Informática - Aprendizagem de máquinas

Um novo método melhora a comunicação no processamento de dados em gráfico.

Esse documento fala sobre como priorizar tratamentos dentro das limitações do orçamento pra ter resultados melhores.

O FedMR enfrenta desafios no aprendizado federado com dados de classes parciais, melhorando o desempenho do modelo.

Essa pesquisa foca em melhorar a segmentação de tumores no cérebro com uma nova abordagem de modelo.

A LFIS oferece um método sistemático para amostragem de distribuições complexas.

Um novo método aborda a justiça em tarefas de classificação de aprendizado de máquina.

Um novo método pra avaliar explicações de neurônios em modelos de deep learning.

Um guia sobre previsão conformal e seu papel na estimativa de incerteza.

Modelos de linguagem melhoram o desempenho em tarefas na web usando técnicas de autoaperfeiçoamento.

Um novo método tem como objetivo lidar com o viés nas saídas de modelos de linguagem.

Novas técnicas melhoram a reconstrução de imagens a partir de dados limitados.

O ROAST melhora a análise de sentimentos focando em resenhas inteiras.

A ETHER apresenta uma maneira econômica de ajustar grandes modelos de aprendizado de máquina.

Um desafio global destaca o aprendizado federado para classificação de densidade mamária.

Uma nova estrutura combina GNNs e LLMs pra melhorar as respostas a partir de gráficos de conhecimento.

Analisando as capacidades de contagem dos modelos de linguagem, sua estrutura e processos de aprendizagem.

Apresentando o S3, um método pra melhorar a análise de dados de séries temporais através de um rearranjo inteligente.

Pesquisadores melhoram processos de biomanufatura usando inferência bayesiana e técnicas de amostragem eficientes.

Uma nova abordagem melhora os modelos de linguagem ao focar nas preferências humanas na geração de texto.

Um novo método permite que os agentes sigam as regras de segurança em uma linguagem simples.

Um novo sistema que melhora a eficiência do aprendizado dos robôs usando feedback em vídeo e linguagem.

Um novo modelo pra tomar decisões melhores usando dados históricos.

Esse artigo fala sobre os desafios do fine-tuning de poucos exemplos em modelos de difusão e soluções.

Novos métodos combatem ataques de backdoor em modelos de machine learning pra aumentar a segurança.

Aprenda a identificar sistemas lineares que mudam de comportamento com base em dados.

Esse estudo investiga como as preferências podem ser aprendidas a partir de comparações simples.

Um sistema unificado aumenta a eficiência em aplicações baseadas em LLM.

Apresentando um modelo que gera áudio e vídeo sincronizados com níveis de ruído mistos.

Analisando o papel dos agentes LLM na resolução de problemas do dia a dia.

Um novo método chamado ADEPT melhora o aprendizado por reforço offline através de modelos adaptativos.

Um novo método melhora a eficiência do fine-tuning e reduz o uso de memória para grandes modelos de linguagem.

O Preference Flow Matching traz uma nova forma de alinhar os resultados da IA com as preferências dos usuários.

Uma olhada nos papéis da injetividade e sobrejetividade em redes ReLU.

Um novo método pra melhorar o seguimento de instruções de imagem em modelos multimodais.

Uma nova abordagem pra lidar com o desbalanceamento de classes usando SMOTE e Autoencoders Variacionais.

Esse estudo mostra como autoencoders esparsos criam representações de memória parecidas com células de lugar.

Analisando as respostas individuais aos tratamentos usando o Causal K-Means Clustering.

Apresentando o MaCoDE, um jeito de criar dados sintéticos de alta qualidade.

Uma nova abordagem melhora o desempenho do modelo com diferentes fontes de dados.

A LInK combina aprendizado de máquina com métodos tradicionais pra melhorar bastante o design de mecanismos.