3761 artigos
O artigo apresenta o CoRe, um novo paradigma de ajuste fino que opera no espaço de representações em vez do espaço de pesos, utilizando intervenções em subespaços lineares de baixo posto para alcançar eficiência paramétrica superior e mitigar o esquecimento catastrófico no aprendizado contínuo.
O artigo propõe o ReGUn, um framework de desaprendizagem de máquina que utiliza um conjunto de dados de referência para garantir a indistinguibilidade distribucional e superar as limitações de métodos aproximados existentes, alcançando um equilíbrio superior entre esquecimento e utilidade do modelo.
Este artigo propõe o mecanismo SCS-Code, que utiliza as representações internas dos modelos de linguagem para orientar a geração de código em direção a conceitos de segurança, superando os métodos atuais ao garantir tanto a correção funcional quanto a segurança do código gerado.
O artigo avalia a evolução de modelos de IA autônomos em cenários de ciberataques multi-etapa, revelando que o desempenho escala log-linearmente com o poder de computação e melhora significativamente entre gerações de modelos, permitindo que os mais recentes completem uma fração substancial de ataques complexos que antes exigiriam horas de um especialista humano.
Este artigo define e analisa as "cadeias de geração markovianas" em modelos de linguagem grandes, demonstrando que o processamento iterativo pode tanto aumentar quanto reduzir a diversidade das frases geradas, dependendo de fatores como a temperatura e a entrada inicial, o que oferece insights cruciais para sistemas multiagente.
Este artigo apresenta mapas de transporte diagnóstico que recalibram distribuições preditivas iniciais para corrigir erros em regimes de eventos raros, fornecendo diagnósticos locais em tempo real e melhorando a previsão da intensidade de ciclones tropicais em comparação com os modelos operacionais atuais.
O artigo apresenta um sistema inteligente vestível que utiliza um pulsera para registrar atividades fisiológicas e um aplicativo móvel para avaliações ecológicas, empregando aprendizado de máquina para prever com precisão os estados de humor de idosos durante suas atividades diárias.
O artigo propõe o uso de um modelo pré-treinado XLS-R, otimizado com apenas suas três primeiras camadas para eficiência computacional, que supera outras arquiteturas na detecção automática de segmentos de tosse em gravações de pacientes com suspeita de tuberculose, viabilizando assim ferramentas de triagem escaláveis para dispositivos móveis.
O artigo apresenta o GGE, um framework de código aberto em Python que estabelece um protocolo de avaliação padronizado e reprodutível para modelos generativos de expressão gênica em células únicas, abordando a inconsistência atual nas métricas e permitindo comparações justas entre diferentes abordagens.
O artigo apresenta o DISCOMAX, um algoritmo diferenciável baseado em estatística termodinâmica que garante consistência termodinâmica durante o treinamento e inferência, permitindo o aprendizado eficaz de modelos de energia livre de excesso para prever equilíbrios de fases líquidas.
Este artigo apresenta um framework integrado de aprendizado de máquina que combina a transformação de Hopf-Cole e redes neurais para modelar com precisão o fluxo não linear de gás em meios porosos, permitindo a simulação eficiente e a inversão de parâmetros de permeabilidade dependentes da pressão em formações de baixa permeabilidade.
Este artigo identifica o colapso da sensibilidade a domínios (DSC) como uma falha geométrica em modelos treinados em domínio único que prejudica a detecção de dados fora de distribuição (OOD) e propõe a Treinamento Guiado por Professor (TGT), que utiliza um professor multi-domínio para preservar informações de deslocamento de domínio durante o treinamento, melhorando significativamente a detecção OOD sem custo adicional na inferência.
Este artigo propõe a integração de algoritmos de agendamento conscientes da duração, como HRRN, no motor vLLM para pipelines de reconhecimento automático de fala, demonstrando que essa abordagem reduz significativamente a latência média sob cargas variáveis sem comprometer o throughput ou causar degradação excessiva na latência de cauda.
O artigo "RIE-Greedy" propõe uma estratégia de seleção de ações puramente gananciosa que utiliza a aleatoriedade inerente ao processo de regularização via validação cruzada durante o treinamento de modelos como uma fonte intrínseca de exploração, demonstrando teoricamente sua equivalência ao Thompson Sampling em bandits de dois braços e validando empiricamente sua eficácia em ambientes de negócios em larga escala.
Este artigo apresenta o desafio SMLM-C, um benchmark biologicamente inspirado que revela que os modelos de espaço de estado (SSMs) enfrentam dificuldades significativas ao modelar a dinâmica de "piscamento" irregular e de cauda pesada em dados de microscopia de localização de molécula única, destacando a necessidade de modelos sequenciais mais adequados para processos temporais esparsos e irregulares na imagem científica.
Este artigo apresenta o wcPCA, uma estrutura unificada para aproximações de baixo posto que otimiza o desempenho no pior caso em cenários com deslocamento de distribuição entre domínios heterogêneos, garantindo otimalidade teórica e demonstrando melhorias significativas em aplicações reais com apenas perdas mínimas no desempenho médio.
O artigo propõe um método de aprendizado federado que condiciona um único modelo global às estatísticas locais de PCA de cada cliente, alcançando desempenho superior e robustez à escassez de dados em cenários de heterogeneidade complexa sem exigir comunicação adicional.
Este artigo propõe uma abordagem de Análise de Componentes Principais (PCA) robusta para dados com caudas pesadas, baseada em uma perda logarítmica que permite recuperar as componentes principais do gerador Gaussiano subjacente mesmo na ausência de momentos finitos, superando assim as limitações da PCA clássica em cenários de ruído impulsivo.
O artigo apresenta o MRI2Qmap, um framework de reconstrução quantitativa que supera a escassez de dados de treinamento para Imageamento por Ressonância Magnética (MRF) ao integrar um modelo físico de aquisição com priores de desruído aprendidos por redes neurais em grandes conjuntos de imagens ponderadas de rotina clínica, permitindo reconstruções de alta qualidade sem necessidade de dados quantitativos reais para treinamento.
O artigo demonstra que, ao contrário dos modelos de difusão, a dinâmica de Langevin não é robusta a erros no estimador da função de pontuação, produzindo distribuições distantes do alvo mesmo com erros arbitrariamente pequenos e em horizontes de tempo polinomiais, o que reforça a preferência pelos modelos de difusão na prática.