3448 artigos
O artigo apresenta o "Adaptive Tamaraw", um novo framework de defesa contra impressão digital de sites que combina agrupamento de tráfego e parâmetros de preenchimento adaptativos para reduzir significativamente a sobrecarga de comunicação enquanto mantém garantias de segurança comprovadas.
O artigo apresenta o BLAST, uma ferramenta que combina Modelos de Linguagem de Grande Escala (LLMs) e testes baseados em busca (SBST) para gerar automaticamente testes que reproduzem falhas a partir de pares de problemas e correções, demonstrando eficácia superior ao estado da arte em um benchmark e validando seu impacto prático através de um bot no GitHub.
O artigo apresenta o CoRe-GS, um framework de Gaussian Splatting que otimiza seletivamente apenas as regiões de interesse (POIs) em uma abordagem de "grossa para refinada", reduzindo drasticamente o tempo de treinamento e melhorando a qualidade da reconstrução para aplicações robóticas críticas, ao mesmo tempo que mitiga artefatos visuais sem necessidade de rasterização de máscaras.
Este artigo apresenta o primeiro estudo em grande escala sobre o uso de aritmética de ponto flutuante em repositórios públicos do GitHub para linguagens estaticamente tipadas, analisando milhões de funções para validar benchmarks existentes e fornecer um novo conjunto de dados de 10 milhões de funções para orientar o desenvolvimento e a avaliação de futuras técnicas de raciocínio automatizado.
Este trabalho propõe o AwesomeDE, um sistema que utiliza Grandes Modelos de Linguagem (LLMs) e o framework para gerar e evoluir automaticamente algoritmos de otimização evolutiva com restrições, demonstrando superioridade em eficiência computacional, precisão e generalização em comparação com métodos existentes.
O artigo apresenta o VocSegMRI, um framework de aprendizado multimodal que integra vídeo, áudio e sinais fonológicos para alcançar a segmentação de precisão das estruturas articulatórias em ressonância magnética em tempo real, superando os métodos existentes com uma pontuação Dice de 0,95.
Este artigo apresenta uma abordagem de aprendizado descentralizado que permite a equipes de robôs quadrúpedes coordenarem o transporte de objetos não manipuláveis apenas por meio de contato físico, utilizando uma política hierárquica e um esquema de recompensas que simula conexões rígidas sem necessidade de comunicação ou controle centralizado.
Este artigo analisa oito implementações reais de IA em contextos não ocidentais para identificar seis fatores transversais e influências socioculturais, institucionais e tecnológicas que moldam esses sistemas, culminando na apresentação de 12 diretrizes para o desenvolvimento de soluções de IA culturalmente alinhadas, equitativas e eficazes para o bem social.
Este artigo apresenta o Sistema de Câmera de Imagem de Desova e Larvas de Coral (CSLICS), uma solução automatizada de baixo custo que utiliza visão computacional para contar desovas de coral com precisão, reduzindo drasticamente o trabalho manual e facilitando a restauração de recifes em grande escala.
Este artigo propõe um método não supervisionado para recuperar os mecanismos de codificação e decodificação de conceitos em redes de visão profunda, identificando pares de direções latentes que permitem interpretar, depurar e intervir no comportamento do modelo sem depender de reconstrução de características.
O artigo apresenta o LLaVAShield, um sistema de segurança projetado para dialogos multimodais multi-turno que supera as limitações das abordagens atuais ao lidar com intenções maliciosas ocultas e riscos contextuais acumulados, apoiado pelo novo conjunto de dados MMDS e pelo framework de red teaming MMRT.
Este estudo apresenta um pipeline de aprendizado profundo escalável baseado em uma abordagem U-Net de dupla passagem para extrair o primeiro conjunto de dados nacional de pegada urbana da França (1925-1950) a partir de mapas históricos Scan Histo, superando desafios de ruído e complexidade estilística para alcançar uma precisão global de 73% e liberar os dados e códigos resultantes para pesquisas futuras.
Este artigo propõe um algoritmo de planejamento de movimento em tempo real baseado em curvas de Bézier e funções de barreira de controle (MPC-CLF-CBF) que garante a conectividade de frotas de robôs em ambientes com obstáculos, permitindo a recuperação de conexões perdidas e melhorando significativamente a taxa de sucesso na navegação, conforme validado em simulações e experimentos físicos com oito quadricópteros Crazyflie.
O artigo apresenta o LARA-Gen, um novo framework que permite o controle contínuo e de alta granularidade das emoções na geração de música, alinhando representações latentes afetivas e utilizando um espaço de valência-ativação para superar as limitações dos prompts baseados em texto, resultando em uma aderência emocional e qualidade musical superiores às abordagens existentes.
Este artigo apresenta um método para criar mapas métrico-semânticos baseados em ativos de ambientes internos, que combinam detalhes de malhas de objetos com contexto global para superar abordagens existentes em precisão e velocidade, permitindo que robôs realizem navegação e planejamento complexos ao interagir com Grandes Modelos de Linguagem (LLMs).
O artigo apresenta o NaviGait, uma estrutura hierárquica que combina otimização de trajetória e aprendizado por reforço para gerar políticas de locomoção bípede robustas e intuitivas, sintetizando novos movimentos a partir de uma biblioteca de gaits offline para acelerar o treinamento e manter a fidelidade ao movimento de referência.
O artigo apresenta o BanaServe, um framework de orquestração dinâmica que otimiza o atendimento de modelos de linguagem grandes em infraestrutura desagregada através da migração dinâmica de pesos e cache KV, superando as limitações de alocação estática e desequilíbrio de carga para alcançar maior vazão e menor latência.
Este artigo apresenta um novo framework de compressão de vídeo neural em tempo real que unifica codificação intra e inter em um único modelo adaptativo, superando as limitações de propagação de erro e gerência de novos conteúdos para alcançar uma redução média de 12,1% na taxa BD em comparação com o estado da arte DCVC-RT, mantendo simultaneamente desempenho de codificação e decodificação em tempo real.
O artigo apresenta o algoritmo PULL, uma solução completa e eficiente em tempo polinomial para o problema de Rastreamento de Caminho Multiagente Não Rotulado Conectado (CUMAPF), superando as limitações de escalabilidade de abordagens baseadas em Programação Linear Inteira ao permitir o planejamento de trajetórias para centenas de agentes em grades 2D.
Este artigo desafia a premissa de que o replanejamento reativo exige a atualização de planos existentes, demonstrando que algoritmos de planejamento quase certamente assintoticamente ótimos (ASAO), como EIT* e AORRTC, podem resolver problemas incrementais de forma mais eficiente ao tratar cada consulta como um problema independente, encontrando trajetórias globais consistentes e de alta qualidade em ambientes dinâmicos sem a necessidade de reutilização explícita de planos.