6332 artigos
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.
O VisualAD é um método de detecção de anomalias zero-shot que dispensa o uso de modelos de linguagem, utilizando apenas tokens aprendíveis e mecanismos de atenção em Vision Transformers para alcançar desempenho de ponta em diversos domínios.
Este artigo apresenta o conceito de "sensação de desinformação" — a percepção equivocada de que informações são falsas quando não o são — e, através de um estudo de caso sobre um conflito comunitário, analisa como esse fenômeno, impulsionado por falhas de governança e comunicação, mina a confiança e a democracia local, propondo distinções conceituais e estratégias de mitigação para reparar tais mal-entendidos.
Este trabalho apresenta o SoulNote, um sistema de IA generativa projetado para apoiar a prática contínua de composição musical como forma de diário reflexivo, demonstrando como essa ferramenta auxilia pessoas surdas e com deficiência auditiva a desenvolver autoconhecimento, regulação emocional e atitudes positivas de autocuidado ao longo do tempo.
O artigo apresenta o WeldAR, um sistema de Realidade Aumentada que fornece orientação em tempo real durante a soldagem ao vivo, demonstrando através de um estudo com 24 iniciantes que essa abordagem melhora significativamente o desempenho e a transferência de habilidades físicas em comparação com instruções por vídeo.
O artigo apresenta o SGG-R³, um framework de raciocínio estruturado que combina ajuste fino supervisionado com aumento de relações e aprendizado por reforço com otimização de política de sequência em grupo, para gerar gráficos de cena completos e não enviesados, superando os desafios de distribuição de cauda longa e esparsidade de relações.
O artigo apresenta o GOMA, um framework de mapeamento globalmente ótimo para multiplicação de matrizes em aceleradores espaciais que utiliza modelagem analítica e abstração geométrica para resolver o problema de busca de mapeamento de forma eficiente, garantindo otimidade e superando significativamente as soluções atuais em termos de eficiência energética e tempo de execução.
Este estudo apresenta uma ferramenta de psicoterapia musical co-projetada com terapeutas, que integra agentes conversacionais e IA generativa para permitir que pessoas surdas e com deficiência auditiva expressem emoções e alcancem autoconhecimento através da composição de letras, superando as barreiras dos métodos tradicionais centrados no som.
Este artigo apresenta um novo framework de controle DRL sem modelo para inversores de potência que utiliza distilação de políticas e recompensas híbridas guiadas por energia de erro para comprimir políticas complexas em redes neurais leves, permitindo implementação em tempo real com microssegundos de latência e superior robustez, conforme validado experimentalmente.
Este artigo apresenta o EcoG-Bench, um novo benchmark bilingue e rigoroso para avaliar a capacidade de modelos de linguagem multimodais de associar comandos deícticos a gestos de apontamento em tempo real, revelando uma grande lacuna de desempenho entre humanos e IAs devido a limitações nas interfaces multimodais que dificultam a observação de alinhamentos temporais precisos.
O artigo apresenta o EvoStage, uma nova abordagem evolutiva que utiliza modelos de linguagem (LLMs) em estágios sequenciais com feedback e uma perspectiva global-local para superar as limitações de métodos de caixa preta, resultando no projeto de algoritmos otimizados que superam designs humanos e técnicas existentes em tarefas complexas como o posicionamento de chips.
O artigo propõe o framework HILA, que utiliza uma otimização de política em duplo loop para capacitar sistemas multiagentes a aprender metacognitivamente quando colaborar com humanos, permitindo aprendizado contínuo e superando as limitações de conhecimento estático dos modelos autônomos.
O artigo apresenta o VORL-EXPLORE, uma abordagem híbrida de aprendizado e planejamento para exploração multi-robô em ambientes dinâmicos que utiliza uma estimativa compartilhada de navegabilidade para acoplar alocação de tarefas e execução de movimento, reduzindo contenções e adaptando-se a obstáculos não estacionários através de um mecanismo de arbitragem entre navegação global e políticas reativas.
O artigo apresenta o ZK-ACE, uma camada de autorização baseada em identidade que substitui os grandes objetos de assinatura pós-quântica por afirmações de conhecimento zero, reduzindo drasticamente os dados de consenso e mantendo a segurança em blockchains pós-quânticas.
O artigo apresenta o OSExpert, um agente de uso de computador que supera as limitações atuais ao utilizar uma exploração baseada em busca em profundidade (GUI-DFS) para descobrir funções unitárias e construir um currículo de habilidades, resultando em um ganho de desempenho de cerca de 20% e uma redução de 80% na lacuna de eficiência em relação a especialistas humanos.
Este trabalho apresenta um framework de rastreamento de instrumentos cirúrgicos para realidade aumentada que supera as limitações de oclusão em salas de cirurgia dinâmicas ao fundir múltiplas modalidades de sensoriamento e otimizar a visualização em tempo real.
O artigo apresenta o AR-ACE, um protocolo de retransmissão que elimina a necessidade de provas de validade no caminho de propagação em blockchains pós-quânticas, substituindo-as por atestações compactas e realizando a verificação agregada apenas no construtor, resultando em uma redução de ordem de magnitude na largura de banda necessária.
Este artigo propõe um framework de otimização online baseado em Lyapunov para o agendamento energeticamente eficiente em redes de Computação de Borda Móvel com Alimentação Sem Fio, transformando um problema estocástico complexo em subproblemas determinísticos resolvíveis que equilibram latência e consumo de energia através de uma abordagem de relaxação e ajuste.
O artigo apresenta o AutoReg3D, um detector 3D baseado em LiDAR que reformula a detecção como geração de sequências autoregressivas em ordem de proximidade, eliminando a necessidade de componentes manuais como âncoras e supressão não máxima (NMS) enquanto habilita a aplicação de avanços recentes em modelos de linguagem para percepção 3D.
O artigo propõe o PreHO, um mecanismo de handover preditivo para redes de satélites de órbita baixa (LEO) que, ao explorar a estabilidade e previsibilidade dos canais para planejar antecipadamente as transferências, supera os métodos tradicionais ao reduzir significativamente a sobrecarga de sinalização e a latência.