concentração de gelo marinho no Ártico com resolução de 200 metros e estimativas de incerteza confiáveis, superando desafios como características sutis do gelo e rótulos imperfeitos.
O artigo demonstra que a existência de exemplos adversariais e a falta de robustez em redes neurais decorrem de um desalinhamento exponencial entre as dimensões das variedades perceptivas das máquinas e as dos conceitos humanos, sugerindo que a verdadeira robustez só é alcançável quando essas dimensões são alinhadas.
Este trabalho apresenta o OrbEvo, um modelo baseado em transformadores gráficos equivariantes que aprende a evolução temporal das funções de onda em DFT dependente do tempo, permitindo previsões eficientes e precisas de propriedades físicas como espectros de absorção óptica e momentos de dipolo sob excitação externa.
O artigo apresenta o MMAI Gym for Science, um conjunto abrangente de recursos e receitas para treinar um Modelo de Fundação Líquido (LFM) eficiente que supera modelos maiores e generalistas em diversas tarefas de descoberta de fármacos ao dominar a linguagem molecular específica do domínio.