notch

curadoria de IA

RESEARCHarXiv CS.AI·6d atrás

Mitigating LLM biases toward spurious social contexts using direct preference optimization

O conteúdo aborda a mitigação de vieses em Grandes Modelos de Linguagem (LLMs) que surgem em contextos sociais enganosos. Para isso, é utilizada a otimização por preferência direta como método.

LLMsAI BiasEthical AIDirect Preference Optimization
0
RESEARCHarXiv CS.AI·6d atrás

AutoVerifier: An Agentic Automated Verification Framework Using Large Language Models

O conteúdo principal está ausente para análise. O título refere-se a AutoVerifier, um framework agentico de verificação automatizada que emprega Modelos de Linguagem Grandes.

FrameworkLLMsAutomated VerificationAgentic AI
0
RESEARCHarXiv CS.AI·6d atrás

DeltaLogic: Minimal Premise Edits Reveal Belief-Revision Failures in Logical Reasoning Models

Este conteúdo aborda um estudo sobre o sistema DeltaLogic, que investiga como pequenas alterações em premissas revelam falhas na revisão de crenças em modelos de raciocínio lógico de IA.

Belief Revisionlimitações de IAmodelos de IAMachine Learning
3
RESEARCHarXiv CS.AI·6d atrás

Improving Role Consistency in Multi-Agent Collaboration via Quantitative Role Clarity

Este conteúdo foca na melhoria da consistência de papéis em colaborações multiagente. Ele explora a clareza quantitativa de papéis para otimizar a interação e o desempenho de sistemas de IA.

Role ConsistencyAI CollaborationRole Managementquantitative analysis
27
RESEARCHarXiv CS.AI·6d atrás

Understanding the Nature of Generative AI as Threshold Logic in High-Dimensional Space

O conteúdo completo do artigo não foi fornecido para análise. O título indica uma pesquisa aprofundada sobre a natureza da IA generativa, explorando-a como lógica de limiar em espaços de alta dimensão.

Machine LearningHigh-Dimensional SpaceAIThreshold Logic
3
RESEARCHarXiv CS.AI·6d atrás

Do Audio-Visual Large Language Models Really See and Hear?

Este conteúdo discute a capacidade real de percepção (visão e audição) de Modelos de Linguagem Grandes (LLMs) multimodais que processam informações de áudio e vídeo. A análise questiona se esses modelos realmente 'veem' e 'ouvem' no sentido humano ou se apenas processam padrões complexos.

Multimodal AIAI PerceptionAudio-Visual LLMsLarge Language Models
0
RESEARCHarXiv CS.AI·6d atrás

OntoKG: Ontology-Oriented Knowledge Graph Construction with Intrinsic-Relational Routing

O título sugere 'OntoKG', um método para construção de grafos de conhecimento orientado a ontologias com roteamento intrínseco-relacional. Contudo, a ausência de conteúdo impede qualquer análise aprofundada do material.

Ontologyknowledge graphsKnowledge GraphGraph Neural Networks
3
RESEARCHarXiv CS.AI·6d atrás

Let's Have a Conversation: Designing and Evaluating LLM Agents for Interactive Optimization

Este conteúdo aborda a concepção e avaliação de agentes LLM para otimização interativa. Ele explora métodos para criar e medir a eficácia de sistemas de IA conversacionais.

Interactive OptimizationLLM AgentsevaluationAI Design
6
RESEARCHarXiv CS.AI·6d atrás

Aligning Progress and Feasibility: A Neuro-Symbolic Dual Memory Framework for Long-Horizon LLM Agents

O título sugere uma pesquisa sobre um framework neuro-simbólico de memória dupla para agentes LLM, visando alinhar progresso e viabilidade em tarefas de longo horizonte. Ele aborda a melhoria da capacidade de agentes de IA para planejar e executar ações complexas ao longo do tempo.

Memory ArchitecturesLLMsLLM AgentsNeuro-Simbólico
27
RESEARCHarXiv CS.AI·6d atrás

CharTool: Tool-Integrated Visual Reasoning for Chart Understanding

Este conteúdo introduz CharTool, uma abordagem para raciocínio visual integrado a ferramentas, visando melhorar a compreensão de gráficos.

chart understandingVisual ReasoningTool IntegrationAI
0
RESEARCHarXiv CS.AI·6d atrás

ESL-Bench: An Event-Driven Synthetic Longitudinal Benchmark for Health Agents

ESL-Bench é um benchmark longitudinal sintético e orientado a eventos. Ele foi desenvolvido para a avaliação de agentes de saúde, provavelmente envolvendo inteligência artificial.

