5315 artigos
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.
O artigo apresenta a Exploração Orientada a Conceitos (CDE), uma abordagem que utiliza um modelo visão-linguagem pré-treinado para gerar conceitos visuais como sinais de recompensa intrínseca, permitindo uma exploração eficiente e robusta em tarefas de controle visual e transferência bem-sucedida para o mundo real.
Este estudo examina como diferentes protocolos de debate (síncrono e em rodada) influenciam a dinâmica deliberativa e o alinhamento de valores em modelos de linguagem de grande porte ao analisarem dilemas morais, revelando disparidades significativas na flexibilidade de revisão de vereditos e nas prioridades éticas entre os modelos avaliados.
O artigo propõe um plugin leve e sem treinamento, chamado "Functional Head Identification and Class-Conditioned Rescaling", que reequilibra a atenção entre camadas de percepção e raciocínio em modelos multimodais para reduzir alucinações e melhorar a consistência do raciocínio sem modificar a arquitetura original.
Este trabalho apresenta um quadro de aprendizado por reforço multiobjetivo condicionado a preferências que permite a um único policy de locomoção em humanoides equilibrar dinamicamente o rastreamento de comandos e a conformidade a forças externas, validado com sucesso em simulações e experimentos reais.
O artigo apresenta o DropVLA, um ataque de backdoor de nível de ação que compromete modelos Visão-Linguagem-Ação (VLA) forçando a execução de primitivas de ação específicas em pontos de decisão escolhidos pelo atacante com alta taxa de sucesso e mínima degradação do desempenho nominal, mesmo sob condições de treinamento com dados envenenados limitados e em ambientes de mundo real.
Este artigo apresenta um modelo de mundo baseado em visão egocêntrica que combina aprendizado offline com controle preditivo baseado em amostragem para permitir que humanoides planejem interações físicas complexas e robustas em tempo real, superando as limitações de eficiência de amostragem e generalização de métodos tradicionais.
Este estudo conclui que, embora o efeito de protótipo promova a aprendizagem, ensinar soluções para o estresse digital a outros não foi suficiente para reduzir significativamente o próprio estresse ou os comportamentos problemáticos associados, destacando a dificuldade de transformar o engajamento cognitivo em mudança comportamental real.
Esta revisão de escopo sistemática analisa o estado da arte de modelos generativos profundos não supervisionados para detecção de anomalias em neuroimagem, destacando seu potencial para localizar patologias sem necessidade de anotações detalhadas, ao mesmo tempo em que identifica desafios como a heterogeneidade metodológica e a necessidade de validação externa mais robusta.
Este trabalho apresenta uma métrica probabilística robusta para avaliar a colocação de objetos a partir de observações parciais, permitindo um raciocínio unificado de pegar e colocar sem necessidade de modelos prévios ao integrar estabilidade, viabilidade de preensão e livre-espaço diretamente em nuvens de pontos.
Este artigo apresenta o framework CMR (Repetição Multimodal Baseada em Colisão) para o novo desafio de Segmentação Audiovisual Contínua (CAVS), abordando eficazmente a deriva semântica e a confusão por co-ocorrência em cenários de aprendizado contínuo de classes finas através de estratégias inovadoras de seleção e repetição de amostras.
O artigo apresenta o PolyJailbreak, um novo framework de jailbreak em caixa preta para modelos de linguagem multimodal que explora a assimetria de segurança entre modalidades e utiliza otimização por aprendizado de reforço multiagente para superar os mecanismos de defesa, alcançando taxas de sucesso superiores a 95% em modelos comerciais como GPT-4o e Gemini.
O artigo apresenta o HumanMPC, um framework de Controle Preditivo Modelado (MPC) que garante navegação segura e eficiente de veículos aéreos não tripulados (MAVs) em ambientes com humanos, combinando previsões de movimento baseadas em dados com uma formulação de segurança inovadora que evita conservadorismo excessivo.
Este artigo propõe um framework de HCI para integrar o Minecraft Education Edition no sistema educacional de Bangladesh, adaptando-se às severas restrições de infraestrutura através de três níveis de implantação (online, LAN e offline), conteúdos localizados em bengali e interfaces acessíveis, visando melhorar o aprendizado em ambientes com poucos recursos.