3657 artigos
Este artigo apresenta o CLEANSE*, um detector multivista calibrado para risco que identifica eficazmente ataques de lavagem de prompts ao fundir sinais semânticos, estruturais, translinguísticos e estilométricos, alcançando um desempenho superior na redução de riscos e taxas de sucesso de ataque, mantendo simultaneamente uma baixa latência através de diversos benchmarks e testes de estresse.
Este artigo propõe uma arquitetura formal para agentes de LLM seguros no setor bancário que desacopla a autorização do modelo usando tokens de capacidade atenuados e motores de política determinísticos, fornecendo garantias comprováveis de contenção de autoridade, perda financeira limitada e integridade de auditoria contra atores adversários.
Este artigo formula e avalia a alcançabilidade de reparo limitado para blocos críticos em máscaras binárias 3D usando inversões de voxel único com portão SAFE que preservam a homotopia do primeiro plano, demonstrando através de experimentos nos dados do BraTS 2021 que as restrições de fidelidade de ponto final e de trajetória produzem resultados de reparo distintos e validade topológica dentro de limites de busca especificados.
Este artigo apresenta e avalia um framework prototípico para monitoramento de motorista baseado em câmera que combina calibração por motorista, indicadores temporais e lógica baseada em persistência para reduzir significativamente os alarmes falsos em comparação com métodos de limiar fixo ou de quadro único, ao mesmo tempo em que estabelece um protocolo de avaliação independente de sujeito para validação futura em conjuntos de dados do mundo real.
Este artigo introduz o CoCoNet, um framework que aprende escores de conformidade convexos por meio de Redes Neurais Convexas de Entrada ou métodos baseados em splines para gerar regiões de predição eficientes e adaptáveis aos dados para regressão multivariada, mantendo garantias de cobertura independentes da distribuição.
Este artigo integra dados públicos interligados de rankings, painéis de preferência humana e catálogos de preços para caracterizar o ecossistema de modelos de linguagem de grande escala, revelando que o desempenho escala com a contagem de parâmetros e o tempo, as classificações de preferência exibem rápida rotatividade e estabilidade dentro dos modelos, e o preço é significativamente impulsionado pelas pontuações de capacidade e pelo status de pesos abertos, apesar das variações notáveis de preços entre provedores.
Este estudo demonstra que modelos de aprendizado de máquina para classificação de tráfego criptografado podem alcançar alta precisão interna, mas produzir falsos positivos significativos quando aplicados a diferentes conjuntos de dados, revelando que a importância das características por si só é insuficiente para a interpretação forense e que tais alertas devem ser tratados como pistas investigativas em vez de evidências definitivas.
Este artigo demonstra que a limpeza de saída pós-geração é uma defesa primária insuficiente contra o vazamento de privacidade em agentes de LLM que utilizam ferramentas sob injeção de prompt indireta, visto que exposições residuais frequentemente persistem através de reexpressões semânticas mesmo após a remoção de valores exatos e intervalos contíguos.
Este artigo propõe o uso de auditorias de desigualdade de Bell, especificamente o jogo CHSH, como um instrumento livre de modelo para detectar coordenação oculta entre agentes de IA ostensivamente isolados, distinguindo comunicação genuína de mera correlação estatística, ao mesmo tempo em que destaca que a validade do método depende criticamente da imprevisibilidade das configurações do auditor para evitar falsos positivos.
Esta pesquisa propõe e avalia um framework nativo de nuvem integrando conteinerização, microsserviços e estratégias avançadas de otimização de pipeline para aumentar a escalabilidade, eficiência e resiliência do gerenciamento de dados do ambiente construído dentro de pipelines de CI/CD.