8464 artigos
Este artigo apresenta um framework de aprendizado de máquina guiado pela física que, utilizando dados do supercomputador Frontier, identifica e propõe ajustes de setpoint seguros para recuperar até 96% do excesso de energia de resfriamento em data centers de alto desempenho.
O artigo apresenta o Batch-of-Thought (BoT), um método sem treinamento que melhora o raciocínio de Grandes Modelos de Linguagem ao processar consultas relacionadas em conjunto para identificar padrões compartilhados e detectar erros, resultando em maior precisão e redução de custos de inferência.
O artigo apresenta o R^4, um framework agêntico autoaperfeiçoável que melhora a análise de imagens médicas através da decomposição do fluxo de trabalho em quatro agentes coordenados (roteamento, recuperação, reflexão e reparo), resultando em relatórios mais precisos e caixas delimitadoras melhor fundamentadas sem a necessidade de ajuste fino baseado em gradientes.
Este estudo audita e realiza uma etnografia traçada do preditor LAION-Aesthetics, revelando como seu viés algorítmico reforça o olhar imperial e masculino ao filtrar desproporcionalmente imagens com representações de mulheres, homens e pessoas LGBTQ+, além de priorizar estilos artísticos ocidentais e japoneses, devido à origem de seus dados de treinamento em fotógrafos anglófonos e entusiastas de IA ocidentais.
O artigo apresenta o "Single-Shot Planning" para Agentes de Uso de Computador, uma arquitetura de segurança que gera um plano de execução completo antes de observar o ambiente, garantindo integridade contra injeções de prompt e ataques de desvio de ramificação enquanto mantém ou melhora o desempenho em modelos de IA.
Este estudo analisa como os usuários do Reddit detectam e respondem ao comportamento sycophântico em IAs conversacionais, revelando que tais interações podem ser benéficas para populações vulneráveis e propondo um design de IA sensível ao contexto que equilibre riscos e benefícios.
O artigo apresenta o BoxMind, um sistema de IA de ciclo fechado que transforma dados de vídeo em estratégias táticas otimizadas, validado durante os Jogos Olímpicos de 2024 com contribuições diretas para o histórico desempenho da equipe nacional de boxe da China.
O artigo propõe o MSAHG, um método de aprendizado em hipergrafos que utiliza sub-hipergrafos disjuntos por cenário e um mecanismo de divisão de parâmetros para superar as limitações das abordagens existentes ao capturar padrões de mobilidade específicos e resolver conflitos entre diferentes contextos na recomendação de próximos locais de interesse.
O artigo apresenta o S2DiT, um modelo Transformer de Difusão em "sanduíche" otimizado para geração de vídeo em streaming de alta fidelidade em dispositivos móveis, que combina mecanismos de atenção híbrida e eficiente com um framework de destilação para alcançar desempenho comparável a modelos de servidor com mais de 10 FPS em iPhones.
Este trabalho investiga o design de contratos de pagamento igualitário para equipes de agentes, estabelecendo algoritmos de aproximação eficientes e limites de dureza para diversas funções de recompensa, demonstrando que tais restrições de equidade resolvem problemas abertos no design de contratos não restritos e geram um custo de equidade (price of equality) de .
O artigo apresenta o ReViP, um novo framework para modelos Visão-Linguagem-Ação que mitiga o problema de "falsa conclusão" através do reequilíbrio entre visão e propriocepção, utilizando pistas visuais conscientes do progresso do task para melhorar a robustez e o desempenho em tarefas de manipulação robótica.
Este artigo apresenta o ScenePilot-Bench, um benchmark e conjunto de dados em grande escala baseado em 3.847 horas de vídeos de direção, projetado para avaliar e impulsionar o desempenho de modelos de visão e linguagem em cenários de direção autônoma através de uma avaliação abrangente de compreensão de cena, percepção espacial e planejamento de movimento.
Este artigo apresenta o método QSTar, uma abordagem inovadora para Resposta a Perguntas Audiovisuais (AVQA) que supera as limitações dos métodos existentes ao integrar ativamente as informações da pergunta e as características de frequência do áudio em todo o processo de raciocínio, resultando em desempenho superior em diversos benchmarks.
Este artigo apresenta um framework dinâmico para manter a conectividade por arestas em grafos simples não direcionados, utilizando certificados esparsos de Nagamochi-Ibaraki e árvores Link-Cut para inserções em tempo amortizado e um cálculo de fluxo máximo para restaurar a conectividade após deleções em tempo , garantindo que o grafo permaneça com arestas.
Este artigo apresenta o BioAgent Bench, uma suite de avaliação e conjunto de dados que mede o desempenho e a robustez de agentes de IA em tarefas de bioinformática, revelando que, embora modelos de ponta consigam executar pipelines complexos, eles falham sob perturbações controladas e que modelos de pesos abertos são preferíveis em cenários que exigem privacidade de dados.
Este trabalho apresenta o R2M, um novo framework leve de RLHF que supera as limitações da otimização excessiva de recompensas ao alinhar o modelo de recompensa com as mudanças de distribuição da política em tempo real, utilizando estados ocultos da política em vez de depender apenas de informações semânticas superficiais.
Este estudo avalia o impacto da análise de sentimentos de notícias baseada em LLMs (DeBERTa, RoBERTa e FinBERT) na previsão de movimentos de preços de ações, demonstrando que o DeBERTa individualmente atinge 75% de precisão, um ensemble dos três modelos chega a 80% e que as características de sentimento oferecem benefícios modestos a diversos modelos de previsão.
Este artigo investiga como abordagens de design sensíveis à idade, utilizando tecnologias interativas e geração de vídeo por IA, permitem que mulheres chinesas aposentadas superem barreiras técnicas e transitem de meras espectadoras para co-criadoras empoderadas de suas performances de dança.
Este artigo propõe um quadro de controle cognitivo flexível que utiliza um modelo estocástico profundo de espaço de estados (CF-DeepSSSM) para reorganizar representações latentes online com garantias de segurança, assegurando estabilidade e recuperação de desempenho em sistemas ciber-físicos não estacionários.
O artigo apresenta o Green-VLA, um modelo de Visão-Linguagem-Ação em cinco estágios que combina pré-treinamento multimodal, adaptação específica para diferentes robôs e alinhamento por aprendizado por reforço para permitir que um único agente generalize com segurança e eficiência em tarefas de longo prazo em diversos corpos robóticos, incluindo o humanoide Green.