5308 artigos
Este artigo apresenta uma estrutura teórica fundamentada na teoria bayesiana de persuasão para avaliar e treinar modelos de linguagem, demonstrando que tanto modelos avançados quanto modelos menores, quando otimizados com aprendizado por reforço, conseguem alcançar ganhos significativos de persuasão e adotar estratégias sofisticadas.
O artigo propõe o SAC-Loco, um quadro de locomoção para robôs quadrúpedes que integra uma política de complacência ajustável, treinada por aprendizado por reforço sem sensores de força explícitos, e um crítico de segurança aprendido para garantir recuperação robusta e estabilidade diante de distúrbios externos.
Este artigo apresenta o FAMDA, um framework de adaptação de domínio não supervisionado que utiliza modelos fundacionais de visão como professores em um paradigma de auto-treinamento para gerar pseudo-rótulos de alta qualidade, permitindo que uma rede estudante leve e eficiente alcance desempenho superior em tarefas densas de previsão para aplicações robóticas.
O artigo propõe o QuantSparse, um quadro unificado que integra quantização de modelo e esparsificação de atenção com técnicas de destilação e reparametrização para comprimir eficientemente transformadores de difusão de vídeo, alcançando ganhos significativos em armazenamento e velocidade de inferência sem comprometer a qualidade da geração.
O artigo apresenta o DualFlow, um framework unificado e eficiente baseado em Rectified Flow e RAG para geração de movimentos 3D interativos e reativos entre duas pessoas, condicionado a texto, música e sequências anteriores, que supera os métodos existentes em qualidade, sincronização e fidelidade semântica.
O artigo apresenta o ELHPlan, um novo framework para planejamento de tarefas de longo horizonte em colaboração multiagente que utiliza cadeias de ações vinculadas a intenções para equilibrar adaptabilidade e eficiência, alcançando taxas de sucesso comparáveis às melhores metodologias atuais enquanto consome apenas 30-40% dos tokens necessários.
Este trabalho apresenta o PHASE-Net, um modelo leve e teoricamente fundamentado em equações físicas para medição de fotopletismografia remota (rPPG) que supera os desafios de movimento e iluminação através de componentes inovadores como o Trocador Axial de FLOPs Zero, Filtro Espacial Adaptativo e TCN com Portão, alcançando desempenho de ponta e eficiência para implantação prática.
Este trabalho apresenta o LMOD+, um novo benchmark multimodal em oftalmologia expandido com 32.633 instâncias e avaliações abrangentes de modelos de linguagem grandes multimodais, visando impulsionar o desenvolvimento de IA para diagnóstico e triagem de doenças oculares que ameaçam a visão.
Este artigo propõe uma abordagem categórica unificada para monadas de codensidade, baseada na dualidade entre categorias, que simplifica drasticamente as provas de apresentações existentes e permite a derivação de novas apresentações para diversas monadas importantes na lógica e semântica denotacional.
Este trabalho apresenta um sistema de localização relativa entre robôs aéreos e terrestres que combina dados de UWB e radar com sensores inerciais e de odometria em um framework de otimização de grafos, demonstrando superioridade sobre métodos existentes e oferecendo código e dados abertos para reprodução e benchmarking.
O artigo apresenta o XPPG-PCA, um método automático, não supervisionado e sem referência para avaliação objetiva da gravidade de patologias da fala, que supera as limitações das abordagens atuais e demonstra robustez e eficácia comparável a métodos baseados em referência em três conjuntos de dados de câncer oral.
Este artigo propõe a Função de Barreira de Controle Parabólica Dinâmica (DPCBF), um método inovador que supera as limitações de conservadorismo e inviabilidade dos métodos baseados em cones de colisão, garantindo a navegação segura e eficaz de robôs não holonômicos em ambientes densos e dinâmicos com até 100 obstáculos.
O artigo apresenta o REVEL, uma nova tarefa de manipulação interativa de vídeos em streaming, e propõe o DragStream, uma abordagem sem treinamento que corrige a deriva de distribuição latente e mitiga interferências contextuais para permitir a edição precisa de qualquer elemento em qualquer momento dentro de modelos de difusão autoregressivos.
Este artigo apresenta um sistema de verificação de locutor de última geração que utiliza o modelo w2v-BERT 2.0 com LoRA e adaptadores de camada, alcançando resultados excepcionais no Vox1-O e Vox1-H, além de empregar poda estruturada guiada por destilação de conhecimento para reduzir o tamanho do modelo em 80% com uma degradação mínima de desempenho.
O artigo apresenta o PAD-TRO, uma nova abordagem de otimização de trajetória baseada em difusão que gera diretamente sequências de estados e utiliza um mecanismo de projeção sem gradiente para garantir a viabilidade dinâmica, resultando em zero erro de viabilidade e uma taxa de sucesso quatro vezes maior em cenários de navegação de quadricópteros com obstáculos densos.
Este artigo apresenta o primeiro estudo sobre ataques de inferência de membros em tokenizadores de modelos de linguagem grandes, demonstrando que eles são vetores de ataque vulneráveis e propondo uma defesa adaptativa para mitigar esses riscos de privacidade.
Este trabalho apresenta e valida um sistema robótico pioneiro para polinização em ambientes controlados, que integra reconstrução 3D baseada em visão para o planejamento de apreensão precisa e modelagem física de vibração para induzir a liberação de pólen sem danificar as flores.
Este trabalho introduz as "fontes variáveis diferenciáveis", um novo framework matemático que torna os parâmetros de fontes variáveis passíveis de otimização baseada em gradiente, permitindo assim a automação intuitiva de tarefas complexas de design e animação tipográfica.
O artigo propõe o modelo EB-MBD, que integra funções de barreira emergentes ao processo de difusão baseado em modelos para otimizar trajetórias seguras em ambientes altamente restritos, superando as limitações de eficiência e estabilidade do método padrão e evitando operações de projeção computacionalmente custosas.
O artigo apresenta o AR-Drag, o primeiro modelo de difusão autoregressivo aprimorado por aprendizado por reforço para geração de vídeo em tempo real a partir de imagens, que supera os desafios de latência e qualidade ao permitir controle preciso de movimentos diversos com apenas 1,3 bilhão de parâmetros.