3447 artigos
Este artigo reavalia o benchmark EVMbench, demonstrando que, devido a limitações metodológicas como contaminação de dados e falta de controle de scaffolding, os agentes de IA atuais não são estáveis nem capazes de exploração completa em incidentes reais, indicando que a auditoria automatizada total ainda não é viável e que a colaboração humano-IA permanece essencial.
O artigo apresenta o PolGS++, um framework de Splatting Gaussiano polarimétrico guiado por física que integra um modelo pBRDF e uma máscara de visibilidade guiada por profundidade para reconstruir com alta eficiência e qualidade superfícies reflexivas, decoplando componentes difusos e especulares sem a necessidade de interseções de rastreamento de raios custosas.
Este artigo investiga como ataques de backdoor são representados em Vision Transformers, identificando uma "direção de gatilho" causal nas ativações do modelo que permite rastrear o processamento de diferentes tipos de gatilhos, analisar sua relação com ataques adversariais e propor um esquema de detecção baseado em pesos para gatilhos sigilosos.
Este artigo apresenta um sistema integrado de extração de características baseado em hiper-cubos de dados comprimidos em árvores dentro do framework Polytope, oferecendo uma solução eficiente e escalável para acessar e analisar conjuntos de dados complexos, irregulares e heterogêneos das ciências da Terra que desafiam os modelos tradicionais de datacubes.
O artigo apresenta o HanMoVLM, um modelo de linguagem e visão de grande escala especializado na avaliação profissional de pinturas chinesas, que utiliza raciocínio passo a passo validado por especialistas e uma função de recompensa para superar a cegueira artística de modelos existentes e servir como verificador de alta qualidade para aprimorar a geração de imagens.
O artigo apresenta o MEDISEG, um novo conjunto de dados com máscaras de segmentação de instância para 32 tipos de comprimidos em 8262 imagens que aborda a falta de complexidade do mundo real em datasets existentes, demonstrando sua eficácia no treinamento de modelos de IA para prevenir erros de medicação e eventos adversos.
Este estudo desenvolve um framework espacialmente explícito na Chéquia que demonstra que as características populacionais apresentam relações condicionadas espacialmente com a forma construída, evidenciando que a heterogeneidade espacial e a seletividade social de certos tipos de edificação são fundamentais para compreender e reproduzir as desigualdades socioespaciais.
Este estudo demonstra que, embora a classificação semântica de comprimidos se adapte rapidamente com poucos exemplos, a robustez de sistemas de reconhecimento em cenários reais de implantação depende criticamente da presença de dados de treinamento realistas e complexos para mitigar falhas na localização e no recall sob condições de oclusão e sobreposição.
O artigo apresenta o MAD, uma abordagem inovadora que combina alocação de memória com princípios de diversidade de software para mitigar vulnerabilidades de erros em DRAM e ataques RowHammer, oferecendo uma defesa eficaz, de fácil implementação e com impacto de desempenho negligenciável.
Este artigo apresenta um modelo topológico baseado na decomposição de Hodge para analisar fluxos operacionais em plataformas serverless, permitindo distinguir entre erros configuráveis e propriedades estruturais inerentes (modos harmônicos) e propondo estratégias de mitigação, como efeitos de "drenagem", para gerenciar essas ineficiências sem reestruturar completamente a arquitetura.
O artigo apresenta o UltrasoundAgents, um quadro hierárquico de agentes múltiplos que simula o fluxo de trabalho clínico no diagnóstico de ultrassom mamário, utilizando uma estratégia de treinamento progressivo para localizar lesões, analisar atributos específicos e realizar raciocínio baseado em evidências para prever categorias BI-RADS e malignidade com maior rastreabilidade e precisão.
O artigo apresenta o OSUM-Pangu, um modelo de fundação de compreensão de fala totalmente open-source desenvolvido na plataforma Ascend NPU sem dependência de CUDA, que integra um encoder de áudio ao LLM OpenPangu-7B para alcançar desempenho comparável a modelos baseados em GPU enquanto promove a evolução independente da inteligência multimodal.
O artigo propõe o DIPE, um mecanismo de codificação de posição invariante à distância inter-modal que mitiga o desvanecimento visual em cenários de longo contexto ao preservar a proximidade perceptiva entre tokens visuais e textuais, garantindo uma ancoragem visual estável sem comprometer o desempenho em tarefas de curto contexto.
Este estudo investigou como traços de humor, circunstâncias de vida e dinâmicas de grupo influenciam a percepção de sentimentos em mensagens de desenvolvimento de software por estudantes, revelando que essa percepção é moderadamente estável, altamente dependente do conteúdo da mensagem e pouco afetada por fases do projeto, o que sugere cautela ao interpretar análises de sentimento automatizadas.
O artigo apresenta o FG-CLTP, um novo framework de pré-treinamento contrastivo que integra representações táteis de nuvens de pontos 3D e linguagem para permitir uma manipulação robótica mais precisa e generalizável, superando métodos existentes ao capturar estados de contato quantitativos e reduzir significativamente erros de regressão.
O artigo propõe o método BiLaLoRA, que combina uma perda direcionada por texto baseada em CLIP para orientação semântica não supervisionada e uma estratégia de LoRA de posicionamento em dois níveis para ajuste fino eficiente, alcançando resultados superiores em tarefas de remoção de neblina em imagens reais.
Os autores propõem uma arquitetura hierárquica que combina Aprendizado por Reforço e Controle Preditivo por Modelo para gerenciar o timing de contato em locomoção de robôs com pernas e híbridos, demonstrando a emergência de gaits acíclicos e transferência zero-shot bem-sucedida de simulação para realidade em plataformas de até 120 kg sem necessidade de randomização de domínio.
O artigo apresenta o VoxCare, um sistema escalável de sensores vestíveis que analisa comportamentos de comunicação natural de profissionais de saúde em tempo real sem armazenar áudio bruto, revelando como esses padrões refletem a carga de trabalho e o estresse para melhorar a entrega de cuidados.
O artigo apresenta o S2D, um novo pipeline que combina um modelo de difusão eficiente para corrigir artefatos em nuvens de pontos esparsas com uma estratégia de reconstrução robusta, permitindo a geração de cenas 3D de alta qualidade usando o mínimo possível de imagens de entrada.
Este artigo formaliza a seleção de respostas de DNS autoritativo como um domínio semântico limitado por restrições do protocolo, provando que qualquer mecanismo de seleção pode ser reduzido a uma forma normal finita e estabelecendo uma estrutura algébrica para analisar a composição, equivalência e expressividade entre sistemas heterogêneos.