Domine Data Science
e Inteligência Artificial

Semana marcada por avanços em eficiência de modelos e multimodalidade. O destaque foi a publicação de técnicas de Mixture of Experts que reduzem custos computacionais em 10x mantendo performance. Também vimos progresso significativo em fusão multimodal com novos frameworks superando CLIP. Na área de causal inference, novos métodos usando GNNs alcançaram 95% de acurácia em descoberta causal. Por fim, trabalhos em otimização de transformers mostraram que sparse routing pode ser aplicado a modelos de 1T parâmetros.

Semana focada em aplicações práticas de IA generativa e robustez de modelos. Pesquisadores publicaram métodos para melhorar robustez de difusão models contra adversarial attacks. Também houve avanços em fine-tuning eficiente com LoRA adaptativo que reduz parâmetros treináveis em 99%. Na área de NLP, novos trabalhos em prompt engineering mostraram técnicas de chain-of-thought que melhoram raciocínio em 40%. Finalmente, estudos sobre hallucination em LLMs propõem soluções baseadas em retrieval augmented generation.

Semana com contribuições importantes em visão computacional e interpretabilidade. Novo framework de ViT (Vision Transformers) com attention mechanisms adaptativos melhora eficiência em 30%. Pesquisadores publicaram métodos de explainability para redes neurais profundas usando saliency maps aprimorados. Na área de 3D vision, novos trabalhos em NeRF (Neural Radiance Fields) reduzem tempo de treinamento em 5x. Também vimos avanços em self-supervised learning com contrastive methods que alcançam performance comparável a supervised learning.