Este artigo detalha a criação do primeiro conjunto de dados de áudio público para detecção de "first crack" na torra de café, preenchendo uma lacuna significativa. O dataset, com 973 segmentos de 10 segundos anotados, foi construído do zero e permitiu um modelo com 100% de precisão devido a escolhas de design cuidadosas.
Apesar da estagnação da precisão em benchmarks acadêmicos de fala para texto, as aplicações industriais exigem melhor reconhecimento de vocabulário raro e contextual. Este artigo introduz o Contextual Earnings-22, um novo dataset e benchmark para promover a pesquisa e revelar avanços no reconhecimento contextual de fala com vocabulário personalizado.
Este artigo apresenta DraDDP, o primeiro dataset multimodal público em inglês para análise de discurso de diálogo multi-parte, baseado em dramas televisivos americanos. Ele contém 495 segmentos de diálogo e demonstra o valor da informação multimodal na captura de estruturas de diálogo e tipos de relação.
FairFace é um dataset de atributos faciais desenvolvido para mitigar vieses em modelos de IA, oferecendo uma representação equilibrada de raça, gênero e idade. O objetivo é aprimorar a equidade e robustez de sistemas de visão computacional, garantindo um desempenho mais justo.
Este artigo detalha o desenvolvimento do OmniSign, um tradutor em tempo real para a Língua Gestual Libanesa (LSL), abordando os desafios de criar IA para uma língua com um conjunto de dados quase inexistente. O autor ressalta que os problemas mais difíceis não foram técnicos, mas sim humanos. A inspiração surgiu ao testemunhar as dificuldades de comunicação entre um homem surdo e uma barista em Beirute.
Este estudo apresenta o dataset TR-EduVSum, focado em vídeos educacionais turcos, e propõe o método AutoMUP. Este método gera resumos padrão-ouro de forma automática e reproduzível a partir de múltiplos resumos humanos, usando agrupamento de unidades de significado e modelagem estatística de consenso.
Este artigo apresenta o MATH-PT, um novo conjunto de dados com 1.729 problemas matemáticos em português europeu e brasileiro, para combater o viés linguístico nas avaliações de raciocínio matemático de LLMs. O benchmark revela que modelos de fronteira têm bom desempenho em questões de múltipla escolha, mas sua performance decai em perguntas abertas.
Este artigo apresenta o ViLegalNLI, o primeiro conjunto de dados em larga escala de Inferência de Linguagem Natural (NLI) para textos jurídicos vietnamitas. O conjunto de dados contém 42.012 pares de premissa-hipótese derivados de documentos estatutários oficiais, construído com um framework semi-automático que integra modelos de linguagem grandes para geração e validação de hipóteses.
CFMS apresenta o primeiro benchmark chinês de detecção de sarcasmo multimodal e de granulosidade fina, contendo 2.796 pares de imagem-texto com anotações de nível triplo. Este conjunto de dados visa aprimorar a compreensão semântica fina e o raciocínio metafórico em modelos de IA, abordando as limitações dos benchmarks existentes.
Este artigo de pesquisa explora a dominância narrativa global em Modelos de Linguagem Grandes (LLMs), onde o conhecimento cultural local é frequentemente ofuscado por narrativas globais. Introduz o dataset CulturalNB para contextos culturais bengalis e demonstra que perguntas em inglês tendem a promover a substituição global e o enquadramento institucional, diminuindo a cobertura da perspectiva local.
Foi introduzido o ThermoQA, um novo benchmark de 293 problemas de termodinâmica de engenharia em três níveis, projetado para avaliar o raciocínio de LLMs. LLMs como Claude Opus 4.6 e GPT-5.4 lideram o placar, mas a degradação entre os níveis revela diferenças nas capacidades de raciocínio termodinâmico, com o conjunto de dados e código sendo de código aberto.
Charades-Ego é um grande conjunto de dados de vídeos pareados em primeira e terceira pessoa. Este recurso é valioso para a pesquisa em visão computacional e análise de vídeo.