4478 artigos
O artigo descreve o experimento "Agent Hunt", que utiliza um mercado simulado baseado em recompensas para coordenar múltiplos agentes de LLM em uma busca colaborativa e descentralizada por provas e definições formais de topologia algébrica dentro de um ambiente de Prova Teórica Interativa.
O artigo apresenta o ResearchEnvBench, um novo benchmark que avalia a capacidade de agentes autônomos de sintetizar ambientes de execução para código de pesquisa, revelando lacunas significativas nas soluções atuais quanto à resolução de dependências e compatibilidade de versões.
O artigo apresenta o ViroGym, um benchmark abrangente que avalia modelos de linguagem proteica em proteínas virais utilizando dados de variação profunda e tarefas de neutralização para orientar a seleção racional de antígenos e a previsão de mutações dominantes.
O artigo apresenta o ButterflyViT, um método inovador que supera as limitações de memória linear dos Mixture of Experts (MoE) em Vision Transformers para dispositivos de borda, alcançando uma redução de 354 vezes no uso de memória ao representar especialistas como reorientações geométricas de um substrato compartilhado, mantendo a precisão em tarefas de classificação de imagens.
Este artigo apresenta uma revisão abrangente dos modelos fundamentais robóticos (RFMs) e propõe um novo framework de avaliação com 149 critérios para analisar sua prontidão industrial, concluindo que, embora promissores, os modelos atuais ainda possuem maturidade limitada para aplicações industriais devido à falta de integração sistemática de segurança, tempo real e robustez.
O artigo apresenta o XMACNet, uma rede neural convolucional leve e explicável que combina imagens RGB e índices de vegetação por meio de atenção automática e fusão multimodal para classificar doenças em pimenteiros com alta precisão, superando modelos existentes e permitindo implantação em dispositivos de borda.
Este artigo apresenta o EarthBridge, um framework de tradução de imagens de alta fidelidade que combina modelos de ponte de difusão implícita e aprendizado contrastivo não emparelhado para converter eficazmente imagens aéreas entre os sensores SAR, EO e IR, alcançando a segunda posição no desafio MAVIC-T.
Este artigo apresenta uma estrutura de co-projeto baseada em gradiente que otimiza conjuntamente a forma aerodinâmica e o planejador de movimento de robôs alados, utilizando um modelo substituto neural para simular fluxos complexos e melhorar o desempenho em tarefas como pousar e aterrissagem curta com maior eficiência computacional do que métodos anteriores.
O artigo apresenta o HiDE, um modelo de compressão de imagens aprendido que utiliza uma estrutura hierárquica de dicionários para explorar priores externos globais e locais, combinada com um estimador de parâmetros adaptativo, alcançando economias significativas de taxa de bits em comparação com o padrão VTM-12.1.
Este trabalho apresenta um método eficiente para busca de vizinhança em nuvens de pontos 3D que combina curvas de preenchimento espacial (Morton e Hilbert) com uma implementação linear de Octree, resultando em reduções significativas de falhas de cache e tempos de execução, superando em até 10 vezes soluções existentes e demonstrando alta escalabilidade paralela.
Este trabalho propõe um método inovador que combina busca estilo RRT com MPC baseada em amostragem e um esquema de amostragem guiado pela estabilidade para gerar, via simulação, estratégias de manipulação diversificadas e de longo horizonte, superando as limitações de dados sintéticos atuais e de demonstrações humanas.
O artigo apresenta o HybridMimic, um framework que integra controle de RL com um controlador baseado em modelo centróide para permitir que humanoides, como o Booster T1, imitem movimentos humanos com maior robustez e precisão em ambientes dinâmicos, reduzindo o erro de rastreamento em 13% em comparação com métodos de RL tradicionais.
Este artigo apresenta um framework multi-camada que utiliza realidade virtual para treinar modelos de previsão de movimento da cabeça baseados no olhar, validando-os em simulação e em um exoesqueleto físico para demonstrar a eficácia de uma abordagem personalizada e segura para o controle assistivo em casos de síndrome de cabeça caída.
O artigo apresenta o AceMAD, um framework de debate multiagente que supera a "Maldição da Martingala" ao utilizar a assimetria da energia potencial cognitiva para transformar a convergência de erros em um processo direcionado à verdade, permitindo que agentes com conhecimento correto identifiquem e corrijam o consenso enganoso da maioria.
Este artigo apresenta um modelo híbrido de aprendizado de máquina que combina três CNNs (VGG19, Efficient-Net e ResNet50) com um classificador Bi-LSTM para detectar Cerebral Palsy em imagens de ressonância magnética de recém-nascidos, alcançando uma precisão de 98,83% superior a modelos pré-existentes.
O artigo propõe a "especificação de contexto" como um processo fundamental para transformar perspectivas difusas das partes interessadas em definições claras e mensuráveis, permitindo que as organizações avaliem e decidam sobre a implementação de IA de forma mais informada e alinhada às realidades operacionais.
Este artigo propõe que o aprendizado contínuo em sistemas multiagente descentralizados surge da instabilidade da fronteira entre agente e mundo, onde atualizações de políticas geram não-estacionariedade que pode destruir estruturas de decisão invariantes essenciais para o sucesso da tarefa.
Este estudo desenvolveu um banco de dados abrangente com 23.793 apresentações do Congresso Anual da Sociedade de Pesquisa em Serviço Social (SSWR) de 2005 a 2026, utilizando inteligência artificial e revisão humana para analisar o crescimento da participação, o aumento da colaboração internacional e a predominância contínua de métodos quantitativos na disciplina.
Este artigo apresenta uma análise abrangente sobre como a perda de pacotes, o atraso e a interrupção de comunicação afetam o desempenho e a segurança da telescirurgia, utilizando a ferramenta de injeção de falhas NetFI e um estudo com 15 participantes para identificar os limites operacionais e correlacionar a proficiência do cirurgião com a carga de trabalho subjetiva.
O artigo revela que a qualidade da ancoragem temporal (Step Grounding Rate) em modelos visão-linguagem de longo horizonte é um preditor robusto e independente de sua generalização para dados fora da distribuição, superando a precisão final e o tamanho do modelo como indicadores de confiabilidade.