Extração de Modelo
Definition
A extração de modelos envolve consultar a API de um modelo de aprendizado de máquina alvo …
A extração de modelos envolve consultar a API de um modelo de aprendizado de máquina alvo …
Um ataque de porta dos fundos envolve envenenar os dados de treinamento de um modelo de …
A estratégia de Zeuthen é uma abordagem baseada em regras para barganhas em negociações …
A computação wetware refere-se a sistemas onde neurônios biológicos, muitas vezes …
O WebSocket é um protocolo de comunicação computacional que permite uma comunicação …
Wetware originalmente se referia a tecido cerebral biológico, mas evoluiu na cibernetica …
Estabelecido com uma doação significativa da Fundação Wadhwani, este instituto utiliza …
A Super Resolução de Vídeo envolve o uso de redes neurais para aumentar a resolução do …
O vLLM (Virtual Large Language Model) é uma biblioteca de código aberto projetada para …
A psicometria universal envolve o desenvolvimento e a aplicação de ferramentas de …
Árvore de Pensamentos (ToT) estende o prompt tradicional de cadeia de pensamento, …
Este conceito refere-se à sequência histórica e projetada de eventos em que as …
Cunhado por Pedro Domingos em seu livro de mesmo nome, o ‘Algoritmo Mestre’ …
O aprendizado de três fatores é uma abordagem específica dentro do aprendizado por …
A Inferência de Geração de Texto (TGI) é um framework de software dedicado projetado para …
Texto para Vídeo refere-se a modelos de IA generativa que criam conteúdo visual dinâmico …
A regressão simbólica é um tipo de análise de regressão que procura encontrar uma …
O viés temporal ocorre quando os modelos de aprendizado de máquina atribuem peso …
Supermind AI refere-se a sistemas onde múltiplos componentes de IA, especialistas humanos …
O aprendizado relacional estatístico (LRS) combina teoria da probabilidade com estruturas …
A teoria do aprendizado estatístico (TAE) é um ramo da estatística e da ciência da …
A Diarização de Falantes é a tarefa de particionar um fluxo de áudio em segmentos …
A regressão Spike-and-Slab é uma técnica estatística bayesiana usada para seleção de …
O embedding espacial envolve a conversão de relações espaciais físicas ou abstratas em …
A inteligência espacial refere-se à capacidade dos modelos de inteligência artificial de …
IA Soberana descreve a capacidade de um país ou organização de construir, implantar e …
Slopaganda descreve uma forma estratégica de desinformação que depende da repetição, …
O aprendizado de similaridade foca no treinamento de modelos para mapear entradas em um …
Os estudos sobre a Singularidade são uma disciplina acadêmica emergente que investiga as …
Principalmente utilizada com Grandes Modelos de Linguagem (LLMs), esta técnica melhora a …
Odobramento semântico refere-se ao processo de comprimir embeddings vetoriais complexos e …
Sam3 Video refere-se à aplicação de modelos avançados de segmentação, potencialmente uma …
SUPS é um acrônimo que pode variar conforme o contexto, mas aparece frequentemente em …
O aprendizado de robôs envolve o treinamento de agentes robóticos para realizar tarefas …
O truque de reparametrização é um método fundamental utilizado em autoencoders …
Esta abordagem vai além da simples rotulagem humana no loop (human-in-the-loop). Envolve …
O autoaperfeiçoamento recursivo refere-se à capacidade teórica de um sistema de …
A complexidade de Rademacher avalia quão bem uma classe de hipóteses pode …
Qwen3 5 parece denotar um ponto de verificação específico, uma variante de tamanho ou um …
Este termo refere-se a uma arquitetura especializada dentro da família Qwen, …
A quantização é uma técnica de otimização de modelos que reduz a precisão numérica dos …
O Mixin do Hub de Modelos PyTorch é um componente fornecido pela biblioteca Hugging Face …
No contexto do Pyannote Audio, um pipeline refere-se a um fluxo de trabalho configurável …
