6330 artigos
Este artigo propõe um framework bayesiano orientado a conceitos para reconhecimento de imagens zero-shot, que supera as limitações de métodos heurísticos ao sintetizar conceitos discriminativos via LLMs, garantir diversidade com Processos de Pontos Determinantes e atenuar outliers através de uma verossimilhança adaptativa, alcançando desempenho superior ao estado da arte.
Este artigo apresenta o GTEM-LVC, um novo framework de compressão de vídeo aprendido que substitui a estimativa de movimento explícita por uma estratégia de transformação direta baseada em módulos Mamba com transformações geométricas embutidas e uma rede de refinamento local, alcançando desempenho superior em qualidade perceptiva e consistência temporal sob restrições de baixo bitrate.
O artigo apresenta o Ares, um framework que utiliza um roteador leve para selecionar dinamicamente o nível de esforço de raciocínio em cada etapa de tarefas de agentes LLM, reduzindo significativamente o custo de inferência sem comprometer substancialmente a taxa de sucesso.
O artigo apresenta o SageSched, um agendador eficiente para inferência de LLMs que supera as limitações das abordagens existentes ao lidar com a incerteza da demanda e a natureza híbrida das cargas de trabalho, combinando previsões precisas de comprimento de saída com uma política de agendamento que considera simultaneamente custos computacionais e de memória para alcançar ganhos de eficiência superiores a 28,7%.
Este artigo propõe um novo framework de fusão baseado em decomposição espectral e aprendizado de abundância, que integra módulos de agregação deformável e atenção cruzada para realizar super-resolução de imagens hiperespectrais não registradas com desempenho superior ao estado da arte.
Este estudo de campo no GitHub demonstra que a manipulação de métricas de prova social, como estrelas e downloads, não tem impacto mensurável nas baixas subsequentes de pacotes de software ou no engajamento dos desenvolvedores.
O artigo apresenta o RLPR, um framework robusto de reconhecimento de lugares que alinha varreduras de radar a mapas LiDAR por meio de uma estratégia de alinhamento cruzado assimétrico em duas etapas, superando os desafios do clima adverso e da escassez de dados parecidos para alcançar alta precisão e generalização.
O artigo apresenta o IMSE, um método de adaptação em tempo de teste que utiliza uma mistura intrínseca de especialistas espectrais em Vision Transformers, ajustando apenas os valores singulares via decomposição SVD e introduzindo uma perda de maximização de diversidade e recuperação de códigos espectrais para evitar o colapso de características e melhorar significativamente a precisão com parâmetros treináveis drasticamente reduzidos.
O artigo apresenta o SWE-Fuse, um novo framework de treinamento que combina aprendizado de trajetórias sem problemas e treinamento de RLVR consciente de entropia para superar a falta de descrições de problemas de alta qualidade e melhorar significativamente a capacidade de agentes de LLM em resolver tarefas reais de engenharia de software.
Este artigo apresenta um framework de treinamento único para locomoção omnidirecional de humanoides em escadas, que combina uma penalidade densa por passos inseguros com mapeamento de elevação LiDAR aprimorado por rede neural para garantir estabilidade e alta taxa de sucesso em simulações e no mundo real.
Este artigo propõe uma abordagem híbrida que combina um Vision Transformer com codificação posicional 2D e um decodificador com atenção de cobertura para reconhecimento de expressões matemáticas, alcançando um desempenho superior ao estado da arte no conjunto de dados IM2LATEX-100K.
O artigo apresenta o CT-DAP, um método criptográfico que permite o controle condicional de ativos digitais através de caminhos de autorização dormentes ativados por fatores destrutíveis, oferecendo revogação sem alterar a raiz criptográfica e eliminando a necessidade de intermediários confiáveis ou mutação de estado on-chain.
Este artigo apresenta um pipeline modular de adaptação de domínio não supervisionada que combina embeddings do Wav2Vec 2.0 com transformações estatísticas, como alinhamento CORAL e seleção de recursos, para melhorar a generalização na detecção de deepfakes de áudio entre diferentes conjuntos de dados sem a necessidade de rótulos no domínio de destino.
Este estudo compara a geração de diagramas de autômatos a partir de código TikZ versus síntese direta de imagens, demonstrando que a correção humana das descrições textuais geradas por modelos de visão e linguagem é essencial para produzir representações digitais precisas a partir de diagramas desenhados por estudantes, com potencial para automatizar a avaliação e melhorar materiais educacionais.
O artigo apresenta a , um novo framework de localização visual sem mapas que utiliza redes de reconstrução 3D feed-forward para realizar inferência online direta a partir de imagens RGB, alcançando alta precisão e robustez em cenas esparsas sem a necessidade de pré-processamento ou armazenamento de representações de cena offline.
O artigo propõe que agentes de IA supervisionados por humanos, baseados em modelos de linguagem e aprendizado profundo, constituam a próxima evolução do método científico para lidar com a complexidade de dados em diversas disciplinas, exemplificada pelo sistema Dr. Sai no Instituto de Física de Altas Energias da Academia Chinesa de Ciências.
O artigo apresenta o ConnChecker, uma ferramenta automatizada baseada em grafos que realiza análise de causa raiz para verificações de conectividade formal em SoCs, reduzindo o tempo de depuração em até 80% ao categorizar automaticamente contraexemplos e sugerir correções.
Este artigo apresenta a primeira especificação formal e análise completa da Árvore Li-Chao, uma estrutura de dados amplamente utilizada na programação competitiva para manutenção dinâmica de envoltórias inferiores, incluindo provas de correção, análise de complexidade e caracterizações de desempenho.
O artigo apresenta o RAPID, um novo framework de inferência colaborativa entre borda e nuvem para modelos Visão-Linguagem-Ação que otimiza a partição de tarefas ao considerar redundância e compatibilidade, resultando em um aumento de velocidade de até 1,73x com baixa sobrecarga.
O artigo apresenta o DMRAL, um framework inovador para responder a perguntas numéricas em grandes coleções de tabelas que supera as limitações dos métodos existentes ao utilizar decomposição de perguntas, um grafo de relacionamentos entre tabelas e raciocínio guiado para melhorar significativamente a recuperação de dados relevantes e a precisão das respostas.