3639 artigos
Este artigo apresenta o FORGE, um framework de ciência do design que estrutura a colaboração entre instrutor e IA no ensino superior por meio de quatro papéis e sete dimensões, demonstrando, via estudos de caso, como suas diretrizes transformam o prompting improvisado em um fluxo de trabalho transferível e baseado em papéis para a geração de materiais educacionais.
O artigo propõe o STCA-Net, uma rede neural espaço-temporal compacta que integra convoluções separáveis em profundidade de múltiplas escalas e mecanismos de atenção cruzada bidirecional para capturar efetivamente dependências locais e de longo alcance em dados de EEG, alcançando o estado da arte em desempenho na classificação de crises epilépticas em tarefas binárias, de três classes e de cinco classes no conjunto de dados da Universidade de Bonn.
Este estudo demonstra que a combinação de geração aumentada por recuperação com o aterramento em grafos de conhecimento aumenta significativamente a correção factual, a segurança e a utilidade clínica de grandes modelos de linguagem no raciocínio de segurança do paciente, ao reduzir substancialmente as alucinações e melhorar a rastreabilidade das evidências em comparação com abordagens não fundamentadas ou de método único.
O Sistema de Gestão de Direito a Recursos (REMS) aborda o gargalo do acesso a dados de pesquisa sensíveis ao padronizar e automatizar fluxos de trabalho administrativos manuais e complexos em processos de permissão configuráveis e legíveis por máquina que garantem a prestação de contas e apoiam a soberania de dados em diversos ambientes regulatórios sem harmonizar leis ou avaliar o mérito científico.
Este artigo propõe uma arquitetura de aprendizado profundo híbrida que funde características visuais baseadas em MobileNetV2 e dados de marcos derivados do MediaPipe por meio de uma estrutura de portão de confiança para alcançar o reconhecimento robusto e em tempo real da Língua de Sinais Indiana com 95% de precisão, superando efetivamente as limitações de modelos individuais em condições ruidosas ou ambíguas.
Este estudo demonstra que, embora a série GPT-5 Pro possa acelerar significativamente e automatizar com precisão a extração de dados e a avaliação do risco de viés em revisões sistemáticas utilizando prompting de zero a poucos disparos (zero-to-few-shot), ela ainda apresenta desempenho inferior na triagem de texto completo e requer fluxos de trabalho híbridos de humano no circuito (human-in-the-loop) para a geração de strings de busca e triagem de artigos para garantir a confiabilidade.
Este estudo demonstra que a integração de um grafo de conhecimento de sarcoma de partes moles em um pipeline de geração aumentada por recuperação aumenta significativamente a precisão, a segurança e a fidelidade do raciocínio de modelos de linguagem de grande escala para o manejo de tumores raros em comparação com abordagens zero-shot ou baseadas apenas em diretrizes.
Este artigo demonstra que para a Análise de Sentimento Baseada em Aspectos cross-domain baseada em Mamba, o simples pooling do último token combinado com a adaptação de pseudo-rótulos é mais eficaz do que métodos de agregação sofisticados ou estratégias de pooling complexas, apesar das atuais ineficiências de implementação em comparação ao BERT.
Este estudo demonstra que um pipeline baseado em RAG utilizando o LLM Codestral-22B com prompting contínuo de poucos disparos (few-shot) identifica efetivamente clones semânticos de código e padrões de reutilização em forks de microsserviços de código aberto, superando ferramentas tradicionais baseadas em sintaxe, apesar das limitações atuais de recall.
Este artigo introduz o Repair Evidence Resolution (RER), um framework que desloca a avaliação automatizada da correção de patches de métricas puramente preditivas para uma análise estrutural de se as evidências podem definir de forma definitiva a separação entre reparos corretos e incorretos, revelando que mesmo avaliadores de alto desempenho frequentemente dependem de evidências que falham em resolver reivindicações de reparo específicas.