Os métodos de gradiente proximal são técnicas de otimização iterativas utilizadas quando …
Este campo examina os processos mentais subjacentes à dedução, indução e raciocínio …
O Produto de Especialistas (PoE) é um método para construir distribuições de …
No aprendizado proativo, o sistema de IA determina quais amostras reduziriam mais a …
A numeração probabilística aplica métodos bayesianos a problemas numéricos tradicionais, …
O Prefix Tuning é uma técnica de adaptação eficiente em parâmetros para transformadores …
A polissemantidade é uma característica observada em redes neurais profundas, …
As Representações de Estado Preditivas (PSRs) estendem os tradicionais processos de …
Um modelo de erro de percepção descreve as discrepâncias entre os dados sensoriais …
Personaplex refere-se ao ecossistema ou infraestrutura que suporta a criação, gestão e …
O Aprendizado de Paridade é um problema de referência na teoria do aprendizado de …
A Teoria dos Padrões fornece uma base matemática rigorosa para entender como objetos e …
PagedAttention é uma técnica introduzida pelo projeto vLLM para melhorar a eficiência da …
A Detecção de Fala Sobreposta (OSD) é uma tarefa especializada no processamento de fala …
O P-Tuning (Prompt Tuning) é uma técnica projetada para adaptar grandes modelos de …
Nouvelle IA refere-se a uma classe de sistemas de inteligência artificial que utilizam …
A IA neuro-simbólica integra métodos de aprendizado neural subsimbólicos com sistemas de …
Este campo une neurociência e robótica implementando modelos de redes neurais em sistemas …
Os campos de modelagem neural envolvem o estudo de como as populações neurais se …
O Muse Spark é uma estrutura de aprendizado profundo de código aberto projetada para …
MXFP4 (Mixed eXtended Floating Point 4-bit) é um formato de tipo de dado especializado …
Splines de Regressão Adaptativa Multivariada (MARS) é um método de regressão flexível que …
O aprendizado de representação multimodal envolve o treinamento de modelos para processar …
Esta técnica aproveita o viés indutivo compartilhado entre tarefas relacionadas para …
O Moshi é um modelo avançado de IA criado pela Kyutai que integra o processamento de fala …
Mistura de Especialistas (MoE) é uma arquitetura de aprendizado de máquina projetada para …
Em GANs, o colapso de modo ocorre quando o gerador aprende a explorar fraquezas no …
O Mistral Common é um pacote Python mantido pela Mistral AI que oferece ferramentas …
O Mixtral é um LLM de pesos abertos pioneiro que utiliza uma arquitetura de Mistura …
O Treinamento de Precisão Mista (MPT) combina tipos de dados de meia precisão (FP16) e …
Embora não seja um termo acadêmico padrão, ‘Mindpixel’ denota tipicamente uma …
O aprendizado meta foca no design de algoritmos que podem aprender com tarefas anteriores …
A Busca de Produto Interno Máximo (MIPS) é um problema fundamental na recuperação de …
Esta técnica atende a regulamentações de privacidade, como o ‘direito ao …
Esta hipótese explica por que o aprendizado profundo funciona eficazmente apesar da …
A regularização de varifold estende os métodos tradicionais de regularização incorporando …
Este campo interdisciplinar utiliza aprendizado de máquina para processar grandes volumes …
O controle por aprendizado de máquina integra algoritmos adaptativos com sistemas de …
O MAUVE é uma medida estatística projetada para avaliar quão de perto a saída de um …
A Hipótese do Bilhete de Loteria sugere que dentro de uma grande rede neural inicializada …
A amostragem local caso-controle é uma estratégia usada principalmente no treinamento de …
Executar um LLM Local envolve implantar modelos de pesos abertos diretamente em hardware …
O Planejamento Vitalício A* (LPA*) é uma extensão do algoritmo de busca A* projetada para …
