6073 artigos
Este artigo propõe uma nova abordagem hierárquica que combina aprendizado por imitação e reforço para permitir que agentes em equipes ad hoc identifiquem dinamicamente quando cooperar ou agir sozinhos diante de objetivos heterogêneos, superando métodos existentes em ambientes cooperativos estendidos.
Este artigo apresenta o VASR, um modelo de reconhecimento de fala que utiliza raciocínio multimodal e uma cadeia de pensamento áudio-visual (AV-CoT) para integrar e analisar o contexto visual rico (como cenas e texto na tela) além dos movimentos labiais, superando a dependência excessiva de uma única modalidade e alcançando desempenho state-of-the-art em reconhecimento de fala contextualizado.
Este trabalho propõe um modelo de mundo latente consciente da cinemática, que integra informações cinemáticas e supervisão geométrica ao modelo RSSM para melhorar a eficiência de dados e o desempenho na aprendizagem de políticas de direção autônoma através de uma representação espacial estruturada e fisicamente fundamentada.
Este artigo de revisão oferece uma análise abrangente dos métodos de modelagem, otimização e controle conscientes da rede para Sistemas Energéticos Integrados, identificando limitações metodológicas e propondo direções de pesquisa para superar os desafios de interdependências complexas e garantir escalabilidade em futuras redes energéticas de baixo carbono.
O artigo apresenta modelos de "inversão de traços" que, ao reconstruírem raciocínios detalhados a partir apenas de respostas e resumos de modelos de linguagem grandes (LLMs) que ocultam seus processos de pensamento, demonstram que é possível "roubar" capacidades de raciocínio e melhorar significativamente o desempenho de modelos estudantes ao serem ajustados com esses traços sintéticos.
Este artigo apresenta as bases de dados orientadas a esboços, um quadro categórico que codifica paradigmas de bases de dados como esboços de limites finitos e modelos de conjuntos, ilustrando como características comuns de grafos são capturadas uniformemente, propondo regras de inferência para caminhos e introduzindo "esboços de vacilação" para facilitar a composição modular e o crescimento escalável de modelos.
O AutoDataset é um sistema leve e automatizado que monitora continuamente o arXiv para descobrir, extrair e indexar novos conjuntos de dados diretamente de artigos científicos, permitindo uma busca semântica em tempo real e aumentando a eficiência da descoberta de dados em até 80%.
O VisualDeltas é um framework leve de aprendizado de preferências que extrai sinais de supervisão a partir de variações na qualidade visual de dados multimodais, eliminando a necessidade de anotações humanas e superando métodos tradicionais de ajuste fino em diversos benchmarks.
Este artigo demonstra que a resolução de instâncias aleatórias de uma variante não modular do problema da Solução Inteira Curta (SIS) sobre os inteiros implica a existência de um algoritmo de tempo polinomial para aproximar o problema do vetor mais curto independente (SIVP) em lattices inteiros no pior caso.
Este estudo demonstra que incorporar componentes interativos leves nas respostas de scaffolding geradas por Grandes Modelos de Linguagem (LLMs) promove um maior engajamento e foco dos aprendizes, melhorando seus resultados de aprendizagem em comparação com a simples consumo passivo de conteúdo.
O artigo apresenta o LLM-FK, um framework multi-agente totalmente automatizado que supera as limitações dos métodos heurísticos e de soluções LLM ingênuas para detecção de chaves estrangeiras em grandes bancos de dados complexos, alcançando alta precisão e escalabilidade através de uma arquitetura coordenada de quatro agentes especializados.
Este artigo apresenta um novo método combinando substituição e busca por retrocesso para provar que a complexidade bilinear da multiplicação de matrizes $3 \times 3\mathbb{F}_2$ é de pelo menos 20, superando o limite inferior anterior de 19.
Este estudo empírico demonstra que, sob diversas restrições de implantação, quatro modelos de linguagem de grande porte (LLMs) apresentam altas taxas de alucinação de citações bibliográficas, com taxas de existência verificável inferiores a 47,5%, o que reforça a necessidade imperativa de validação pós-geração antes de seu uso em síntese de evidências de engenharia de software.
Este artigo apresenta o BD-VITON, um novo conjunto de dados focado em vestuário cultural bengali (como sarees, panjabis e salwar kameez) para superar as limitações de generalização dos sistemas atuais de "virtual try-on" em relação a roupas não ocidentais, além de estabelecer e avaliar baselines robustas para modelos como StableViton, HR-VITON e VITON-HD nesse contexto.
Este artigo propõe uma nova abordagem para a otimização de taxas de entrega em cache codificado sob demandas não uniformes, que utiliza um método de classificação baseado em contagens de solicitações e agrupamento de arquivos — inspirado em sistemas de recomendação e bandits multi-arma — para superar métodos anteriores, especialmente em cenários com poucos usuários, capacidade de cache limitada ou ruído nas observações de popularidade.
O artigo apresenta o MAviS, um assistente conversacional multimodal especializado em aves, composto pelo conjunto de dados MAviS-Dataset, pelo modelo MAviS-Chat e pelo benchmark MAviS-Bench, que juntos superam os modelos de base existentes ao oferecer compreensão detalhada e respostas precisas para mais de 1.000 espécies de aves, integrando áudio, visão e texto para aplicações em conservação da biodiversidade.
Este artigo propõe uma arquitetura de IA perceptual modular inspirada no córtex cerebral, que supera as limitações de interpretabilidade e generalização dos modelos monolíticos atuais ao decompor a percepção em módulos especializados que utilizam loops de feedback preditivo para criar sistemas mais transparentes e robustos.
Este artigo propõe uma abordagem que combina treinamento adversarial com um bloco de suavização de mapas de características para gerar mapas de saliência mais esparsos, estáveis e confiáveis, superando as limitações de ruído e instabilidade dos métodos tradicionais.
O artigo apresenta o Tursio, uma plataforma de busca de banco de dados segura e local que permite a usuários de cooperativas de crédito consultarem sistemas complexos usando linguagem natural, inferindo automaticamente um grafo de conhecimento semântico e gerando planos de consulta precisos e conformes por meio da integração de Modelos de Linguagem de Grande Escala (LLMs).
Este estudo demonstra que, em tarefas de verificação factual, a precisão e o enquadramento de certeza das justificativas de modelos de linguagem influenciam significativamente a confiança e a adoção de decisões pelos usuários, enquanto o formato de apresentação tem impacto menor, revelando que justificativas mal projetadas podem tanto apoiar quanto descalibrar a confiança.