3657 artigos
EviNav é um framework livre de treinamento e baseado em evidências para navegação de instância zero-shot que acumula evidências visuais e semânticas de múltiplas vistas para distinguir alvos de forma robusta e determinar a terminação, alcançando taxas de sucesso de estado da arte tanto em tarefas de navegação com objetivos de imagem quanto de texto.
Este artigo apresenta um agente de segurança autônomo e leve para estações de trabalho de operadores que utiliza um módulo de dinâmica de digitação eficiente baseado em XGBoost para alcançar 99,8% de precisão de autenticação com consumo mínimo de recursos, enquanto emprega explicabilidade baseada em SHAP e políticas graduais com intervenção humana para permitir uma implantação em escala de borda sustentável.
O Haar-CFR é um novo framework híbrido que integra a regularização de wavelet de Haar discreta com o algoritmo CFR+ para alcançar uma compressão de memória massiva e uma convergência mais rápida do que os métodos existentes, oferecendo uma solução escalável e interpretável para resolver jogos de informação imperfeita de grande escala em domínios como finanças e poker.
Este estudo avalia o desempenho de sistemas baseados em LLM (ChatGPT e DeepSeek) versus sistemas tradicionais de NMT (Google Translate e DeepL) na tradução de poesia chinesa moderna para o japonês, constatando que os LLMs geralmente superam os NMTs em fidelidade, fluidez e estilo, ao mesmo tempo em que demonstram que estratégias de prompt podem influenciar significativamente a qualidade da tradução de uma maneira dependente do modelo.
Este estudo de coorte retrospectivo introduz um algoritmo de aprendizado de máquina totalmente transparente e inovador (ShAproxRef) que aproxima uma rede neural de "caixa preta" para prever sepse a partir de dados rotineiros de pronto-socorro com precisidade comparável (AUC de 0,82 em testes externos), aumentando, assim, a confiança clínica e facilitando a implementação.
Este artigo propõe e valida funções de perda conscientes do domínio (USELoss) que substituem as perdas perceptuais padrão para aumentar significativamente a fidelidade estrutural e a preservação de bordas da super-resolução de raios-X médicos, superando métodos existentes como SRGAN, ESRGAN e HAT no conjunto de dados PadChest.
Este artigo apresenta um framework de treinamento eficiente para Gaussian Splatting compacto que acelera a convergência e reduz a contagem de primitivas ao implementar uma estratégia de densificação guiada por perda, um mecanismo de poda baseado em gradiente de opacidade e um backward pass CUDA otimizado, tudo isso mantendo uma qualidade de renderização competitiva.
Este estudo empírico sobre a classificação de violações do TEDH demonstra que, embora a contextualização sequencial entre segmentos via BiGRU melhore o recall, ela cria um compromisso entre precisão e recall sob agregação uniforme, o qual é resolvido apenas ao combinar a contextualização com a agregação baseada em atenção seletiva para alcançar o maior macro-F1 score.
O AgedNet-Motion introduz um framework livre de treinamento e consciente de recursos para percepção multitarefa em streaming que reduz a latência de inferência ao atualizar seletivamente ramos específicos de tarefas com base em métricas calibradas de movimento e idade enquanto reutiliza saídas em cache, alcançando acelerações significativas com perda mínima de qualidade em vários modelos.
Este estudo demonstra que a superioridade inicialmente relatada do aprendizado de múltiplas instâncias hierárquico sobre uma linha de base de quadro fixo para a detecção de trombose em nível de paciente foi um artefato de inconsistências ambientais e não se reproduziu sob condições controladas, refutando, assim, as alegações de vantagem estável do modelo.