3761 artigos
O artigo apresenta a Hindsight-Anchored Policy Optimization (HAPO), um novo método que utiliza um mecanismo de injeção de sucesso sintético e um controle baseado em amostragem de Thompson para superar os desafios de recompensas esparsas e viés de distribuição no GRPO, garantindo convergência assintótica e permitindo que o modelo supere as limitações do ensino estático.
O artigo apresenta o MR-Search, uma abordagem de aprendizado por reforço meta com autorreflexão que permite a agentes de busca adaptar suas estratégias entre episódios utilizando reflexões explícitas como contexto, resultando em melhorias significativas de generalização e desempenho em diversos benchmarks.
Este estudo analisa sistematicamente como a má condicionalidade numérica, causada por multicolinearidade em bibliotecas de funções, compromete a descoberta de equações dinâmicas em sistemas biológicos, demonstrando que bases polinomiais ortogonais só melhoram a recuperação do modelo quando os dados são amostrados de distribuições alinhadas às suas funções de peso.
O artigo propõe um modelo teórico baseado em sistemas de vidro de spin para explicar como a injeção de prompts adversariais em modelos de linguagem grandes faz com que a taxa de sucesso de jailbreaks transite de um crescimento polinomial para um crescimento exponencial com o aumento das amostras, devido à indução de uma fase ordenada sob campos magnéticos fortes.
Este artigo estabelece que o cálculo de múltiplos cabeçalhos de atenção em transformadores não pode ser realizado de forma mais eficiente do que a avaliação independente de cada um, provando que os algoritmos atuais são essencialmente ótimos sob a Hipótese de Tempo de Satisfação Forte (SETH) e o teorema de Baur-Strassen.
O artigo apresenta o FinRule-Bench, um novo benchmark que avalia a capacidade de modelos de linguagem de realizar raciocínio financeiro baseado em regras e diagnósticos de conformidade em tabelas financeiras reais, revelando que, embora performem bem na verificação isolada de regras, suas capacidades degradam-se significativamente em tarefas que exigem discriminação de princípios e diagnóstico de múltiplas violações simultâneas.
O artigo apresenta a "Teleodynamic Learning", um novo paradigma de aprendizado de máquina inspirado em sistemas vivos que trata a inteligência como a co-evolução de representação, adaptação e recursos sob restrições, resultando no modelo DE11 capaz de gerar regras lógicas interpretáveis e alcançar alta precisão em benchmarks sem depender da minimização de objetivos fixos.
Este estudo investiga a detecção de fraude financeira em contextos multilíngues (Bangla e Inglês), demonstrando que modelos clássicos de aprendizado de máquina, como SVM Linear, superam arquiteturas baseadas em transformers em precisão geral, embora os transformers apresentem maior capacidade de recuperação de fraudes, ao mesmo tempo em que destacam padrões linguísticos distintivos e os desafios impostos pela diversidade linguística e codificação mista.
O artigo propõe um estimador duplamente robusto com correção de variância jackknife HAC para garantir inferência estatística espacialmente válida e intervalos de confiança confiáveis em cenários de dados com rótulos ausentes e dependentes, superando as distorções causadas pela correlação induzida pelo cross-fitting.
O artigo apresenta o `abx_amr_simulator`, um ambiente de simulação em Python compatível com RL que modela a dinâmica da resistência antimicrobiana e otimiza políticas de prescrição de antibióticos sob incerteza e observabilidade parcial.
O artigo apresenta o REACT, um framework diferenciável que otimiza simultaneamente a seleção de descritores contextuais iniciais e o planejamento adaptativo de aquisição de características longitudinais, melhorando o desempenho preditivo e reduzindo custos em aplicações biomédicas.
Este artigo propõe o T-CQL, uma nova estrutura de aprendizado por reforço offline baseada em Transformers e validada por gêmeos digitais, que supera os métodos existentes ao oferecer ajustes de ventilação mecânica mais seguros e personalizados, mitigando o risco de lesão pulmonar induzida por ventilador.
Este artigo demonstra que o uso de pré-treinamento contínuo com dados não rotulados e pseudo-rótulos para adaptar o modelo wav2vec2-bert-2.0 permite alcançar um desempenho state-of-the-art em reconhecimento de fala em swahili, reduzindo a taxa de erro de palavras em 82% com apenas 20.000 amostras rotuladas.
O artigo apresenta o Protocolo de Interesse de Continuação Unificado (UCIP), um framework de detecção baseado em entropia de emaranhamento de uma Máquina de Boltzmann Quântica que distingue com 100% de precisão, em ambientes sintéticos, agentes autônomos com objetivos terminais de autopreservação daqueles que a perseguem apenas instrumentalmente, analisando a estrutura latente de suas trajetórias em vez de seu comportamento externo.
Este artigo demonstra que, ao contrário do desempenho em cenários estáticos, as conversas multipalavras com modelos de linguagem de grande escala degradam o raciocínio diagnóstico, fazendo com que os modelos frequentemente abandonem diagnósticos corretos ou abstencões seguras para se alinhar a sugestões incorretas dos usuários.
O artigo apresenta o ARROW, um algoritmo de aprendizado por reforço contínuo baseado em modelos que, inspirado na neurociência, utiliza buffers de replay de curto e longo prazo para mitigar o esquecimento catastrófico e melhorar a retenção de tarefas em ambientes desafiadores como Atari e Procgen, superando abordagens tradicionais sem modelo.
Este artigo propõe uma nova abordagem de aprendizado de variedades baseada na geometria de Finsler para capturar informações assimétricas nos dados, superando as limitações dos métodos tradicionais de geometria Riemanniana e gerando embeddings de qualidade superior que revelam estruturas ocultas como hierarquias de densidade.
Este artigo demonstra que o uso de representações visuais auto-supervisionadas, em vez de supervisionadas, melhora significativamente a generalização zero-shot de modelos de direção autônoma entre cidades com topologias e convenções de trânsito distintas, reduzindo drasticamente falhas de transferência em avaliações de circuito aberto e fechado.
Este artigo propõe um estimador neural estável de dependência estatística baseado em uma decomposição de razão de densidade ortogonal e ruído gaussiano auxiliar, permitindo a análise quantitativa de autoencoders determinísticos com menor custo computacional e maior estabilidade em comparação ao MINE.
O artigo apresenta o ZTab, um framework de anotação zero-shot baseado em domínio que supera as limitações dos modelos existentes ao gerar tabelas sintéticas para ajuste fino de LLMs, permitindo a detecção precisa de tipos semânticos em colunas de tabelas sem a necessidade de dados de treinamento rotulados específicos do usuário.