4092 artigos
Este estudo fornece evidência empírica de que o autoaperfeiçoamento iterativo de modelos de linguagem converge consistentemente para pontos fixos semânticos estáveis através de diversas arquiteturas e objetivos, sugerindo um panorama de energia subjacente onde o autoaperfeiçoamento atua como um processo de otimização implícito.
Este estudo avalia a usabilidade educacional do WEKA e do Orange para iniciantes em mineração de dados por meio de comparações baseadas em tarefas e feedback de estudantes, concluindo que o Orange é mais eficaz devido ao seu fluxo de trabalho visual intuitivo e interface amigável.
Este artigo apresenta o MLCompete, uma plataforma web multilingue e escalável projetada para avaliar olimpíadas de aprendizagem automática através de um pipeline assíncrono e agnóstico a métricas e um ambiente de execução seguro de dois níveis, demonstrando sua robustez e confiabilidade através da implementação bem-sucedida na Olimpíada Nacional de IA da Romênia e participação internacional.
Este artigo propõe um framework de Orientação Dupla para segmentação semântica semissupervisionada que combina um módulo de Refinamento de Pseudo-Rótulo Dinâmico Consciente de Incerteza e um módulo de Orientação Contrastiva de Protótipo de Classe para refinar conjuntamente as previsões e regularizar as representações de características, alcançando o estado da arte nos benchmarks PASCAL VOC 2012 e Cityscapes.
Esta revisão sistemática de 108 estudos (2010–2026) analisa como a IA remodela a mensuração de marketing ao propor um framework "Medir–Validar–Proteger" que equilibra o poder preditivo aprimorado do deep learning e dos modelos de mix de mídia neurais contra as limitações causais e os custos de precisão impostos pelas técnicas de preservação de privacidade.
Este artigo propõe um novo modelo de Seleção de Características de Caminho Duplo Impulsionado por Busca de Feixe com Fusão Ponderada (BSDPFS-WM) que integra pré-processamento avançado, seleção de características de múltiplas estratégias e generalização empilhada para alcançar a detecção de múltiplos cânceres robusta, generalizável e explicável através de diversos conjuntos de dados clínicos.
Este artigo apresenta um benchmark abrangente de nove arquiteturas encoder-decoder para a legendagem automatizada de radiografias de fraturas em um conjunto de dados clinicamente curado, demonstrando que o modelo BLIP-Base pré-treinado em visão-linguagem supera outras combinações de codificadores visuais e decodificadores GPT-2, ao mesmo tempo em que fornece insights críticos sobre modos de falha e seleção arquitetônica para tarefas de imagem médica de baixo recurso.
Este artigo demonstra que, embora o modelo ForesightLM-v2 aprenda com sucesso um sinal estável de previsão de futuro ao nível da sentença, essa representação falha em controlar diretamente o comportamento de geração, revelando que seus benefícios aparentes derivam primordialmente de um reclassificação semântica em vez do próprio termo futuro aprendido e destacando uma lacuna crítica entre representações aprendidas e resultados comportamentais calibrados em pequenos modelos de linguagem.
Este artigo propõe uma estrutura centrada em comportamento que reconstrói eventos do Sysmon em sequências correlacionadas por GUID para melhorar a classificação de técnicas do MITRE ATT&CK, demonstrando que preservar o contexto ao nível do processo supera o agrupamento temporal e que um modelo baseline SecureBERT alcança resultados superiores sem mitigação explícita de desequilíbrio de classes.
Este artigo introduz o Elemental Variational Expanse (EVE), uma unidade variacional ao nível do neurônio que substitui as ativações ocultas determinísticas por estados latentes amostrados dependentes da entrada para melhorar a previsão probabilística e fornecer diagnósticos mensuráveis, mantendo a compatibilidade com arquiteturas neurais padrão.