4082 artigos
Este artigo apresenta um modelo de autoverificação treinado em um conjunto de dados que replica fielmente o formato e a pontuação autênticos do exame da ordem dos advogados do Japão, demonstrando que ele pode exceder a nota de aprovação oficial e superar estratégias complexas de múltiplos agentes ou baseadas em decomposição sem alterar a estrutura original do exame.
Este artigo propõe o algoritmo Evolutionary Kernel-based T-Spherical Fuzzy C-Means (EKTSFCM), que integra Conjuntos Fuzzy T-Esféricos e uma métrica de distância de núcleo duplo otimizada por técnicas evolutivas para alcançar precisão de agrupamento e robustez ao ruído superiores em conjuntos de dados complexos como sinais de EMG.
Este estudo avalia a capacidade de LLMs comerciais de gerar Verilog RTL funcional a partir de especificações de alto nível, constatando que o uso de prompts HLS-C melhora significativamente a correção em relação à linguagem natural, ao mesmo tempo em que revela desafios persistentes com erros de simulação e generalização limitada entre larguras de bits variáveis.
Este artigo propõe a Redes Neurais Binárias Pesquisadas por Análise de Componentes Principais (PCA-SBNN), um modelo de aprendizagem profunda multimodal que integra características de imagens de TC extraídas via TBConvL-Net e dados clínicos normalizados para alcançar a detecção precoce de carcinoma altamente precisa e sensível.
Este estudo demonstra que grandes modelos de linguagem podem servir como uma ferramenta de triagem escalável para avaliações automatizadas de reprodutibilidade nas ciências sociais e comportamentais, alcançando conclusões qualitativas comparáveis às de reanalistas humanos ao mesmo tempo em que apoiam, em vez de substituir, o julgamento especializado em auditorias sistemáticas.
Este artigo propõe o framework Deep Twin-Stream Sparse Spatiotemporal Quantum Diffusion (STQD), que integra transformers twin-stream esparsos, codificação quântica e modelos de difusão quântica para detectar eficazmente ataques cibernéticos em redes inteligentes, alcançando generalização superior e altos escores F1 em diversos conjuntos de dados de referência.
Este artigo apresenta o DRAgent, um framework de agentes multidisciplinar que utiliza um novo conjunto de dados de larga escala e um sistema multiagente baseado em papéis para gerar planos de tratamento de retinopatia diabética superiores e individualizados, simulando efetivamente a colaboração entre especialistas em oftalmologia e endocrinologia.
Este artigo propõe um framework híbrido de parâmetros eficientes e consciente do locutor que combina condensação extrativa hierárquica, adaptação baseada em LoRA e aprendizado por reforço com uma nova recompensa de atribuição de locutor para melhorar significativamente a fidelidade e reduzir alucinações em sumarização de diálogos, mantendo simultaneamente uma qualidade lexical competitiva.
Este estudo analisa sinais comportamentais de mais de 1.000.000 de interações em grandes plataformas de vídeos curtos para demonstrar que padrões dinâmicos de engajamento do usuário, particularmente indicadores de racionalidade e curiosidade, são mais eficazes do que dados demográficos na previsão da participação em câmaras de eco em torno de vídeos enganosos gerados por IA, apoiando, assim, sistemas de alerta precoce conscientes da privacidade.
Este estudo introduz o Progressive Residual LightGBM (PRLGB), um modelo de ensemble de três estágios que supera significativamente os algoritmos baseados em árvores padrão na previsão da alocação de recursos de Qualidade de Serviço 5G ao aprender efetivamente erros residuais e fundir características conscientes de incerteza para alcançar métricas de precisão superiores.