3467 artigos
Este artigo relata a síntese e busca feedback sobre o Modelo de Artefatos para Engenharia de Requisitos Regulatórios (AM4RRE), uma abordagem proposta para integrar a conformidade por projeto ao ciclo de vida de desenvolvimento de software, superando os desafios de coordenação entre múltiplas perspectivas e a falta de processos sistemáticos na indústria.
O artigo apresenta o SurgFed, um framework de aprendizado federado multi-tarefa que utiliza seleção de canais e agregação hiper-rede guiadas por linguagem para superar os desafios de diversidade de tecidos e tarefas na compreensão de vídeos cirúrgicos, demonstrando desempenho superior em cinco conjuntos de dados públicos.
O artigo apresenta o EmbC-Test, uma solução baseada em RAG e LLMs que automatiza a geração de testes para software embarcado em C, reduzindo o tempo de teste manual em até 66% e alcançando uma taxa de sucesso de 85% na validação em tempo de execução.
Este artigo apresenta uma técnica híbrida de verificação algébrica baseada em raciocínio multimodular e paralelismo que evita o uso de aritmética de inteiros grandes, demonstrando melhorias significativas na verificação de circuitos aritméticos através da ferramenta TalisMan2.0.
O artigo apresenta o Context-Nav, uma abordagem sem treinamento específico que aprimora a navegação de instâncias em ambientes 3D ao utilizar alinhamentos texto-imagem densos para guiar a exploração global e realizar verificações espaciais conscientes do ponto de vista para validar candidatos, alcançando desempenho de ponta sem necessidade de ajuste fino.
Este artigo investiga a confiabilidade de Modelos Visuais-Linguísticos (VLMs) em assistentes de direção, identificando limitações como inconsistência de respostas e raciocínio temporal deficiente, e propõe o benchmark FutureVQA e uma abordagem de ajuste auto-supervisionado com raciocínio em cadeia de pensamento para melhorar a consistência e a capacidade de prever cenários futuros sem necessidade de rótulos temporais.
O artigo apresenta o RuleSafe, um novo benchmark de manipulação articulada com tarefas não-Markovianas de longo horizonte, e propõe a VQ-Memory, uma representação temporal compacta baseada em VQ-VAE que melhora significativamente o planejamento e a generalização em modelos de manipulação robótica.
O artigo apresenta o RESBev, um método plug-and-play que aprimora a robustez da percepção em visão de pássaro (BEV) para veículos autônomos ao reformular a recuperação de dados corrompidos como um problema de previsão semântica latente, utilizando um modelo de mundo para reconstruir características BEV limpas diante de degradações de sensores e ataques adversariais.
O artigo apresenta o DCAU-Net, um novo framework de segmentação de imagens médicas que combina uma Atenção Cruzada Diferencial (DCA) para destacar estruturas discriminativas com complexidade reduzida e uma Estratégia de Fusão de Características Canal-Espacial (CSFF) para integrar adaptativamente informações semânticas e detalhadas, resultando em maior precisão e robustez.
Este estudo propõe e valida um método baseado em modelos de linguagem grandes (LLMs) para gerar expressões multimodais dinâmicas e semanticamente alinhadas em agentes pedagógicos de realidade virtual, demonstrando que tal abordagem melhora significativamente a eficácia percebida, o engajamento e a presença social dos aprendizes, ao mesmo tempo que reduz o cansaço e o tédio.
Este trabalho propõe uma estratégia de pós-treinamento baseada em aprendizado por reforço, utilizando uma extensão multimodal do GRPO e recompensas híbridas, para capacitar modelos unificados de visão e linguagem a gerar saídas intercaladas de texto e imagem de alta qualidade sem depender de grandes conjuntos de dados específicos.
Este trabalho apresenta o conjunto de dados DynHiL-EQA e o framework DIVRR, uma solução sem treinamento que refina a visão e seleciona memória adaptativamente para melhorar a robustez e a eficiência de agentes de Resposta a Perguntas Corporificadas (EQA) em ambientes dinâmicos e com presença humana.
O artigo apresenta o NS-VLA, um novo framework neuro-simbólico que combina codificadores simbólicos, solucionadores e aprendizado por reforço online para superar as limitações de modelos VLA existentes, resultando em maior eficiência de dados, generalização zero-shot e capacidade de exploração expandida em tarefas de manipulação robótica.
Este trabalho apresenta um framework de reparo automático de programas baseado em LLMs, projetado especificamente para identificar e corrigir vulnerabilidades em interfaces entre compartimentos, superando as limitações das abordagens existentes ao integrar um fuzzer especializado, técnicas de análise para aumentar a consciência sobre compartimentalização e validação de correções.
Este estudo apresenta uma análise abrangente e unificada de diversos métodos de imageamento não-visão direta (NLOS) baseados em tempo de voo, estabelecendo um modelo comum para avaliar suas similaridades, diferenças e limitações experimentais sob condições de hardware padronizadas, visando servir como referência para comparações objetivas futuras.
O artigo propõe o MASSE, um esquema dinâmico de Criptografia Simétrica Pesquisável (SSE) para múltiplos clientes que integra controle de acesso baseado em atributos ao framework OXT, permitindo buscas seguras e atualizações eficientes sem revelar palavras-chave ou atributos ao servidor, enquanto garante privacidade e revogação escaláveis.
O artigo apresenta o GeoSolver, um novo framework que utiliza o conjunto de dados Geo-PRM-2M e o algoritmo de aprendizado por reforço Process-Aware Tree-GRPO para superar os desafios de fidelidade visual e escalar o raciocínio em tempo de teste em modelos de visão e linguagem aplicados à sensoriamento remoto, alcançando desempenho state-of-the-art.
Este estudo demonstra que, em cenários de forrageamento com orçamento de otimização limitado, o comportamento generalista pode superar os controladores especialistas evoluídos, indicando que a especialização de tarefas em enxames de robôs não garante necessariamente maior eficiência devido aos custos de cooperação ineficiente.
Este artigo propõe uma otimização de trajetória que integra implicitamente as restrições de tensão e o auto-envolvimento do cabo para manipulação de objetos planos, demonstrando que permitir a evolução do estado do cabo gera soluções mais eficientes do que decisões explícitas de roteamento que tendem a ser conservadoras.
Este artigo avança na resolução da conjectura de que conjuntos de regras com profundidade de derivação limitada são finitamente controláveis, demonstrando que os modelos universais gerados por tais regras não podem conter torneios arbitrariamente grandes sem implicar uma consulta de loop.