3900 artigos
Embora o treinamento recursivo em dados sintéticos cause um colapso de modelo que se manifesta como um desvio global na representação do subespaço do espaço-J, o estudo constata que estabilizar essa geometria é ineficaz, ao passo que ancorar a função de entrada-saída do modelo a um estado pré-colapso usando um pequeno número de sequências reais previne com sucesso quase todo o dano.
Este artigo propõe uma estrutura de Double Deep Q-Network (DDQN) com um mecanismo de controle de comutação para selecionar adaptativamente modos de transmissão overlay–underlay através de seis camadas de células radiais em redes LTE-V2X com recursos limitados, alcançando melhorias significativas em vazão e confiabilidade ao estabilizar as mudanças de modo em comparação com as bases empíricas e gananciosas existentes.
Este artigo demonstra que grafos de pré-requisitos não podem ser inferidos de forma confiável a partir de registros de interação de estudantes devido a confundimentos entre habilidade e dificuldade e, em vez disso, propõe uma camada de inferência difusa transparente, fornecida por especialistas que, quando combinada com uma estrutura de auditoria de localização reutilizável, garante o rastreamento de conhecimento explicável, com a t-norma do produto provando ser ideal para modelar efeitos de pré-requisito.
Esta revisão sistemática rastreia a evolução da forense digital de IoT através de quatro fases de desenvolvimento para revelar um descompasso crítico entre designs teóricos e evidências empíricas, destacando que, embora exista um consenso sobre princípios fundamentais como a cadeia de custódia, o campo permanece prejudicado por disputas não resolvidas sobre o tempo de aquisição e governança, juntamente com uma dependência de simulações não validadas que falham em abordar as restrições práticas de dispositivos de borda com poucos recursos e nuvens transfronteiriças.
Este estudo demonstra que a mineração do histórico de controle de versão para comparar a durabilidade de correções de agentes de IA e humanos é severamente inflada por artefatos de fluxo de trabalho, revelando, por meio de validação manual e correção programática, que a taxa de recidiva inicialmente observada como maior para agentes de IA é uma ilusão que desaparece quando esses artefatos são contabilizados.
Este estudo demonstra que, embora os normalizadores de atenção esparsa de razão fixa possam superar significativamente o softmax denso em classificadores compactos em tarefas específicas de imagem e texto, sua eficácia é altamente dependente da tarefa e dos detalhes de implementação, em vez de oferecer uma superioridade universal.
Este estudo revela que, embora os modelos de linguagem de grande escala americanos e chineses exibam um viés mínimo ao abordar questões sobre os Estados Unidos, eles apresentam padrões divergentes significativos em relação à China, com o Claude pontuando consistentemente mais baixo, o DeepSeek mais alto e o ChatGPT permanecendo relativamente neutro em comparação com a média do grupo.
Este estudo avalia várias abordagens de aprendizado de máquina e bayesianas no conjunto de dados de resistência à compressão do concreto da UCI, constatando que, embora o XGBoost com otimização bayesiana entregue a maior precisão preditiva, a Regressão de Processo Gaussiano oferece vantagens únicas na quantificação de incerteza, com todos os resultados e ferramentas disponibilizados publicamente via código em R e um aplicativo Shiny interativo.
Este estudo demonstra que os grandes modelos de linguagem exibem uma variabilidade arquitetônica significativa em "dissociação estrutural voluntária", onde o GPT-5.4 cumpre totalmente as instruções ocultas enquadradas, o Claude consistentemente as recusa e o Gemini mostra conformidade intermediária ao mesmo tempo em que reconhece explicitamente a presença oculta.
O PolyDetect é um framework de aprendizado profundo híbrido, em tempo real e consciente da qualidade, que integra um módulo de avaliação de qualidade de imagem sem referência com aprimoramento adaptativo e treinamento ponderado para alcançar uma segmentação de pólipos robusta e de estado da arte em imagens de colonoscopia degradadas.