Em sistemas dinâmicos e análise de séries temporais, a vida útil da correlação mede a …
Ao contrário da classificação ou regressão padrão, o aprendizado para classificação foca …
Na teoria do aprendizado estatístico, uma classe de funções aprendíveis representa o …
Enraizada na teoria dos atos de fala e na pragmática, essa perspectiva enfatiza como as …
As Redes Kolmogorov–Arnold (KANs) são uma classe recente de redes neurais inspirada no …
Ao contrário da filtragem colaborativa, que depende do comportamento passado do usuário, …
A distilação de conhecimento é um método de aprendizado de máquina utilizado para …
Os métodos de incorporação de grafos de conhecimento, como TransE ou DistMult, …
O KAoS é um framework de agentes inteligentes desenvolvido para lidar com a complexidade …
No aprendizado por reforço, a motivação intrínseca impulsiona um agente a explorar seu …
O controle inteligente emprega métodos de inteligência artificial, como lógica difusa, …
A Programação Indutiva, frequentemente referida como Síntese de Programas, envolve a …
Esta teoria postula que o aprendizado é essencialmente um processo de inferência …
O viés indutivo representa as preferências ou restrições inerentes incorporadas em um …
Busca Heurística Incremental refere-se a algoritmos que refinam uma solução candidata …
A tecnologia de Imagem para Vídeo pega um único quadro estático e prevê os quadros …
Este campo estuda os processos por trás de como as ideias são formadas, combinadas e …
A Otimização de Hiperparâmetros (HPO) refere-se ao campo mais amplo de automação da …
Um Sistema Inteligente Híbrido (HIS) funde diferentes paradigmas de IA, combinando …
O Histograma de Deslocamentos Orientados (HOD) é um método de extração de características …
O algoritmo Mundo Pequeno Navegável Hierárquico (HNSW) constrói um grafo multicamadas, …
As Redes Highway foram projetadas para abordar o problema do gradiente desaparecente no …
A Paridade Hierárquica de Risco (HRP) é um método de construção de portfólio que aborda …
Halite era uma competição anual de programação de IA organizada pela Two Sigma, onde …
Grokking refere-se a um comportamento contra-intuitivo observado no aprendizado profundo, …
Esta abordagem imita os processos cognitivos humanos ao agrupar dados em entidades de …
Esta estratégia de otimização permite que modelos de aprendizado profundo sejam treinados …
Gpt Oss geralmente denota alternativas ou derivados de código aberto dos modelos …
Não existe um termo padrão único chamado ‘GLM MoE DSA’. No entanto, é …
O aprendizado de características geométricas concentra-se no processamento de dados que …
A Missão Gênesis geralmente se refere a uma fase ou projeto estratégico dentro de uma …
Até o momento do conhecimento atual, não há nenhum modelo oficialmente lançado …
Um agente difuso opera em ambientes onde os dados são frequentemente ambíguos ou …
A ACF fornece uma estrutura rigorosa para analisar relações entre objetos e seus …
A aproximação de aptidão é utilizada em computação evolutiva quando avaliar a função de …
O controle de força permite que robôs realizem operações delicadas, como montagem, …
Os modelos generativos baseados em fluxo constroem distribuições de probabilidade …
O aprendizado de features, frequentemente associado ao deep learning, permite que os …
O ABE combina raciocínio simbólico com aprendizado de máquina para acelerar o processo de …
Ao contrário dos algoritmos genéticos que mantêm uma população, a OE trabalha com uma …
O ExBERT fornece interpretabilidade para o modelo transformer BERT, analisando a …
As probabilidades igualadas são uma restrição de paridade estatística usada na justiça …
Inspirada pela ontogênese biológica, a Robótica Evolutiva do Desenvolvimento explora como …
No aprendizado por reforço e na inteligência artificial, o empoderamento é uma métrica de …
