3797 artigos
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.
O artigo apresenta o UniHetCO, uma representação unificada de grafos heterogêneos que permite treinar um único modelo de otimização combinatória neural não supervisionado para múltiplas classes de problemas, utilizando uma função objetivo sem rótulos e um esquema de ponderação dinâmica para garantir estabilidade e desempenho competitivo.
O artigo apresenta o NEXTPP, um modelo inovador que unifica representações discretas e contínuas por meio de um mecanismo de interação cruzada dual para prever sequências de eventos temporais marcados com maior precisão do que os métodos existentes.
O artigo apresenta o HawkesRank, um framework dinâmico baseado em processos pontuais de Hawkes que quantifica a importância em redes através de intensidades de eventos instantâneas, superando as limitações das métricas de centralidade estáticas ao modelar tanto fatores endógenos quanto exógenos e demonstrar superioridade em simulações e análises empíricas de dinâmicas emocionais em plataformas online.
O artigo apresenta o KProxNPLVM, um novo modelo de variável latente probabilística não linear que utiliza relaxação baseada em distância de Wasserstein para eliminar o erro de aproximação inerente à inferência variacional amortizada convencional, resultando em sensores suaves mais precisos para dados industriais.