8464 artigos
O estudo apresenta o framework SIM-VAIL, que identifica e quantifica os "Vulnerability-Amplifying Interaction Loops" (VAILs), um modo de falha sistemática em que respostas de chatbots de IA, embora aparentemente de apoio, acumulam-se ao longo de múltiplas interações para amplificar vulnerabilidades psiquiátricas específicas em diversos perfis de usuários.
O artigo apresenta o AgenticLab, uma plataforma e benchmark de código aberto para agentes robóticos que utilizam modelos de linguagem-visão, projetado para avaliar e identificar falhas na execução de tarefas de manipulação em ambientes reais e não estruturados, superando as limitações das avaliações baseadas apenas em simulação ou testes estáticos.
Este artigo demonstra que a offload para GPU em plataformas de borda heterogêneas aumenta significativamente o throughput e reduz a latência da decodificação LDPC para comunicações veiculares 5G, garantindo a margem de computação necessária para atender aos rigorosos requisitos de tempo e confiabilidade das unidades de borda (RSU).
Este artigo apresenta o FSTab, uma abordagem de ataque em caixa preta que identifica e avalia a persistência de vulnerabilidades recorrentes em softwares gerados por LLMs, demonstrando que modelos de ponta como GPT-5.2 e Claude-4.5 Opus reproduzem falhas previsíveis com alta taxa de sucesso mesmo em domínios não vistos durante o treinamento.
O artigo apresenta o LMMRec, um framework agnóstico ao modelo que utiliza grandes modelos de linguagem e aprendizado contrastivo para extrair e alinhar motivações semânticas de texto e interações, melhorando significativamente a precisão de sistemas de recomendação multimodal.
Este estudo demonstra que não há convergência significativa entre as medidas de resolução de problemas baseadas em jogos e as autorrelatadas, sugerindo que essas abordagens fornecem informações complementares e que a integração de ambos os métodos é essencial para uma avaliação mais completa no contexto de recursos humanos.
Este artigo propõe um novo quadro de orientação para difusão condicional sob restrições rígidas, fundamentado na transformada h de Doob e em identidades de martingale, que permite estimar correções de deriva sem modificar a rede de pontuação pré-treinada e oferece garantias teóricas não assintóticas para a satisfação de eventos com probabilidade unitária.
Este estudo de métodos mistos revela que as mães recorrem aos Grandes Modelos de Linguagem como recursos de apoio emocional não julgadores para aliviar a culpa e obter tranquilização sobre decisões de cuidado, embora a maioria ainda valorize o calor humano, destacando o papel do contexto social na adoção dessas tecnologias.
O artigo apresenta o NAAMSE, um framework evolutivo que otimiza a avaliação de segurança de agentes de IA através de mutação de prompts e exploração hierárquica para identificar vulnerabilidades complexas e adaptativas, superando as limitações dos métodos estáticos e de red-teaming manual.
O PhysDrape é um solucionador híbrido neural-físico que integra uma Rede Neural Orientada a Física com um solver de projeção diferenciável para garantir a drapagem realista de vestuário, resolvendo efetivamente o conflito entre validade geométrica e plausibilidade física ao impor restrições de colisão explícitas e minimizar a energia de deformação.
O artigo apresenta o LLM4PQC, um framework baseado em modelos de linguagem que automatiza a refatoração de códigos de criptografia pós-quântica para especificações de síntese de alto nível, utilizando verificações hierárquicas para garantir a correção e reduzir o esforço manual no projeto de hardware.
O artigo propõe o FlowAdapt, um framework de adaptação de domínio eficiente em parâmetros baseado na teoria do transporte ótimo que supera os desafios da percepção colaborativa em V2X ao filtrar redundâncias e preservar semânticas finas, alcançando desempenho superior com apenas 1% dos parâmetros treináveis.
O artigo propõe o SToRM, um novo framework de redução supervisionada de tokens para modelos de linguagem multimodal que otimiza a condução autônoma de ponta a ponta ao reduzir drasticamente o custo computacional sem comprometer o desempenho.
O artigo apresenta o AGPS, um framework que automatiza o aprendizado por reforço em robôs substituindo supervisores humanos por um agente multimodal que atua como modelo de mundo semântico, resultando em maior eficiência de amostras e escalabilidade para tarefas de manipulação complexas.
O artigo M2RL investiga e compara os paradigmas de RLVR misto versus separado com fusão de modelos para aprendizado por reforço em múltiplos domínios em LLMs, descobrindo que as tarefas de raciocínio intensivo exibem efeitos sinérgicos e pouca interferência mútua, conforme detalhado em sua análise de mecanismos internos.
O artigo apresenta o SkillsBench, um benchmark que demonstra que habilidades curadas aumentam significativamente o desempenho de agentes de IA em diversas tarefas, enquanto habilidades geradas automaticamente não oferecem benefícios e modelos menores equipados com habilidades podem superar modelos maiores sem elas.
Este artigo propõe um novo framework de controle para sistemas LPV com atrasos de estado variantes no tempo, integrando funções de Lyapunov dependentes dos parâmetros e restrições quadráticas integrais (IQCs) dinâmicas para sintetizar um controlador de realimentação de estado dependente do atraso que garante estabilidade e desempenho reduzindo o conservadorismo das abordagens tradicionais.
Este artigo propõe uma abordagem inovadora que integra embeddings semânticos de código com a teoria da dinâmica de opiniões para modelar quantitativamente a evolução de repositórios de software, permitindo analisar padrões de colaboração, formação de consenso e influência entre desenvolvedores em projetos open-source.
Este trabalho apresenta o DARIO, um framework compatível com O-RAN que utiliza um modelo de Cálculo de Rede Estocástica para otimizar dinamicamente a atribuição de Superfícies Inteligentes Reconfiguráveis (RIS) em cenários 6G, reduzindo significativamente a latência e atendendo a requisitos heterogêneos de confiabilidade e atraso.
Este trabalho apresenta um framework de Controle Preditivo Baseado em Modelos que integra Redes Neurais em Grafos e um algoritmo de condensação otimizado para GPU, permitindo o controle em tempo real de sistemas de alta dimensão, como robôs macios, com alta precisão e eficiência computacional.