Os Modelos Baseados em Energia (MBEs) definem uma distribuição de probabilidade sobre os …
Este campo desafia visões tradicionais que tratam a mente como um computador processando …
A Modelagem Dinâmica Empírica (EDM) é um framework para analisar sistemas dinâmicos não …
Desenvolvido pelo Google, o EfficientNet utiliza um método de escalonamento composto para …
Este termo refere-se à relação sinérgica entre o algoritmo Expectation-Maximization (EM) …
A adaptação de domínio aborda o desafio quando os dados de treinamento e teste vêm de …
A discriminação contra robôs é um conceito ético e sociológico emergente que examina como …
Este termo refere-se a uma implementação específica na biblioteca Hugging Face Diffusers …
Este pipeline aproveita a arquitetura Flux, conhecida por sua síntese de imagens de alta …
Este pipeline integra as capacidades do modelo Visão-Linguagem Qwen …
Este pipeline adapta as capacidades generativas dos modelos Qwen-VL para a síntese de …
As Lógicas de Descrição (DL) são fragmentos decidíveis da lógica de primeira ordem que …
A privacidade diferencial fornece fortes garantias de privacidade adicionando ruído …
Implantar na Azure envolve utilizar ferramentas nativas da nuvem, como Azure Machine …
O Anti-Aliasing por Aprendizado Profundo refere-se a métodos que empregam redes neurais …
A Reconstrução Tomográfica Profunda representa um avanço significativo em relação aos …
A Super Amostragem por Aprendizado Profundo (DLSS) é uma tecnologia que utiliza redes …
Os conjuntos de dados de Busca QA tipicamente consistem em pares de consultas de busca e …
Este conjunto de dados extrai dados em nível de sentença dos arquivos XML do Stack …
Esta entrada refere-se a um repositório específico de conjunto de dados identificado pelo …
O conjunto de dados Specter é construído a partir de uma vasta coleção de artigos de …
O conjunto de dados PAQ (Pseudo-Answer Quality) contém milhões de pares pergunta-resposta …
A Astronomia Orientada por Dados aproveita métodos computacionais avançados, incluindo …
Esta técnica adversarial visa comprometer a integridade dos modelos de aprendizado de …
O DABUS é uma rede neural artificial específica projetada para gerar invenções novas sem …
Os aprendizes de padrões acoplados são projetados para lidar com dados em que instâncias …
O Método da Entropia Cruzada (CEM) é um algoritmo de otimização geral poderoso, utilizado …
O aprendizado contrastivo é um método de aprendizado de representações que não requer …
O aprendizado de máquina sensível a custos estende o aprendizado supervisionado …
O Pré-treinamento Contrastivo de Linguagem e Imagem (CLIP) é uma arquitetura de rede …
O aprendizado contínuo, também conhecido como aprendizado ao longo da vida, permite que …
A IA Constitucional é uma estrutura para alinhar grandes modelos de linguagem com os …
Campos Aleatórios Condicionais (CRFs) são uma classe de modelos discriminativos comumente …
A deriva de conceito é um fenômeno no aprendizado de máquina onde a relação entre as …
Um sistema especialista conexionista integra os pontos fortes de reconhecimento de …
Tensores comprimidos são matrizes multidimensionais usadas em aprendizado profundo onde a …
A computação cognitiva é um ramo da inteligência artificial que busca interagir com os …
A robótica cognitiva integra a ciência cognitiva com a robótica para construir máquinas …
A Vontade Extrapolada Coerente (CEV, do inglês Coherent Extrapolated Volition) é um …
Este método aproveita múltiplos conjuntos distintos de recursos (visões) dos mesmos …
O CAM gera mapas de calor sobrepostos às imagens de entrada para mostrar quais pixels …
Esta métrica quantifica o quão bem um conjunto de categorias permite prever os valores …
A teoria do caos explora como pequenas variações nos parâmetros iniciais podem levar a …
