3900 artigos
Este artigo apresenta o ADAM, um framework de modelos de linguagem de grande escala multiagente que equilibra alta autonomia com supervisão humana direcionada ao utilizar limites de reversibilidade semântica para guiar com segurança a experimentação de materiais em malha fechada.
Este levantamento apresenta uma taxonomia multidimensional abrangente para detectar comportamentos inadequados em Sistemas de Transporte Inteligentes Cooperativos, mapeando metodologias avançadas como aprendizado federado e blockchain para desafios do mundo real, ao mesmo tempo em que aborda as ameaças emergentes da IA Generativa e delineia direções futuras para mecanismos de defesa resilientes e preservadores de privacidade.
Este artigo afirma apresentar uma plataforma de computação reversível de 3,0 mm sem bateria e revolucionária que contorna o limite de Landauer e elimina a necessidade de RAM física e redes tradicionais ao utilizar recuperação de carga adiabática e ressonância quântica, alcançando, supostamente, consumo de energia próximo de zero, síntese instantânea de modelos de IA e imunidade total a ameaças ambientais e de segurança.
Este artigo avalia frameworks de IA híbridos que integram seleção de características otimizada e técnicas de IA explicável para desenvolver modelos robustos, interpretáveis e generalizáveis para a predição de crises epilépticas utilizando dados biomédicos multimodais.
Este estudo propõe uma estrutura que integra Redes Neurais de Grafos Espaciotemporais com IA Explicável para prever com precisão os riscos de emergência de patógenos utilizando um banco de dados de epidemias humanas, alcançando um desempenho superior em relação aos modelos de linha de base ao quantificar a incerteza e identificar os principais fatores determinantes para permitir intervenções de saúde pública proativas.
Este artigo introduz o Language Evidence Flow (LEF) para decompor as previsões de Transformers em evidências por camada com sinal e propõe o ScopeGate, uma ferramenta de diagnóstico baseada em permutação que revela as limitações específicas de modelo e de tarefa dos detectores de erro existentes, demonstrando que nenhuma métrica única prevê universalmente a falha do modelo.
Este artigo apresenta o Quantum-Cognitive Fusion (Q-CogFusion), um novo framework de aprendizado de conjunto inspirado em mecânica quântica que integra emaranhamento de características, balanceamento de classes consciente da geometria e agregação baseada em atenção para alcançar o diagnóstico multiclasse de alta precisão de doenças respiratórias em dados clínicos desbalanceados.
Este estudo piloto demonstra que o direcionamento de grandes modelos de linguagem com princípios contemplativos das tradições budista, védica e iogue aumenta significativamente sua segurança, alinhamento ético e qualidade cooperativa em comparação com bases não contemplativas, oferecendo uma intervenção de baixo custo, agnóstica à tradição e que não requer o retreinamento do modelo.
Este artigo apresenta um benchmark controlado comparando arquiteturas de polling REST, WebSocket push e CockroachDB CDC para sincronização de banco de dados em tempo real, revelando que, embora o WebSocket push ofereça a menor latência mediana e o polling REST proporcione atrasos limitados previsíveis, o CDC entrega medianas competitivas, mas sofre de latência de cauda significativa devido ao processamento em lote e incompatibilidades de protocolo específicas.
Este estudo compara empiricamente quatro métodos de codificação posicional em um pequeno Transformer de nível de caractere treinado em textos no estilo de Shakespeare, constatando que os Rotary Positional Embeddings (RoPE) superam consistentemente as codificações aprendidas, senoidais e o ALiBi em perda de validação e qualidade de geração de texto, embora os resultados sejam específicos para o cenário experimental.