3729 artigos
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.
Este artigo introduz o Branch-Relative Authority Closure (BRAC), um framework que garante a aquisição segura de evidências para agentes autônomos ao recomputar dinamicamente as permissões de autorização após cada observação para resolver incertezas decisivas sem violar restrições de legitimidade.
Esta pesquisa propõe um sistema de detecção de anomalias baseado em ensemble para eficiência energética urbana que compara algoritmos tradicionais de aprendizado de máquina com Autoencoders de aprendizado profundo, demonstrando que o Autoencoder alcança um desempenho superior (pontuações F1 de 0,9740 e 0,9494) ao utilizar SHAP para interpretabilidade para apoiar a gestão sustentável de energia.
O TPA-Flow é um framework unificado de fotopletismografia remota que aumenta a precisão e a robustez do monitoramento fisiológico ao integrar priors periódicos ponderados por confiança via Atenção de Produto Tensorial Fisiológico com um novo mecanismo de decodificação de Fluxo Retificado ancorado diretamente para corrigir distorções de forma de onda.
O CogAlign-CausalX é um pipeline de análise de pólipos que trata máscaras de segmentação como explicações intrínsecas para classificação morfológica, validado por uma métrica de pontuação de alinhamento rápida e de forma fechada (XAlign) que alcança um desempenho competitivo no conjunto de dados Kvasir-SEG ao reconhecer limitações na precisão absoluta de segmentação e a necessidade de parear pontuações de alinhamento com medidas de sobreposição tradicionais.
Este artigo introduz uma metaheurística de path relinking aprimorada com correspondência de rótulos e movimentos de componentes para resolver eficientemente o Problema do Separador de Vértices Capacitado, demonstrando desempenho superior em relação aos algoritmos exatos existentes ao igualar soluções ótimas na maioria dos casos e melhorar os limites superiores nos demais.