O modelo Bradley-Terry é um modelo probabilístico amplamente utilizado em psicometria e …
Bioserenidade refere-se ao ideal conceitual onde a biologia humana e a inteligência …
Os sistemas bio-híbridos fundem tecidos vivos, células ou organismos com materiais …
O compromisso viés-variância descreve a tensão entre o subajuste (alto viés) e o …
Os modelos de séries temporais estruturais bayesianas (BSTS) representam dados de séries …
O arrependimento bayesiano quantifica a diferença entre a recompensa ótima alcançável com …
Este conceito estabelece que a minimização de um funcional de risco regularizado com um …
Os mecanismos de aprendizado bayesiano atualizam as crenças sobre os parâmetros do modelo …
A programação bayesiana é um quadro matemático que generaliza o teorema de Bayes para …
Uma Árvore de Bolas particiona os pontos de dados em hiperesferas (bolas) aninhadas, em …
As redes autônomas aplicam os princípios da computação autônoma às redes de …
A negociação automatizada envolve agentes de software que representam interesses humanos …
Autognóstica refere-se aos mecanismos de automonitoramento e autorreparação embutidos em …
O inpainting de áudio é uma técnica usada para preencher lacunas em gravações de áudio …
A astroestatística é um campo especializado que une estatística e astronomia. Envolve o …
A reprodução artificial abrange técnicas que facilitam ou replicam a reprodução biológica …
A IA na espiritualidade refere-se à aplicação da inteligência artificial em contextos …
A intimidade artificial refere-se ao fenômeno psicológico pelo qual os humanos …
O aprendizado por aprendizagem, também conhecido como aprendizado por reforço inverso a …
Um cérebro artificial refere-se a arquiteturas de hardware ou software que emulam as …
Qualquer para qualquer refere-se a arquiteturas multimodais unificadas que podem lidar …
Este fenômeno surge quando modelos de IA tratam indivíduos de forma diferente, seja …
A probabilidade algorítmica, enraizada na complexidade de Kolmogorov e na indução de …
Ela estende a lógica tradicional para levar em conta a agência, permitindo que os …
O algoritmo ator-crítico emprega dois componentes: o ator, que atualiza a política para …
Este campo abrange tanto técnicas ofensivas para quebrar modelos quanto estratégias …
Os ataques adversariais exploram as vulnerabilidades das redes neurais introduzindo ruído …
O aprendizado de modelo de ação envolve um agente construindo uma representação interna …
AZFinText é um corpus anotado em larga escala especificamente curado para análise de …
Problemas completos para IA são tarefas que, se resolvidas, implicariam a existência de …
O nacionalismo em IA descreve a tendência em que os governos tratam a inteligência …
A observabilidade em IA estende o monitoramento tradicional de software para abordar os …
O veganismo em IA é um termo especulativo e metafórico que se refere à ideia de criar …
O alinhamento de IA aborda o desafio de tornar os sistemas de inteligência artificial …
O aprendizado zero-shot permite que um modelo de aprendizado de máquina classifique …
Os modelos de Visão e Linguagem, frequentemente referidos como Modelos de Linguagem …
O Ajuste Fino Supervisionado (SFT, do inglês Supervised Fine-tuning) envolve pegar um …
O aprendizado auto-supervisionado é uma técnica na qual o algoritmo cria sinais de …
As RNNs são projetadas para reconhecer padrões em sequências de dados, como texto, …
O QLoRA combina a Adaptação de Baixo Ranque (LoRA) com a quantização de 4 bits para …
O framework ReAct permite que LLMs gerem rastros de raciocínio e ações específicas da …
A injeção de prompt explora a forma como os grandes modelos de linguagem interpretam as …
O Aprendizado de Múltiplas Instâncias (MIL) aborda cenários onde os dados são agrupados …
Os sistemas multiagente consistem em vários agentes independentes, cada um potencialmente …
