4092 artigos
Este artigo propõe que o raciocínio eficaz em grandes modelos de linguagem emerge não meramente de variedades de inferência de baixa dimensão, mas de um regime estrutural restrito específico que equilibra expressividade, compressão e preservação de informação, permitindo um novo framework diagnóstico livre de rótulos baseado em dinâmicas geométricas internas.
Este artigo apresenta o Aux-AI, uma estrutura de supervisão independente federada que apresenta um Núcleo de Confiança-Decisão desacoplado que garante a autonomia industrial consciente da confiança ao detectar eficazmente falhas induzidas por hardware e desvios fora da distribuição com precisão, vazão em tempo real e eficiência energética superiores em comparação com os monitores de segurança existentes.
O TopoNet é uma estrutura de dois ramos guiada por topologia que aprimora a classificação de imagens médicas volumétricas ao integrar características topológicas espacialmente registradas, derivadas de homologia persistente, com pistas baseadas em aparência por meio de atenção entre ramos, melhorando assim a precisão, a robustez e a interpretabilidade.
Este artigo identifica e analisa a CVE-2026-0628, uma vulnerabilidade crítica de escalonamento de privilégios no painel lateral Gemini Live AI do Google Chrome que permite que extensões com permissões básicas acessem recursos sensíveis de nível do navegador, revelando que 73,9% das extensões analisadas possuem as permissões necessárias para explorar essa brecha de segurança.
Este estudo demonstra que o uso de modelos de linguagem de grande escala como assistentes editoriais para refinar as respostas escritas de médicos, em vez de como geradores autônomos, aumenta significativamente a empatia percebida enquanto preserva a precisão factual, apoiado por métricas quantitativas inéditas para avaliar tanto o tom emocional quanto a precisão médica.
O artigo apresenta o GRACE, um novo framework de modelo de linguagem de grande escala que refina iterativamente hipóteses e evidências para descobrir automaticamente o número ideal de subgrupos clínicos em dados multimodais heterogêneos sem exigir a especificação prévia de contagens de clusters, conforme validado através de coortes de Long COVID e da doença de Parkinson.
Este levantamento sistematiza o cenário fragmentado da pesquisa autônoma ao introduzir um framework multi-eixo para 56 sistemas e sua confiabilidade de evidências, revelando uma lacuna crítica entre a capacidade de gerar artefatos de pesquisa e a falta de mecanismos robustos de verificação para defendê-los antes do lançamento.
Este artigo introduz o MOGA-NAS, um algoritmo evolutivo multiobjetivo que equilibra efetivamente o desempenho preditivo e a compactação do modelo para classificação de dados tabulares clínicos ao maximizar simultaneamente os escores F1 e minimizar a contagem de parâmetros, resultando em modelos significativamente menores com precisão superior ou comparável através de cinco benchmarks públicos.
Este artigo propõe um esquema de segurança para aprendizado federado que combina a criptografia homomórfica de Paillier de limiar com um mecanismo de descriptografia seletiva baseado na qualidade dos dados e assinaturas ECDSA para defender eficazmente contra ataques de inferência e adulteração, ao mesmo tempo em que melhora a eficiência do treinamento em aproximadamente 10%.
Este artigo apresenta um framework de aprendizado profundo híbrido que integra camadas de CNN, Transformer e BiLSTM com fusão de múltiplas características para alcançar um desempenho de estado da arte em reconhecimento de emoção de fala através de cinco conjuntos de dados de referência, demonstrando generalização robusta e melhorias significativas de acurácia em relação às bases de comparação existentes.