3664 artigos
Este artigo apresenta um método de coinferência de gramática primitiva que recupera a lógica de construção executável e parâmetros de design reutilizáveis a partir de padrões de traste de chave chineses sem exigir treinamento específico para tarefas, permitindo representações mais compactas e editáveis para documentação e reutilização de patrimônio.
Este artigo introduz os Modelos de Mundo-Ação de Grafo Centrados em Objetos (OC-GWAM), que codificam explicitamente geometria contínua e relações de objetos tipados via transformadores de grafo para melhorar significativamente a fidelidade do modelo de mundo e a generalização de composição relacional em manipulação robótica, embora o desempenho do controle direto de ação permaneça competitivo com baselines mais simples de apenas geometria ou de atenção implícita.
Este artigo apresenta um sistema baseado em aprendizagem profunda utilizando modelos YOLOv11 e CNN para detetar infrações de trânsito específicas de motociclos em Marraquexe, analisando simultaneamente a sua correlação com a idade e o género do condutor para melhorar a segurança rodoviária urbana e a aplicação da lei.
Este estudo propõe um modelo híbrido K-means-XGBoost com taxa de aprendizado ajustada que alcança 90,15% de acurácia de teste na classificação de obesidade multigradual e identifica o gênero e o peso como os fatores de risco de estilo de vida mais significativos para intervenções de saúde pública direcionadas.
Este artigo propõe o PAEDDPG, um framework de aprendizado federado personalizado que utiliza um agente Deep Deterministic Policy Gradient para agregar modelos de forma adaptativa e um decodificador autoencoder específico para cada cliente para abordar eficazmente o tráfego de IIoT Não-IID e com desbalanceamento de classes, melhorando significamente o desempenho de detecção para classes de ataques raras enquanto preserva a privacidade dos dados.
Este estudo revela que os atuais benchmarks de injeção de prompt indireta sofrem de saturação específica de fornecedor, produzem classificações de robustez conflitantes entre diferentes frameworks de avaliação e falham em validar estratégias de defesa que se generalizam através de diversos modelos de LLM.
Este estudo longitudinal de larga escala com quase 4 milhões de pesquisadores de ciência da computação revela que o crescimento percebido na produtividade individual é, na verdade, impulsionado pela expansão da colaboração, enquanto as trajetórias de carreira seguem um padrão distinto de ciclo de vida marcado por uma alta atrição precoce, papéis de autoria em evolução e a necessidade de uma avaliação multidimensional além de indicadores bibliométricos únicos.
O PanoramicSplat é um novo framework de Gaussian Splatting 3D que possibilita a reconstrução precisa de ambientes externos de grande escala a partir de uma única vista, integrando supervisão panorâmica, regularização de profundidade consciente de semântica e uma perda fotométrica radialmente ponderada, alcançando o estado da arte em um benchmark recém-construído do Google Earth Studio.
Este estudo empírico de trajetórias reais de agentes de LLM revela que mecanismos de verificação por pares entre agentes, que dependem de observações compartilhadas em sistemas multiagentes tradicionais, falham em detectar autorrelatos infiéis em configurações de execução independente devido à falta de eventos compartilhados, identificando, assim, uma condição de contorno estrutural para a aplicabilidade de mecanismos de confiança e reputação baseados em pares.
Este estudo propõe um framework de aprendizado profundo híbrido que integra a extração de características locais baseada em UltraSAM com representações globais de Swin Transformer, otimizadas via Otimização por Colônia de Formigas e modeladas temporalmente por LSTM, para alcançar a classificação de alta precisão de doenças cardíacas a partir de vídeos ecocardiográficos.