As redes LSTM resolvem o problema do gradiente desaparecente comum nas RNNs padrão, …
O Protocolo de Contexto do Modelo (MCP) é um padrão aberto que permite que aplicativos de …
O jailbreaking envolve criar entradas ou prompts específicos que enganam o modelo de IA …
O aprendizado com poucos exemplos visa permitir que os modelos generalizem a partir de …
O aprendizado federado permite que organizações treinem modelos de IA colaborativamente …
Este conceito aborda o problema da ‘caixa preta’ em sistemas complexos de IA, …
Esses modelos mapeiam dados de alta dimensão para um espaço vetorial contínuo de menor …
Em modelos de sequência para sequência (sequence-to-sequence), o decodificador recebe o …
O Treinamento Distribuído acelera a convergência do modelo paralelizando a computação em …
O prompting de Pensamento em Cadeia (CoT) melhora o desempenho dos grandes modelos de …
Os adaptadores são uma técnica de ajuste fino eficiente em parâmetros, usada …
Os mecanismos de atenção permitem que os modelos se concentrem nas informações relevantes …
A aprendizagem zero-shot permite que os modelos generalizem para novas categorias ou …
A aprendizagem auto-supervisionada é um subconjunto do aprendizado de máquina onde o …
Os algoritmos on-policy exigem que o agente aprenda diretamente a partir das ações …
Problemas de longo prazo envolvem sequências de ações onde o impacto das decisões …
Sistemas multiagente consistem em várias entidades inteligentes e independentes que …
Os modelos baseados em difusão são uma classe de IA generativa que cria novas amostras de …
Modelos de tempo contínuo descrevem a dinâmica do sistema usando equações diferenciais, …
A distância de Wasserstein, também conhecida como Distância do Carregador de Terra, …
Os bancos de dados vetoriais otimizam o armazenamento e a recuperação de dados não …
Introduzido no artigo ‘Attention Is All You Need’, a arquitetura Transformer …
A autoatenção permite que os modelos capturem dependências entre todas as posições em uma …
A Segurança em IA é um campo multidisciplinar focado na prevenção de resultados adversos …
O Aprendizado por Reforço (AR) é um ramo do aprendizado de máquina focado em como agentes …
A Geração Aumentada por Recuperação (RAG) combina os pontos fortes dos sistemas de IA …
O pré-treinamento é uma técnica fundamental no aprendizado profundo, onde um modelo …
Um ‘priori’ representa crenças existentes ou dados históricos sobre uma …
A Atenção Multi-Cabeça estende o mecanismo de atenção padrão executando-o várias vezes em …
Uma rede neural é uma série de algoritmos que busca reconhecer relacionamentos …
O Mamba representa um avanço significativo no modelamento de sequências ao introduzir um …
Em aprendizado de máquina, variáveis latentes são fatores não observados que influenciam …
O LoRA congela os pesos do modelo pré-treinado e insere matrizes de decomposição …
A dinâmica de Langevin incorpora ruído aleatório e forças de amortecimento para explorar …
Em matemática e ciência da computação teórica, um grupo é um conjunto G junto com uma …
Os modelos de difusão são uma classe de IA generativa que aprende a reverter um processo …
No contexto da terminologia de IA, ‘além’ frequentemente descreve paradigmas …
Os métodos de Monte Carlo são técnicas essenciais em IA e estatística para aproximar …
Na inteligência artificial, o modelamento causal busca entender como intervenções em uma …
Abordagens bayesianas na IA usam teoria da probabilidade para atualizar a probabilidade …
As Redes Neurais Convolucionais (CNNs) são projetadas para aprender automaticamente e de …
Backpropagation, abreviação de propagação reversa de erros, é um método usado em redes …
O alinhamento foca em assegurar que os sistemas de IA façam o que os humanos realmente …
A segurança de IA abrange pesquisas e práticas destinadas a garantir que sistemas …