1017 artigos
Este artigo apresenta o CuSPC, uma arquitetura orientada para GPU para codificação polar esteganográfica que reestrutura cronogramas de decodificação e aproveita o paralelismo de múltiplos níveis para alcançar um aumento de 30 vezes no throughput em relação às bases de CPU, mantendo uma baixa perda de codificação e resistência à esteganálise comparável.
Este estudo apresenta o CodePori, um sistema multiagente de larga escala para desenvolvimento de software autônomo, e avalia empiricamente sua aplicabilidade no mundo real por meio do feedback de participantes para identificar desafios e oportunidades fundamentais além das métricas de benchmarks padrão.
Este estudo propõe e avalia estratégias para redesenhar os deveres de casa de Ciência da Computação para aproveitar, em vez de proibir, as ferramentas de IA, demonstrando que ciclos de aprendizagem iterativos, cronometragem estratégica e feedback contínuo podem aumentar a compreensão genuína do aluno ao mesmo tempo em que mantêm a integridade acadêmica.
Este artigo apresenta o Res6-Deep11, um novo modelo de reconstrução de imagem não supervisionado que detecta e segmenta eficazmente manchas de óleo em imagens SAR sem exigir rótulos de verdade de campo ao nível do pixel, alcançando um desempenho superior em relação aos métodos de última geração com um F1-score de 77,33%.
Este artigo apresenta o DTap, a primeira plataforma de red-teaming controlável e interativa para agentes de IA, que inclui um agente de red-teaming autônomo (DTap-Red) e um benchmark de larga escala (DTap-Bench) para avaliar e expor sistematicamente vulnerabilidades de segurança em 14 domínios do mundo real.
Este artigo apresenta uma estrutura escalável para operacionalizar a IA confiável na saúde ao utilizar uma Árvore de Decisão de Análise de Erros e inovações metodológicas inéditas para descobrir falhas em subgrupos ocultos e mitigar o viés, traduzindo, assim, princípios abstratos de equidade em objetivos de engenharia verificáveis que garantem a conformidade com regulamentações como o EU AI Act.
Esta revisão sistemática de 154 estudos (2021–2025) revela que, embora a IA para segurança de IoT/IIoT esteja fortemente focada em detecção de intrusão, a pesquisa atual carece de validade operacional devido à escassez de rótulos e restrições de recursos, necessitando de uma mudança em direção a protocolos de implantação padronizados, conscientes de deriva (drift-aware) e explicáveis.
Este artigo introduz o método de Anotação de Elemento de Processo por Decomposição–Recomposição com Consciência de Restrições (DR-PEA) para mitigar o Colapso Semântico de Processo em grandes modelos de linguagem através da transformação de texto de processo não estruturado em dados estruturados padronizados por meio de um pipeline de três estágios de decomposição semântica, recomposição de processo e mapeamento de restrições, alcançando um desempenho superior em relação às linhas de base existentes.
Este estudo compara a precisão de classificação e a estabilidade da explicabilidade de modelos DenseNet121 e Vision Transformer em imagens de histopatologia mamária, revelando um compromisso crítico onde o DenseNet121 alcança maior precisão e explicações localizadas, enquanto o Vision Transformer demonstra maior robustez das explicações sob perturbações de entrada.
Este estudo apresenta uma estrutura de aprendizagem profunda de três fases que combina a previsão de pH baseada em LSTM com o controlo por Aprendizagem por Reforço Profundo, validada contra perfis de solos africanos utilizando dados sintéticos, para fornecer uma solução escalável e transferível para a otimização da recuperação de minas em regiões da África Subsariana com escassez de dados.