3729 artigos
Este artigo propõe o framework CANMT-AE (Context-Aware NMT for Arabic-English), um modelo de seis estágios impulsionado por IA que integra conhecimentos linguísticos, pragmáticos e culturais para ir além da tradução literal e alcançar a verdadeira equivalência cultural na tradução automática entre árabe e inglês.
Este artigo apresenta um conjunto de dados multilíngue disponível publicamente, composto por características lexicais, sintáticas e semânticas de 1.860 artigos da Wikipédia em cinco idiomas, demonstrando, por meio de validação estatística, que a língua influencia significativamente essas características independentemente da extensão do texto, oferecendo, assim, um recurso robusto para a pesquisa linguística translinguística e computacional.
Este estudo demonstra que o debate multiagente no diagnóstico psiquiátrico pode degradar a precisão diagnóstica geral em comparação com baselines zero-shot através de diferentes escalas de modelos, enquanto simultaneamente revela que mecanismos de debate podem recuperar de forma única sinais de risco críticos perdidos por modelos únicos em casos de alto risco específicos, destacando compensações complexas e dependentes de escala entre a precisão de categoria geral e a detecção de riscos matizados.
Este artigo apresenta o CCAEA, um framework que permite que robôs autônomos de autoaperfeiçoamento avaliem e adaptem continuamente seus processos de raciocínio e aprendizagem por meio de uma análise multidimensional de resultados e processos, convertendo assim experiências validadas em comportamentos reutilizáveis para aumentar a utilidade cognitiva de longo prazo e a eficiência das tarefas.
Este artigo propõe um modelo de inteligência de desenvolvimento minimalista para robôs autônomos que se baseia em mecanismos de aprendizagem predefinidos em vez de conhecimento prévio extensivo, permitindo que o sistema adquira e reutilize conhecimento continuamente para alcançar desempenho comparável e raciocínio de longo prazo superior com significativamente menos regras predefinidas do que os sistemas adaptativos existentes.
Este estudo introduz o MMVX-Net, uma estrutura baseada em Mamba computacionalmente eficiente que alcança alta precisão na classificação binária de disfagia usando clipes de vídeo RGB-D sincronizados, embora os autores observem que validação adicional é necessária antes da implantação clínica.
Este artigo investiga estratégias de substituição e cache para inferência de Mixture-of-Experts em GPUs de consumo, demonstrando que buscar seletivamente apenas especialistas de alta prioridade ou usar uma regra de carregamento em segundo plano baseada na massa de porta acumulada pode acelerar significamente a decodificação (2,5–3,0× mais rápido) com degradação mínima de perplexidade em comparação com a busca de cada especialista ausente.
Este artigo demonstra que, embora o RAG e o ajuste fino via LoRA não melhorem consistentemente a precisão diagnóstica em modelos pequenos para tarefas psiquiátricas, eles degradam criticamente o recall de alto risco relevante para a segurança, com as falhas de ajuste fino sendo rastreadas a erros específicos de rotulagem de dados e as falhas de RAG permanecendo uma questão mecanística em aberto.
Este artigo apresenta uma estrutura de baixo custo, preservação de privacidade e impulsionada por IA que utiliza a Informação de Estado de Canal (CSI) de Wi-Fi capturada por dispositivos ESP32 e processada através de um modelo híbrido CNN-BiLSTM-Attention para alcançar detecção de presença humana, contagem de pessoas e classificação de atividades em tempo real, sem contato, com 78,57% de precisão.
Este estudo revela que os grandes modelos de linguagem exibem vieses linguísticos e culturais sistemáticos em avaliações educacionais, gerando avaliações com níveis variados de dificuldade e extensão entre idiomas que se correlacionam com as pontuações do PISA, ao mesmo tempo em que reforçam estereótipos que enfatizam a empatia em contextos ocidentais versus a hierarquia em contextos asiáticos, tornando necessárias auditorias culturalmente sustentáveis antes da implementação.