333 artigos
O artigo apresenta o ContextBench, um benchmark que avalia métodos de modificação de contexto para ativar características latentes específicas em modelos de linguagem, demonstrando que variantes aprimoradas do EPO alcançam o estado da arte ao equilibrar eficazmente a força de elicitação e a fluência linguística.
O artigo propõe os Mapas de Recursos Quânticos Iterativos (IQFMs), um framework híbrido que combina mapas de recursos quânticos rasos com pesos de aumento clássicos e aprendizado contrastivo para criar arquiteturas profundas que superam redes neurais quânticas convolucionais em tarefas ruidosas e evitam a otimização de parâmetros variacionais, oferecendo uma solução promissora para as limitações de hardware atual.
Este artigo propõe o uso de mapas de aprendizado de máquina que preservam a estrutura física (simples e reversíveis no tempo) para simulações de dinâmica molecular com grandes passos de tempo, demonstrando que esse método equivale a aprender a ação mecânica do sistema e elimina problemas como a não conservação de energia, permitindo transferências entre diferentes condições termodinâmicas e composições químicas.
O artigo propõe o Kernel VICReg, um novo framework de aprendizado auto-supervisionado que leva o objetivo VICReg para um Espaço de Hilbert de Reprodutor de Kernel (RKHS) para capturar dependências não lineares e melhorar a representação de dados sem rótulos, demonstrando ganhos consistentes sobre métodos euclidianos em diversos conjuntos de dados.
O artigo apresenta a Expansão Atômica de Cluster Tensorial (TACE), um modelo de aprendizado de máquina unificado que utiliza tensores cartesianos irreduzíveis para representar de forma eficiente e universal tanto propriedades invariantes quanto equivariantes em sistemas moleculares e materiais, superando as limitações de complexidade dos métodos baseados em tensores esféricos.
Este artigo apresenta um algoritmo sequencial baseado em testes de Cochran multivariados e em um método de bootstrap multi-rodadas para identificar agrupamentos de centros em estudos multicêntricos distribuídos, garantindo a recuperação da partição verdadeira e oferecendo diretrizes práticas para lidar com a heterogeneidade de parâmetros.
O artigo apresenta as "Self-Speculative Masked Diffusions", um novo modelo de difusão mascarada para dados discretos que utiliza amostragem especulativa integrada ao modelo para gerar previsões não fatorizadas em uma única passagem, reduzindo em cerca de duas vezes o número de avaliações de rede neural necessárias para a geração de amostras de alta qualidade em comparação com os modelos padrão.
Este artigo demonstra que a injeção de informações por meio de um verificador de dados sintéticos externo pode evitar o colapso de modelos durante o re-treinamento iterativo, proporcionando melhorias de curto prazo, embora a convergência de longo prazo seja limitada ao "centro de conhecimento" do próprio verificador.
O artigo propõe o CADM, uma métrica de distância adaptativa e personalizada por cluster para agrupamento de dados categóricos e mistos, que considera as diferentes distribuições de atributos em cada cluster para superar limitações de medições tradicionais, demonstrando alto desempenho em experimentos com quatorze conjuntos de dados.
O artigo apresenta o DAISI, um algoritmo de assimilação de dados escalável baseado em modelos generativos de fluxo que supera as limitações das aproximações gaussianas tradicionais ao utilizar uma amostragem inversa inovadora para integrar previsões de modelos dinâmicos complexos com observações esparsas e ruidosas.
Este artigo propõe uma nova métrica de sensibilidade global baseada em Curvas de Expectativa Condicional Individual (ICE) para superar as limitações dos Gráficos de Dependência Parcial (PDP) na presença de interações fortes, demonstrando matematicamente sua superioridade e validando-a em casos de engenharia aeroespacial e eólica através de comparações com métodos como SHAP e índices de Sobol'.
Este artigo propõe uma regra de tratamento individualizada robusta distribucionalmente (PDRO-ITR) que integra dados de múltiplas fontes para lidar com o deslocamento posterior, garantindo desempenho ótimo mesmo no pior cenário através de um conjunto de incerteza adaptativo e de uma solução de forma fechada.
Este artigo propõe um método de inferência condicional que combina localização baseada em kernels com previsões de aprendizado de máquina para estimar funcionais condicionais em cenários com poucos dados rotulados e muitos dados não rotulados, garantindo intervalos de confiança válidos e com variância reduzida independentemente da precisão do modelo preditivo.
O artigo apresenta o modelo behavior-dLDS, um sistema dinâmico linear decomposto que desentrelaça dinâmicas neurais latentes relacionadas ao comportamento de computações internas paralelas, demonstrando sua eficácia em dados simulados e sua escalabilidade para milhares de neurônios em gravações de larvas de peixe-zebra.
Este artigo demonstra que, no contexto de regressão de crista com características aleatórias, é possível obter leis de escala significativamente melhores ao treinar um modelo forte com rótulos imperfeitos de um modelo fraco, permitindo que o aluno atinja taxas de erro ótimas mesmo quando o professor não apresenta melhoria com o aumento dos dados.
O artigo propõe o "Artificial Replay" (Reprodução Artificial), um novo design experimental que permite comparar algoritmos de bandit multi-armed reutilizando trajetórias registradas para reduzir drasticamente o custo de interação e a variância do estimador, superando as limitações dos testes A/B tradicionais para políticas adaptativas.
Este artigo estabelece, pela primeira vez, um princípio de grandes desvios para redes neurais convolucionais no regime de canais infinitos, demonstrando tal princípio para as matrizes de covariância condicional e para a distribuição posterior sob uma prior gaussiana, além de fornecer uma prova simplificada da equivalência gaussiana e da concentração dessas covariâncias.
Este artigo melhora os limites conhecidos para a complexidade de aprendizado agnóstico sob marginais gaussianas, demonstrando que um grau polinomial de é suficiente para aproximar classes de conceitos com área de superfície gaussiana , resultando em limites quase ótimos para funções de limiar polinomial no modelo de consultas estatísticas.
O artigo demonstra que os Grafos de Codificação Preditiva (PCGs) constituem um conjunto matematicamente superior às redes neurais feedforward, posicionando-os como uma generalização mais ampla dentro do aprendizado de máquina contemporâneo.
O artigo demonstra que o fluxo de gradiente em modelos de softmax com valores inerentemente direciona a otimização para soluções de baixa entropia, oferecendo uma explicação teórica para fenômenos empíricos como "attention sinks" e ativações massivas em transformers.