3831 artigos
O artigo apresenta o S2DiT, um modelo Transformer de Difusão em "sanduíche" otimizado para geração de vídeo em streaming de alta fidelidade em dispositivos móveis, que combina mecanismos de atenção híbrida e eficiente com um framework de destilação para alcançar desempenho comparável a modelos de servidor com mais de 10 FPS em iPhones.
Este trabalho investiga o design de contratos de pagamento igualitário para equipes de agentes, estabelecendo algoritmos de aproximação eficientes e limites de dureza para diversas funções de recompensa, demonstrando que tais restrições de equidade resolvem problemas abertos no design de contratos não restritos e geram um custo de equidade (price of equality) de .
O artigo apresenta o ReViP, um novo framework para modelos Visão-Linguagem-Ação que mitiga o problema de "falsa conclusão" através do reequilíbrio entre visão e propriocepção, utilizando pistas visuais conscientes do progresso do task para melhorar a robustez e o desempenho em tarefas de manipulação robótica.
Este artigo apresenta o ScenePilot-Bench, um benchmark e conjunto de dados em grande escala baseado em 3.847 horas de vídeos de direção, projetado para avaliar e impulsionar o desempenho de modelos de visão e linguagem em cenários de direção autônoma através de uma avaliação abrangente de compreensão de cena, percepção espacial e planejamento de movimento.
Este artigo apresenta o método QSTar, uma abordagem inovadora para Resposta a Perguntas Audiovisuais (AVQA) que supera as limitações dos métodos existentes ao integrar ativamente as informações da pergunta e as características de frequência do áudio em todo o processo de raciocínio, resultando em desempenho superior em diversos benchmarks.
Este artigo apresenta um framework dinâmico para manter a conectividade por arestas em grafos simples não direcionados, utilizando certificados esparsos de Nagamochi-Ibaraki e árvores Link-Cut para inserções em tempo amortizado e um cálculo de fluxo máximo para restaurar a conectividade após deleções em tempo , garantindo que o grafo permaneça com arestas.
Este artigo apresenta o BioAgent Bench, uma suite de avaliação e conjunto de dados que mede o desempenho e a robustez de agentes de IA em tarefas de bioinformática, revelando que, embora modelos de ponta consigam executar pipelines complexos, eles falham sob perturbações controladas e que modelos de pesos abertos são preferíveis em cenários que exigem privacidade de dados.
Este trabalho apresenta o R2M, um novo framework leve de RLHF que supera as limitações da otimização excessiva de recompensas ao alinhar o modelo de recompensa com as mudanças de distribuição da política em tempo real, utilizando estados ocultos da política em vez de depender apenas de informações semânticas superficiais.
Este estudo avalia o impacto da análise de sentimentos de notícias baseada em LLMs (DeBERTa, RoBERTa e FinBERT) na previsão de movimentos de preços de ações, demonstrando que o DeBERTa individualmente atinge 75% de precisão, um ensemble dos três modelos chega a 80% e que as características de sentimento oferecem benefícios modestos a diversos modelos de previsão.
Este artigo investiga como abordagens de design sensíveis à idade, utilizando tecnologias interativas e geração de vídeo por IA, permitem que mulheres chinesas aposentadas superem barreiras técnicas e transitem de meras espectadoras para co-criadoras empoderadas de suas performances de dança.
Este artigo propõe um quadro de controle cognitivo flexível que utiliza um modelo estocástico profundo de espaço de estados (CF-DeepSSSM) para reorganizar representações latentes online com garantias de segurança, assegurando estabilidade e recuperação de desempenho em sistemas ciber-físicos não estacionários.
O artigo apresenta o Green-VLA, um modelo de Visão-Linguagem-Ação em cinco estágios que combina pré-treinamento multimodal, adaptação específica para diferentes robôs e alinhamento por aprendizado por reforço para permitir que um único agente generalize com segurança e eficiência em tarefas de longo prazo em diversos corpos robóticos, incluindo o humanoide Green.
O estudo apresenta o framework SIM-VAIL, que identifica e quantifica os "Vulnerability-Amplifying Interaction Loops" (VAILs), um modo de falha sistemática em que respostas de chatbots de IA, embora aparentemente de apoio, acumulam-se ao longo de múltiplas interações para amplificar vulnerabilidades psiquiátricas específicas em diversos perfis de usuários.
O artigo apresenta o AgenticLab, uma plataforma e benchmark de código aberto para agentes robóticos que utilizam modelos de linguagem-visão, projetado para avaliar e identificar falhas na execução de tarefas de manipulação em ambientes reais e não estruturados, superando as limitações das avaliações baseadas apenas em simulação ou testes estáticos.
Este artigo demonstra que a offload para GPU em plataformas de borda heterogêneas aumenta significativamente o throughput e reduz a latência da decodificação LDPC para comunicações veiculares 5G, garantindo a margem de computação necessária para atender aos rigorosos requisitos de tempo e confiabilidade das unidades de borda (RSU).
Este artigo apresenta o FSTab, uma abordagem de ataque em caixa preta que identifica e avalia a persistência de vulnerabilidades recorrentes em softwares gerados por LLMs, demonstrando que modelos de ponta como GPT-5.2 e Claude-4.5 Opus reproduzem falhas previsíveis com alta taxa de sucesso mesmo em domínios não vistos durante o treinamento.
O artigo apresenta o LMMRec, um framework agnóstico ao modelo que utiliza grandes modelos de linguagem e aprendizado contrastivo para extrair e alinhar motivações semânticas de texto e interações, melhorando significativamente a precisão de sistemas de recomendação multimodal.
Este estudo demonstra que não há convergência significativa entre as medidas de resolução de problemas baseadas em jogos e as autorrelatadas, sugerindo que essas abordagens fornecem informações complementares e que a integração de ambos os métodos é essencial para uma avaliação mais completa no contexto de recursos humanos.
Este artigo propõe um novo quadro de orientação para difusão condicional sob restrições rígidas, fundamentado na transformada h de Doob e em identidades de martingale, que permite estimar correções de deriva sem modificar a rede de pontuação pré-treinada e oferece garantias teóricas não assintóticas para a satisfação de eventos com probabilidade unitária.
Este estudo de métodos mistos revela que as mães recorrem aos Grandes Modelos de Linguagem como recursos de apoio emocional não julgadores para aliviar a culpa e obter tranquilização sobre decisões de cuidado, embora a maioria ainda valorize o calor humano, destacando o papel do contexto social na adoção dessas tecnologias.