3836 artigos
O artigo apresenta o DeAR, um framework que adapta modelos de visão e linguagem de forma granular decompondo os papéis dos cabeçalhos de atenção e utilizando uma máscara baseada em funções para equilibrar a adaptação a tarefas específicas com a preservação da generalização zero-shot.
Este artigo apresenta um gêmeo digital validado da infraestrutura de refrigeração do supercomputador Frontier que, ao empregar uma estrutura de otimização em camadas, demonstra que a co-otimização do fluxo e da temperatura de suprimento pode reduzir o consumo energético em até 30,1%, superando significativamente as estratégias de otimização convencionais.
Este relatório técnico valida estendida e empiricamente a Espaço de Soluções de Explicabilidade (ESS) através de uma avaliação transversal que, além da previsão de rotatividade de funcionários, incorpora um sistema heterogêneo de alocação de recursos urbanos inteligentes, demonstrando a generalidade e adaptabilidade do framework a diferentes domínios, perfis de risco e configurações de partes interessadas.
Este trabalho propõe e avalia esquemas estáticos e adaptativos, incluindo algoritmos heurísticos e aprendizado por reforço, para otimizar o agendamento de tráfego em enlaces ópticos de satélites LEO, equilibrando a eficiência energética e a taxa de entrega de dados diante de interrupções climáticas.
O artigo apresenta o HarmonyCell, um framework de agente autônomo que resolve as heterogeneidades semântica e estatística em estudos de perturbação de células únicas, unificando metadados via LLM e otimizando arquiteturas de modelos com busca em árvore Monte Carlo para superar deslocamentos de distribuição sem necessidade de engenharia específica por conjunto de dados.
Este artigo apresenta um novo quadro de aprendizado por reforço profundo assistido por modelos de linguagem (LLM) que mapeia instruções em linguagem natural para regras executáveis e anotações semânticas, melhorando a eficiência de dados, a conformidade com restrições e a transferabilidade entre tarefas em ambientes complexos.
O artigo propõe o framework MSP, que utiliza aumento orientado a penteados, apagamento aleatório preservando roupas e atenção baseada em parsing para mitigar a dependência de características voláteis de cabelo e melhorar a reidentificação de pessoas que mudam de roupa.
Este trabalho avalia o modelo de visão DINOv3 como base para tarefas de percepção em robótica de colheita de mirtilos, concluindo que, embora seja eficaz para segmentação graças às suas representações estáveis, seu desempenho em detecção é limitado pela variação de escala e pela dificuldade em modelar aglomerados, sugerindo que ele deve ser utilizado como uma base semântica complementar a modelos espaciais especializados.
Este artigo propõe um quadro de controle seguro e resiliente baseado em eventos (EDSR) que integra funções de barreira e Lyapunov com estimação de dados para garantir manobras de mudança de faixa seguras e estáveis para veículos automatizados em tráfego misto, mesmo sob ataques de injeção de dados falsos exponencialmente ilimitados.
Este artigo propõe o Generalized Per-Agent Advantage Estimator (GPAE), um novo framework de aprendizado por reforço multiagente que melhora a eficiência amostral e a coordenação ao estimar vantagens por agente via operadores de iteração de valor e amostragem por importância truncada dupla, eliminando a necessidade de estimativa direta da função Q.
Os autores apresentam um framework de avaliação baseado em agentes para testar raciocínio lógico, demonstrando sua eficácia ao benchmarkar um agente de auto-formalização no conjunto de dados FOLIO, onde ele superou uma linha de base de cadeia de pensamento com 86,70% de precisão.
Este artigo apresenta o Problema de Cobertura de Ciclos com Arestas Obrigatórias (RCCP) como um novo framework para provar a ASP-completude de diversos quebra-cabeças de papel e lápis, resolvendo problemas em aberto e refinando classificações de complexidade para jogos como Kakuro, Chocona e Hinge.
O artigo apresenta o Mica, uma arquitetura de computação confidencial baseada em Arm CCA que elimina a necessidade de confiança entre componentes ao fornecer mecanismos explícitos para definir, restringir e atestar todos os caminhos de comunicação, garantindo assim a confidencialidade dos dados em fluxos de trabalho em nuvem complexos com um aumento mínimo na base de código confiável.
Este artigo apresenta o LDP-Slicing, um framework leve e sem treinamento que supera as limitações de utilidade da Privacidade Diferencial Local em imagens ao decompor os pixels em planos de bits e aplicar mecanismos de privacidade diretamente nessa representação binária, resultando em imagens com alta utilidade para tarefas downstream sem comprometer a privacidade rigorosa.
O artigo apresenta o RISCBench, uma metodologia e conjunto de benchmarks de código aberto que introduz a métrica de "Throughput Sustentado Instantâneo" (SIT) para avaliar a eficiência de orquestração de núcleos RISC-V em sistemas heterogêneos, superando as limitações das métricas de desempenho convencionais ao focar em fatores como sincronização e residência de dados.
Este artigo apresenta uma revisão experimental comparando algoritmos de conversão de ponto flutuante para strings decimais, demonstrando que técnicas modernas como Schubfach e Dragonbox superam significativamente o Dragon4 em velocidade, embora nenhuma das implementações analisadas, incluindo as bibliotecas padrão, garanta consistentemente a geração das strings decimais mais curtas possíveis.
Este estudo apresenta a plataforma GSI D-Hub, um ecossistema digital baseado em inteligência artificial explicável que facilita a coordenação transparente entre múltiplos stakeholders para o desenvolvimento global, demonstrando como algoritmos interpretáveis e governança de dados podem aumentar a confiança e a eficiência na colaboração pública.
Este estudo avalia a vulnerabilidade de migrantes da África Subsaariana à fraude impulsionada por IA, concluindo que a exposição prévia a alvos é o principal fator de risco, enquanto a confiança na identificação de conteúdo gerado por IA e o esforço comportamental de verificação atuam como fatores protetores significativos.
Este artigo apresenta uma arquitetura de controle de ética por design que integra raciocínios éticos em mecanismos de aplicação ao longo do ciclo de vida da IA, utilizando uma estrutura de três portões (métricos, de governança e ecológicos) para traduzir compromissos normativos em controles operacionais testáveis e integráveis aos pipelines de MLOps.
Este estudo emprega inferência causal para demonstrar que autores de grupos raciais minoritários, mulheres e instituições do Sul Global enfrentam desvantagens estatisticamente significativas nos rankings de aceitação de artigos acadêmicos, evidenciando a necessidade urgente de intervenções para mitigar vieses nos processos de revisão tradicionais e baseados em IA.