3643 artigos
Este estudo apresenta um sistema leve, baseado em navegador, utilizando um modelo MobileNetV2 e TensorFlow.js para alcançar 98,46% de precisão na classificação de produtos frescos versus podres inteiramente no lado do cliente, oferecendo uma solução escalável para cenários agrícolas com recursos limitados sem exigir infraestrutura de servidor ou hardware especializado.
Este artigo propõe um framework de otimização de prompts baseado em erro que trata o ajuste de prompts como um ciclo de controle de feedback de tempo discreto, demonstrando que alcança um desempenho comparável ao ajuste fino em tarefas de raciocínio financeiro enquanto consome significativamente menos energia do que o LoRA ou o ajuste fino completo.
O MemHRL propõe um framework de alinhamento hierárquico de memória e política para agentes de LLM de longo horizonte usando recuperação consciente de nível e consolidação consciente de falhas, mas avaliações em subconjuntos restritos do ScienceWorld e WebShop revelam ganhos de desempenho limitados e destacam os desafios de mecanismos compactos de política-memória sob propostas restritas.
Este artigo propõe uma estrutura de abstração visual de três níveis para fluxos de trabalho de gêmeos digitais que permite a especialistas de domínio comporem sub-rotinas híbridas quântico-clássicas enquanto impõe restrições críticas de recursos — como orçamentos de ancila e profundidade de circuito — na etapa de composição em vez de no momento da execução, garantindo assim a realizabilidade física de tarefas quânticas híbridas sem expor detalhes de portas de baixo nível.
Este artigo propõe uma arquitetura RAG local e sustentável usando contextualização de Fatiamento de Documento (Document Slice) e um agente de roteamento de dois níveis para alcançar uma precisão de recuperação próxima à linha de base, enquanto reduz drasticamente o consumo de energia, as emissões e o tempo de inferência para conformidade de governança energética.
O DISC é um novo algoritmo de agrupamento baseado em grafos que aproveita a entropia geométrica local para deformar métricas de afinidade e construir um grafo fragmentado e limpo, o qual é então particionado em bacias de atração altamente puras por meio de um fluxo guiado por profundidade e mesclado para alcançar o estado da arte em diversos conjuntos de dados.
Este artigo introduz o **pn_fir_tau**, um suavizamento de chaves FIR causal livre de parâmetros combinado com um limiar por camada aprendível que resolve a "Patologia de Deslocamento de Pontuação" na atenção retificada, alcançando assim uma recuperação associativa perfeita, eliminando sumidouros de atenção e permitindo que os modelos silenciem efetivamente consultas sem resposta enquanto mantêm a perplexidade de estado da arte.
Este artigo propõe o SPAFNET, uma rede de alinhamento progressivo guiado por prior semântico e de fusão bidirecional com portão projetada para lidar com a detecção de objetos salientes RGB-T não alinhados, embora suas métricas de desempenho relatadas no conjunto de dados UVT20K permaneçam preliminares e careçam de validação estatística.
Este artigo propõe o TME LLM OS, uma arquitetura de engenharia de sistemas de ciclo fechado que adapta o framework humano Teórico-Mecânico-Experiencial para impor a correção epistêmica em agentes de IA ao integrar revisão estruturada, rastreamento de proveniência e execução controlada para resolver discrepâncias dentro de um episódio delimitado antes da liberação segura.
O STEP-VERIFIER é um modelo de recompensa de processo que aprende a verificar ações individuais de agentes por meio de comparações pareadas sintetizadas automaticamente, fornecendo feedback intermediário denso durante o treinamento para melhorar significativamente o desempenho do agente em tarefas complexas de uso de ferramentas sem exigir a dependência do verificador na implantação.