Artigos cujos autores originais revisaram nossa explicação em linguagem simples.
Para cada artigo desta página, pelo menos um dos autores originais viu nossa explicação em linguagem simples e se envolveu com ela — confirmando a precisão ou solicitando correções que depois aplicamos. Uma confirmação não significa que os autores aprovem formalmente cada frase, mas que a explicação passou pelos olhos de quem escreveu o artigo.
1470 artigos revisados por autores · 631–640 / 1470
Este artigo propõe o framework Focus-Aware Adaptive Dense Subgraph (FAADS), que minera eficientemente subgrafos densos de alta qualidade em redes multicamadas dinâmicas por meio de um mecanismo de atualização incremental, alcançando melhorias significativas de velocidade em relação aos métodos de última geração ao mesmo tempo em que mantém uma qualidade de densidade próxima da ótima.
Este artigo apresenta o CKTN, o primeiro corpus e benchmark multilíngue para as línguas Cham, Khmer e Tay-Nung do Vietnã, demonstrando que os métodos de adaptação padrão falham devido às diferenças de escrita e de contato e propondo uma receita de pré-treinamento consciente da escrita que melhora significativamente o desempenho do codificador e a generalização semântica.
Este artigo propõe uma estrutura de verificação e validação orientada ao risco que transforma a detecção de alucinações em LLMs do setor público de um desafio puramente técnico em uma questão de governança, ao introduzir um índice de risco composto para orientar decisões operacionais como o adiamento ou a escalação humana, garantindo, assim, a certeza jurídica e a responsabilidade administrativa.
Este artigo propõe uma estrutura inteligente de detecção de drones e alerta precoce em tempo real para a vigilância de infraestruturas críticas utilizando o modelo de aprendizado profundo YOLO26, que é treinado em um banco de dados multiescenário personalizado e avaliado em relação a modelos de linha de base para demonstrar precisão e velocidade superiores na identificação de alvos de drones pequenos, distantes e desafiadores.
Este estudo demonstra que um modelo LightGBM treinado em características de curvas de luz ópticas de dados do GAIA e Pan-STARRS, com dimensionalidade reduzida via BoostBoruta, pode classificar eficazmente núcleos galácticos ativos em blazares e não-blazares com aproximadamente 86% de acurácia, mesmo quando aplicado a candidatos desconhecidos através de autoaprendizado.
Este estudo utiliza a transcriptômica comparativa de infecções por SARS-CoV-2, Influenza A e VSR em células epiteliais das vias aéreas humanas para revelar que esses vírus respiratórios provocam respostas transcricionais do hospedeiro amplamente distintas e específicas de cada vírus, com assinaturas gênicas compartilhadas mínimas, sugerindo a necessidade de estratégias terapêuticas e diagnósticas direcionadas ao patógeno.
O MuScriptor é um modelo de pesos abertos que alcança uma transcrição musical multi-instrumental eficaz em gravações do mundo real ao combinar pré-treinamento sintético, ajuste fino com dados reais, aprendizado por reforço e condicionamento de instrumentos para superar as limitações de generalização dos métodos existentes.
Este estudo resolve o paradoxo da superestrutura da aragonite que perdurava há muito tempo ao demonstrar que reflexões misteriosas proibidas por simetria, anteriormente confundidas com novos politipos de CaCO3, são na verdade artefatos de difração causados por macla polissintética em escala nanométrica, uma descoberta validada através de modelagem e experimentos que oferece um arcabouço generalizado para identificar artefatos semelhantes em outros materiais maclados.
Este estudo bibliométrico analisa 734 publicações indexadas na Scopus de 2000 a 2026 para mapear a evolução, os temas principais e as estruturas de conhecimento da pesquisa sobre sustentabilidade na indústria de semicondutores, identificando os principais contribuintes, tópicos centrais como reciclagem e gestão ambiental, e direções futuras promissoras, tais como a economia circular e energia renovável.
Este artigo apresenta o PromptShield, um framework multiagente interpretável que combina análise semântica baseada em transformer com técnicas de XAI como SHAP e LIME para detectar e explicar eficazmente ataques de injeção de prompt em Grandes Modelos de Linguagem.