4855 artículos
Este artículo propone un marco de evaluación de clasificación binaria basado en la teoría de la decisión y el uso de reglas de puntuación propias como la puntuación Brier, respaldado por una herramienta práctica en Python y una variante técnica mejorada, para superar la dependencia actual de métricas de umbral fijo en la literatura de aprendizaje automático.
El artículo presenta MCP Bridge, un proxy RESTful ligero y agnóstico a los modelos que habilita la conexión segura y multiplataforma con servidores MCP en entornos restringidos, complementado con la optimización de modelos Qwen mediante técnicas de aprendizaje por refuerzo para lograr un rendimiento superior en la ejecución de herramientas.
El artículo presenta SGPO, un marco de optimización de políticas que mitiga la limitación de GRPO de no aprender de grupos de respuestas incorrectas al introducir diversidad mediante un modelo juez paso a paso, logrando así mejorar el rendimiento de modelos de razonamiento al permitirles aprender de sus errores sin requerir soluciones correctas.
Este trabajo presenta MathQ-Verify, una pipeline de cinco etapas que valida rigurosamente la corrección y completitud de problemas matemáticos para filtrar preguntas mal planteadas, mejorando significativamente la calidad de los conjuntos de datos y el rendimiento de los modelos de lenguaje grandes.
El artículo presenta UltraEdit, un método de edición de modelos de lenguaje sin entrenamiento, sujeto ni memoria que logra actualizaciones rápidas y escalables con bajo consumo de recursos, superando a los enfoques anteriores y validándose mediante un nuevo conjunto de datos masivo llamado UltraEditBench.
El artículo presenta Saturn, un marco de aprendizaje por refuerzo basado en problemas de satisfacibilidad booleana (SAT) que supera las limitaciones de escalabilidad, verificabilidad y control de dificultad de las tareas existentes, logrando mejoras significativas en las capacidades de razonamiento de modelos de lenguaje grandes tanto en problemas SAT como en tareas matemáticas y de programación.
El artículo presenta Daily-Omni, un nuevo benchmark de preguntas y respuestas audio-visuales diseñado para evaluar la capacidad de razonamiento temporal sincronizado entre modalidades en modelos de lenguaje multimodales, revelando que la mayoría de los modelos actuales aún luchan con la alineación temporal cruzada.
Este artículo presenta la primera revisión sistemática sobre la integración de modelos fundacionales en la robótica de servicio móvil, analizando cómo estas tecnologías abordan desafíos técnicos clave, habilitan aplicaciones en entornos reales y plantean consideraciones éticas y futuras para el desarrollo de robots autónomos seguros y adaptables.
El artículo presenta TSRating, un marco unificado que aprovecha el conocimiento de los modelos de lenguaje grandes (LLM) y un esquema de meta-aprendizaje para evaluar de manera eficiente y adaptable la calidad de datos de series temporales procedentes de dominios diversos.
Este trabajo propone CORA, un método de asignación de ventajas en el aprendizaje por refuerzo multiagente cooperativo que utiliza la teoría de juegos cooperativos y el concepto de "núcleo" para asignar créditos basados en las contribuciones de las coaliciones, mejorando así la optimización de las políticas y el comportamiento coordinado.
El artículo presenta ChannelTokenFormer, un marco unificado basado en Transformers que aborda simultáneamente la dependencia entre canales, la asincronía en la muestreo y los valores faltantes para lograr un pronóstico robusto y preciso de series temporales multivariadas en escenarios del mundo real.
El artículo presenta ConLID, un enfoque novedoso de aprendizaje contrastivo supervisado que mejora significativamente la identificación de idiomas para lenguas de recursos escasos en datos fuera del dominio, manteniendo al mismo tiempo el rendimiento en lenguas de recursos abundantes.
El artículo presenta OPENXRD, un marco de referencia integral que evalúa la capacidad de modelos de lenguaje grandes y multimodales para integrar información contextual en preguntas de difracción de rayos X, revelando que los modelos de tamaño medio se benefician más de este contexto y que la calidad experta del material supera a la generada por IA.
El paper propone un modelo de resolución de problemas matemáticos como un ciclo de actualización de creencias donde la creación de conceptos explícitos, distinta de la formación implícita que dominan las IA actuales, constituye el paso fundamental del descubrimiento matemático al introducir nuevos movimientos inexpressibles en el lenguaje existente.
El artículo presenta QSpark, un enfoque que utiliza el ajuste fino del modelo Qwen2.5-Coder-32B con optimización por preferencia (ORPO) y optimización de políticas relativas grupales (GRPO) para generar código Qiskit más fiable, logrando un rendimiento superior al de los modelos de propósito general en tareas básicas e intermedias, aunque aún enfrenta desafíos en problemas avanzados.
El artículo presenta "Latent Policy Steering" (LPS), un enfoque que mejora las políticas visuomotoras en regímenes de pocos datos mediante el preentrenamiento de un modelo de mundo con representaciones de acción agnósticas al cuerpo (como el flujo óptico) y su posterior ajuste fino para guiar la selección de acciones, logrando mejoras significativas tanto en simulación como en robots reales.
El artículo presenta MMGraphRAG, un enfoque innovador que integra gráficos de escena visuales con grafos de conocimiento textuales mediante la técnica SpecLink y el nuevo conjunto de datos CMEL para superar las alucinaciones de los modelos de lenguaje y lograr un razonamiento multimodal interpretable y de vanguardia.
Este estudio presenta un marco de agentes LLM para simular la evolución de las actitudes de los ciudadanos estadounidenses hacia China entre 2005 y 2025, demostrando que un agente "abogado del diablo" es la estrategia más efectiva para mitigar los sesgos derivados del encuadre mediático y generar opiniones más objetivas y similares a las humanas.
Este artículo presenta SFDA-PFT, un método eficiente de adaptación de dominio sin fuente que utiliza una traducción de características en el espacio latente para personalizar modelos de reconocimiento de expresiones faciales utilizando únicamente datos de expresiones neutras del objetivo, evitando así la generación de imágenes y preservando la privacidad.
El artículo presenta AI Blob!, un sistema experimental que utiliza modelos de lenguaje grande y tecnologías semánticas para catalogar, recuperar y recontextualizar material de archivo de la televisión italiana mediante la generación automática de montajes narrativos inspirados en el programa homónimo.