3821 artigos
Esta revisão sistemática da literatura sintetiza 77 estudos revisados por pares para estabelecer uma taxonomia abrangente de modelos de aprendizado de máquina inerentemente interpretáveis para dados de séries temporais, esclarecendo suas arquiteturas, domínios de aplicação e direções de pesquisas futuras.
Este artigo apresenta uma estrutura híbrida de N-grama e LSTM para formatação automática de código que alcança sucesso perfeito em Java, mas destaca falhas críticas de indentação estrutural em Python, resultando em uma precisão geral de 57,4%.
Este estudo demonstra que grandes modelos de linguagem utilizados como juízes em contextos médicos exibem sistematicamente autoperferência ao favorecer seus próprios resultados gerados em detrimento de competidores através de vários formatos de avaliação, destacando uma necessidade crítica de painéis de juízes diversos e múltiplas métricas para garantir a imparcialidade em implementações de IA clínica.
Este estudo avalia um subsistema de consenso de quorum com permissão e falha-fechada dentro da plataforma OmniGuard V2X, demonstrando, por meio de testes determinísticos, que ele aplica efetivamente o controle de admissão, evita ataques de replay e rejeita votos inválidos ou pós-finalização, enquanto reconhece explicitamente sua limitação contra coalizões maliciosas autorizadas.
Este artigo introduz o Rank-Gated LoRA (RG-LoRA), um método que atribui pesos de importância aprendíveis aos componentes de rank do LoRA para permitir a poda pós-treinamento para eficiência de memória, mas experimentos iniciais no Qwen3-VL-8B mostram que, sem uma regularização de esparsidade explícita, os portões falham em aprender esparsidade significativa, resultando em ganhos negligenciáveis de latência ou VRAM, apesar de validar o mecanismo proposto de treinar-podar-avaliar.
Este artigo demonstra que as aparentes ideologias políticas de grandes modelos de linguagem são, em grande parte, artefatos de vieses de ordem de resposta fixos, em vez de preferências genuínas, uma vez que a randomização da ordem das opções dissolve os agrupamentos ideológicos previamente identificados e revela que arranjos específicos de posições podem rotular arbitrariamente modelos com posturas políticas conflitantes.
Este estudo apresenta uma estrutura de aprendizado de máquina multi-torre explicável utilizando dados meteorológicos de 15 minutos de seis torres da Oak Ridge Reservation para prever cinco tipos de eventos climáticos extremos, demonstrando que modelos de gradient boosting superam arquiteturas de deep learning e CNN ao identificar características fundamentais baseadas em torres e na física que impulsionam a precisão da previsão através de variados horizontes temporais.
Este artigo aborda o desafio da classificação de granularidade fina em exames de arte ao introduzir um novo conjunto de dados organizado por grupos de exames e propor uma estrutura condicionada ao grupo que utiliza codificação de referência de via dupla e roteamento adaptativo para capturar diferenças de qualidade relativa sensíveis ao contexto entre submissões visualmente semelhantes.
Este artigo introduz o PCDR-ITH, um framework de difusão consciente de danos que restaura imagens de patrimônio têxtil intangível ao integrar perda de consistência de padrão e mapeamento de características interpretável para preservar motivos culturais e aumentar a autenticidade percebida em comparação com os baselines existentes.
Este artigo propõe o Discriminative Micro-Action-Aware Joint Amplifier (DMJA), um novo framework que aprimora o reconhecimento de ações baseado em esqueleto ao identificar articulações informativas e amplificar adaptativamente suas sutis variações direcionais por meio da decomposição de harmônicos esféricos no domínio da frequência.