3836 artigos
O artigo apresenta o NAAMSE, um framework evolutivo que otimiza a avaliação de segurança de agentes de IA através de mutação de prompts e exploração hierárquica para identificar vulnerabilidades complexas e adaptativas, superando as limitações dos métodos estáticos e de red-teaming manual.
O PhysDrape é um solucionador híbrido neural-físico que integra uma Rede Neural Orientada a Física com um solver de projeção diferenciável para garantir a drapagem realista de vestuário, resolvendo efetivamente o conflito entre validade geométrica e plausibilidade física ao impor restrições de colisão explícitas e minimizar a energia de deformação.
O artigo apresenta o LLM4PQC, um framework baseado em modelos de linguagem que automatiza a refatoração de códigos de criptografia pós-quântica para especificações de síntese de alto nível, utilizando verificações hierárquicas para garantir a correção e reduzir o esforço manual no projeto de hardware.
O artigo propõe o FlowAdapt, um framework de adaptação de domínio eficiente em parâmetros baseado na teoria do transporte ótimo que supera os desafios da percepção colaborativa em V2X ao filtrar redundâncias e preservar semânticas finas, alcançando desempenho superior com apenas 1% dos parâmetros treináveis.
O artigo propõe o SToRM, um novo framework de redução supervisionada de tokens para modelos de linguagem multimodal que otimiza a condução autônoma de ponta a ponta ao reduzir drasticamente o custo computacional sem comprometer o desempenho.
O artigo apresenta o AGPS, um framework que automatiza o aprendizado por reforço em robôs substituindo supervisores humanos por um agente multimodal que atua como modelo de mundo semântico, resultando em maior eficiência de amostras e escalabilidade para tarefas de manipulação complexas.
O artigo M2RL investiga e compara os paradigmas de RLVR misto versus separado com fusão de modelos para aprendizado por reforço em múltiplos domínios em LLMs, descobrindo que as tarefas de raciocínio intensivo exibem efeitos sinérgicos e pouca interferência mútua, conforme detalhado em sua análise de mecanismos internos.
O artigo apresenta o SkillsBench, um benchmark que demonstra que habilidades curadas aumentam significativamente o desempenho de agentes de IA em diversas tarefas, enquanto habilidades geradas automaticamente não oferecem benefícios e modelos menores equipados com habilidades podem superar modelos maiores sem elas.
Este artigo propõe um novo framework de controle para sistemas LPV com atrasos de estado variantes no tempo, integrando funções de Lyapunov dependentes dos parâmetros e restrições quadráticas integrais (IQCs) dinâmicas para sintetizar um controlador de realimentação de estado dependente do atraso que garante estabilidade e desempenho reduzindo o conservadorismo das abordagens tradicionais.
Este artigo propõe uma abordagem inovadora que integra embeddings semânticos de código com a teoria da dinâmica de opiniões para modelar quantitativamente a evolução de repositórios de software, permitindo analisar padrões de colaboração, formação de consenso e influência entre desenvolvedores em projetos open-source.
Este trabalho apresenta o DARIO, um framework compatível com O-RAN que utiliza um modelo de Cálculo de Rede Estocástica para otimizar dinamicamente a atribuição de Superfícies Inteligentes Reconfiguráveis (RIS) em cenários 6G, reduzindo significativamente a latência e atendendo a requisitos heterogêneos de confiabilidade e atraso.
Este trabalho apresenta um framework de Controle Preditivo Baseado em Modelos que integra Redes Neurais em Grafos e um algoritmo de condensação otimizado para GPU, permitindo o controle em tempo real de sistemas de alta dimensão, como robôs macios, com alta precisão e eficiência computacional.
O artigo apresenta o 3DMedAgent, um agente unificado que capacita modelos de linguagem multimodal (MLLMs) bidimensionais a realizar análises completas de tomografias computadorizadas 3D sem necessidade de ajuste fino específico para 3D, coordenando ferramentas heterogêneas e memória estruturada para decompor tarefas complexas em raciocínio passo a passo baseado em evidências.
O artigo apresenta o OVerSeeC, um framework modular de zero-shot que gera mapas de custo globais para planejamento de navegação autônoma a partir de imagens de satélite e instruções em linguagem natural, combinando modelos de linguagem e segmentação aberta para adaptar-se dinamicamente a entidades desconhecidas e regras de missão composicionais.
Este artigo demonstra que, em redes pessoais de baixo consumo, o custo energético da comunicação durante a troca de chaves pós-quântica frequentemente supera o da computação, exigindo otimizações coordenadas entre protocolos e camadas inferiores para viabilizar a segurança quântica nesses dispositivos.
Este artigo apresenta o ABD, um benchmark para avaliar a capacidade de modelos de linguagem de inferir fórmulas de exceção esparsas que restauram a satisfiabilidade em mundos finitos de primeira ordem, revelando que, embora os modelos atuais atinjam alta validade, ainda enfrentam desafios significativos em termos de parcimônia e generalização entre diferentes regimes de observação.
Este trabalho apresenta o novo cenário de Generalização de Domínio de Vocabulário Aberto em Segmentação Semântica (OVDG-SS), introduzindo um benchmark pioneiro para direção autônoma e propondo o mecanismo S2-Corr para refinar as correlações texto-imagem em Modelos Visão-Linguagem, superando assim as limitações de robustez em domínios e categorias não vistos.
O artigo apresenta o INDUCTION, um benchmark que avalia a capacidade de modelos de IA de sintetizar fórmulas de lógica de primeira ordem compactas e generalizáveis para explicar conceitos em estruturas relacionais finitas, revelando desafios específicos e diferenças qualitativas nas estratégias de generalização dos modelos mais recentes.
Este artigo apresenta o SKYLIGHT, uma arquitetura escalável de núcleo tensorial fotônico 3D com cem canais que utiliza materiais de mudança de fase e multiplexação por divisão de comprimento de onda para realizar inferência de IA em tempo real e aprendizado local com alta eficiência energética, superando significativamente o desempenho de GPUs convencionais.
O artigo apresenta o UniMatch, um framework de correspondência semântica densa que utiliza orientação linguística e aprendizado contrastivo para estabelecer correspondências entre formas 3D não isométricas de categorias diversas, superando as limitações de métodos anteriores que dependiam de suposições isométricas ou de tipos de sujeitos homogêneos.