3852 artigos
Este artigo propõe uma extensão do modelo de Controle de Acesso Baseado em Consentimento (CBAC) que substitui a resolução de conflitos em tempo de execução por uma validação prévia de consistência semântica, garantindo invariáveis de sistema e um mecanismo de acesso de emergência controlado por evidências fisiológicas, resultando em menor latência e maior precisão na proteção de dados de saúde.
O artigo apresenta o Mozart, um framework de co-projeto algoritmo-hardware que otimiza o treinamento de modelos de linguagem de grande escala com arquitetura Mixture-of-Experts (MoE) em chips de wafer escalonados 3.5D, utilizando estratégias de alocação de especialistas e agendamento granular para superar desafios de comunicação e utilização de recursos.
Este estudo analisa como estudantes de design integram a inteligência artificial generativa em seus projetos, revelando que, embora a ferramenta acelere fases iniciais como brainstorming e síntese, a colaboração eficaz depende fundamentalmente de competências humanas superiores — como agência, conhecimento de domínio, imaginação e bom gosto — para validar, refinar e selecionar soluções criativas.
O artigo apresenta o OV-DEIM, um detector de objetos em tempo real baseado em arquitetura DETR que alcança desempenho de ponta em detecção de vocabulário aberto através da integração do framework DEIMv2, uma estratégia de suplementação de consultas e uma técnica de aumento de dados chamada GridSynthetic para melhorar a discriminação semântica e a eficiência.
O artigo propõe a Hierarchical Memory Tree (HMT), uma estrutura de memória hierárquica que desacopla o planejamento lógico da execução de ações para superar as limitações de generalização de agentes web baseados em LLMs em ambientes não vistos, demonstrando desempenho superior em tarefas complexas e de longo prazo.
Este artigo apresenta o TFM, um novo método de ataque que explora a vulnerabilidade temporal dos modelos de texto-para-vídeo ao solicitar apenas quadros inicial e final, permitindo que o modelo gere autonomamente conteúdo nocivo nos quadros intermediários e contorne assim os filtros de segurança tradicionais.
Este trabalho demonstra que o monitoramento de nível de sistema utilizando eBPF pode revelar novos padrões de vazamento em Criptografia Simétrica pesquisável (SSE), permitindo ataques de abuso de vazamento mais eficazes e destacando a necessidade de considerar essas ameaças práticas no projeto de defesas.
O artigo propõe o framework SSP, que utiliza Equações Diferenciais Ordinárias Neurais e Funções de Barreira de Controle para garantir segurança formal em políticas cirúrgicas baseadas em aprendizado, impondo restrições comportamentais e espaciais com violações próximas de zero enquanto mantém altas taxas de sucesso em tarefas.
Este estudo analisa 377 vídeos do YouTube para mapear o conhecimento coletivo de criadores sobre estratégias de monetização de conteúdo gerado por IA, identificando dez casos de uso comuns e tensionamentos estruturais como alegações de renda não verificáveis e questões de autoria.
O artigo apresenta o DeepEarth, um modelo de mundo auto-supervisionado multi-modal que utiliza o codificador posicional 4D Earth4D para escalar com precisão sub-métrica e sub-segundo em escala planetária, alcançando desempenho superior em previsões ecológicas.
O artigo TacDexGrasp apresenta um controlador baseado em Programação Cônica de Segunda Ordem e feedback tátil que garante a estabilidade de preensões dexterosas em objetos desconhecidos, prevenindo tanto o deslizamento translacional quanto o rotacional ao restringir ativamente a razão entre as forças tangenciais e normais em cada contato, sem a necessidade de modelagem explícita de torque ou detecção de deslizamento.
O artigo apresenta o AIReSim, um simulador de eventos discretos projetado para modelar a confiabilidade de clusters de IA em grande escala, permitindo aos engenheiros avaliar sistematicamente configurações, priorizar melhorias e realizar planejamento de capacidade através de cenários hipotéticos.
Este artigo propõe um método inovador de reconstrução 3D de microexpressões faciais que integra características dinâmicas globais e locais enriquecidas para superar os desafios da natureza sutil e transitória dessas expressões, superando os métodos atuais em precisão geométrica e detalhe perceptual.
Este artigo apresenta um estudo de duas fases que identifica os requisitos dos usuários e oferece recomendações de design para soluções de retrofitting que complementam e superam as limitações dos sensores de cabines inteligentes integrados pelos fabricantes de automóveis.
O artigo propõe o framework CAPL, que combina calibração de atenção inter-imagem e aprendizado por preferência para mitigar alucinações em modelos de linguagem e visão grandes, melhorando a modelagem de associações entre múltiplas imagens e a fundamentação em evidências visuais autênticas.
Este artigo propõe um quadro de recuperação de dados que integra restrições de roteamento de rede de comunicação com completamento de matriz de baixo posto para melhorar a precisão na recuperação de medições faltantes em redes de distribuição, superando os métodos tradicionais que ignoram a dependência espacial causada por falhas na comunicação.
Este artigo apresenta uma ferramenta web baseada em Grandes Modelos de Linguagem (LLMs) que automatiza e escala a construção de bancos de dados científicos abertos, alcançando 90% de sobreposição com curadoria humana e reduzindo significativamente o trabalho manual na coleta e filtragem de literatura científica.
Este artigo apresenta um framework acessível que permite a cientistas sem especialização em visualização criar animações 3D de dados climáticos em escala petasséptica em estações de trabalho comuns, utilizando um sistema de descritores de animação, acesso eficiente a dados na nuvem e uma interface assistida por LLM para gerar resultados em tempo reduzido.
Este artigo propõe um protótipo de gêmeo digital bidirecional com ancoragem de protótipos e aprendizado de multi-periodicidade para realizar diagnóstico de falhas eficiente em cenários de poucos dados, superando as limitações dos métodos tradicionais que dependem de grandes volumes de dados rotulados.
O artigo propõe o SODA, um método de aceleração dinâmica orientado à sensibilidade que otimiza o cache e a poda em Transformers de Difusão com base em modelagem de erro de sensibilidade granular, alcançando fidelidade de geração superior em comparação com métodos existentes.