3657 artigos
Este artigo propõe um framework chamado "Organização de Consequência" para definir o ciclo de vida e a identidade de estruturas internas em sistemas de aprendizagem com base em seu impacto causal em resultados futuros, demonstrando que tal organização persiste, transfere-se e morre de formas que não podem ser capturadas apenas por similaridade representacional ou alinhamento de operadores.
Este estudo estabelece um framework de avaliação reprodutível e livre de vazamento para a classificação do desgaste de ferramentas CNC usando o UC Berkeley Milling Dataset, demonstrando que um modelo de regressão logística simples e interpretável supera modelos de ensemble complexos quando devidamente agrupado por caso de ferramenta, alinhando-se com indicadores físicos de desgaste.
Este artigo apresenta o MHOI-Miner, um algoritmo eficiente que minera conjuntos de itens de alta ocupação maximais ao empregar um novo limite superior acoplado ao tamanho, antecipação de união da cabeça-cauda e técnicas de subsunção para reduzir significativamente o espaço de busca e superar os métodos existentes na maioria dos conjuntos de dados.
Este artigo apresenta um estudo empírico cross-domain avaliando quatro métodos de geração de candidatos lexicais em 34 conjuntos de dados, revelando que o BM25 oferece um desempenho estável enquanto a recuperação por n-gramas de caracteres serve como uma linha de base robusta de configuração zero, permitindo, em última análise, o emparelhamento escalável de grafos de conhecimento com uma redução do espaço de busca de mais de 99%.
Este artigo demonstra que, embora a consolidação do histórico de conversação diretamente nos pesos de um modelo de linguagem melhore a recuperação factual sem arquivos externos, o modelo falha em rastrear de forma confiável a proveniência do interlocutor, tornando necessária a retenção de um arquivo externo para atribuir informações com precisão.
Este artigo propõe uma estrutura orientada pela otimização que integra seleção de características, ajuste de hiperparâmetros e aprendizagem profunda para enfrentar desafios como o desequilíbrio de classes e dados de alta dimensão para a detecção precisa e eficiente de fraudes em cartões de crédito.
Este artigo apresenta um sistema de reconhecimento de imagens leve baseado em YOLOv8n para detectar, classificar e contar lixo de superfície na água, demonstrando que, embora a abordagem seja viável com dados limitados e recursos de CPU, seu atual desempenho modesto (mAP50 de 0,244) destaca a necessidade de conjuntos de dados expandidos, rótulos refinados e treinamento estendido para alcançar utilidade prática.
Este artigo resolve o paradoxo da degradação do conhecimento de domínio em Arquiteturas Preditivas de Incorporação Conjunta ao provar que codificadores de entropia máxima são teoricamente ótimos e que restrições físicas devem ser aplicadas ao decodificador em vez do codificador, enquanto simultaneamente expõe um modo de falha crítico onde o planejamento latente offline pode ser facilmente explorado por modelos que não suportam genuinamente o controle a jusante.
Este artigo introduz o Planejamento Entrópico-Geométrico Desacoplado (DEGP), um framework que aborda o compromisso entre percepção robusta e otimização de trajetória estável em planejamento de espaço latente ao combinar separação arquitetônica com limites espectrais analíticos e telemetria de tempo de execução para definir os limites operacionais da predição condicionada a contato.
Este artigo relata que, apesar das altas taxas de aprovação e de zero falhas nos testes, uma revisão sistemática de 22 benchmarks de agentes gerados por IA revelou defeitos universais — incluindo tarefas ignoradas, pontuações memorizadas e vazamentos de publicações — que foram negligenciados tanto por testes automatizados quanto por revisores humanos, destacando falhas críticas nos atuais protocolos de benchmarking e avaliação de agentes.