Synthetic DataAgentes de SaúdeIA na Saúdehealthcare
27
RESEARCHarXiv CS.LG·6d atrás

Convolutional Surrogate for 3D Discrete Fracture-Matrix Tensor Upscaling

Este estudo aborda o alto custo computacional da modelagem de fluxo de água subterrânea em meios fraturados usando simulações DFM. Para otimizar o processo, propõe-se um modelo substituto baseado em rede neural convolucional 3D para prever a condutividade hidráulica equivalente, permitindo um framework Monte Carlo multinível mais eficiente.

Simulação NuméricaModelos SubstitutosModelagem HidrogeológicaMonte Carlo
27
RESEARCHarXiv CS.LG·6d atrás

Generating Counterfactual Patient Timelines from Real-World Data

Este artigo descreve um modelo generativo autorregressivo, treinado com dados de mais de 300.000 pacientes, capaz de simular trajetórias contrafactuais clinicamente plausíveis. O modelo foi aplicado a pacientes com COVID-19 para prever resultados com base em parâmetros clínicos alterados, demonstrando seu potencial para medicina personalizada e ensaios in silico.

Real-world datagenerative modelsClinical outcomesPersonalized medicine
27
RESEARCHarXiv CS.LG·6d atrás

SIEVE: Sample-Efficient Parametric Learning from Natural Language

SIEVE propõe um método para aprendizado paramétrico com eficiência de amostra a partir de contexto de linguagem natural, necessitando de apenas três exemplos de consulta. Ele emprega uma pipeline de geração de dados sintéticos, SIEVE-GEN, que decompõe o contexto para gerar resultados de maior qualidade e destilar o contexto no modelo.

language modelsSample Efficiencycontextual learningMachine Learning
27
RESEARCHarXiv CS.LG·6d atrás

Characterizing WebGPU Dispatch Overhead for LLM Inference Across Four GPU Vendors, Three Backends, and Three Browsers

Este estudo caracteriza a sobrecarga de despacho do WebGPU para inferência de LLM em diversas plataformas de GPU, backends e navegadores. Ele revela que benchmarks simples superestimam os custos e identifica o verdadeiro custo por despacho da API WebGPU, destacando a necessidade dessa distinção para otimizações eficazes.

Neural NetworksOptimizationBrowsersOverhead
27
RESEARCHarXiv CS.LG·6d atrás

Homophily-aware Supervised Contrastive Counterfactual Augmented Fair Graph Neural Network

Este trabalho propõe um novo modelo para treinar Redes Neurais Gráficas (GNNs) sensíveis à justiça, aprimorando o framework CAF. A abordagem utiliza uma estratégia de treinamento em duas fases, editando o grafo para ajustar a homofilia e integrando perdas contrastivas e ambientais modificadas para melhorar a predição e a justiça.

HomophilyContrastive LearningGraph Neural NetworksMachine Learning
27
RESEARCHarXiv CS.LG·6d atrás

Contextual Intelligence The Next Leap for Reinforcement Learning

O texto aborda as limitações de generalização do Reinforcement Learning (RL), onde políticas aprendidas falham fora da distribuição de treinamento. Propõe uma nova taxonomia de contextos (alógenos e autógenos) e identifica direções de pesquisa cruciais para desenvolver uma verdadeira inteligência contextual.

GeneralizationContextual IntelligenceReinforcement LearningTaxonomy
27
RESEARCHarXiv CS.LG·6d atrás

OPRIDE: Offline Preference-based Reinforcement Learning via In-Dataset Exploration

O artigo aborda a baixa eficiência de consulta em Aprendizado por Reforço Baseado em Preferências (PbRL) offline, propondo o algoritmo OPRIDE. Este algoritmo visa melhorar a eficiência de consulta através de uma estratégia de exploração informativa e um mecanismo de agendamento de desconto para mitigar a superotimização da função de recompensa.

Reinforcement LearningQuery EfficiencyExplorationOffline Learning
29
RESEARCHarXiv CS.LG·6d atrás

Differentiable Symbolic Planning: A Neural Architecture for Constraint Reasoning with Learned Feasibility

Differentiable Symbolic Planning (DSP) é uma nova arquitetura neural que aborda a dificuldade das redes neurais com o raciocínio por restrições, permitindo o raciocínio simbólico discreto e diferenciável. Integrada a um Universal Cognitive Kernel (UCK), a UCK+DSP demonstra alta precisão e generalização em benchmarks de raciocínio por restrições e planejamento.

Neural NetworksConstraint ReasoningDifferentiable Symbolic PlanningMachine Learning
27
RESEARCHarXiv CS.LG·6d atrás

Prism: Policy Reuse via Interpretable Strategy Mapping in Reinforcement Learning

O artigo apresenta PRISM, uma estrutura para Reinforcement Learning que fundamenta as decisões de agentes em conceitos discretos e causalmente validados, usando-os como interface de transferência zero-shot. Ele demonstra que esses conceitos impulsionam diretamente o comportamento do agente e que a importância de um conceito pode ser dissociada de sua frequência de uso.

Strategy MappingReinforcement Learningtransfer learninginterpretability
27