2384 artículos
Este estudio demuestra que los analistas autónomos basados en modelos de lenguaje grande pueden replicar a gran escala y bajo costo la diversidad analítica humana, generando una amplia dispersión de resultados que subraya la necesidad de un nuevo estándar de transparencia que incluya informes de estilo "multiverso" y la divulgación completa de los prompts utilizados.
El paper presenta LAVIDA, un marco de detección de anomalías en video de cero disparos impulsado por modelos de lenguaje multimodal grandes (MLLM) que, al entrenarse exclusivamente con pseudo-anomalías generadas mediante un muestreador de exposición a anomalías y una compresión de tokens basada en atención inversa, logra un rendimiento de vanguardia en escenarios de mundo abierto sin necesidad de datos reales de anomalías.
El artículo presenta PatchDenoiser, un marco de desruido ligero y eficiente para imágenes de TC de baja dosis que, mediante el aprendizaje y fusión de parches multiescala, supera a los métodos basados en CNN y GAN en calidad de imagen y eficiencia computacional, preservando detalles anatómicos finos sin necesidad de ajuste fino.
El artículo presenta "hubscan", un escáner de seguridad de código abierto diseñado para detectar y mitigar el envenenamiento por hubness en sistemas de Generación Aumentada por Recuperación (RAG) mediante un análisis estadístico y estructural avanzado de índices vectoriales, logrando una alta tasa de recuperación de ataques adversarios en diversos entornos y bases de datos.
El artículo presenta AMLRIS, una estrategia de entrenamiento simple y efectiva que mejora la segmentación de imágenes referenciadas al enmascarar dinámicamente los píxeles con baja alineación entre visión y lenguaje, logrando así resultados de vanguardia sin modificar la arquitectura ni añadir sobrecarga en la inferencia.
Los autores proponen un agente minimalista de código abierto para la demostración automática de teoremas que, al implementar funciones esenciales como la refinación iterativa y la búsqueda en bibliotecas, logra un rendimiento competitivo frente a sistemas de vanguardia con una arquitectura más simple y una mayor eficiencia de costos.
El estudio revela que la alineación de seguridad en los modelos de lenguaje grandes genera un "sesgo de rechazo defensivo", negando asistencia a tareas cibernéticas legítimas y críticas cuando contienen palabras sensibles, incluso con autorización explícita, debido a que priorizan la similitud semántica con contenido dañino sobre el análisis de la intención del usuario.
Este artículo presenta CARE, un marco de agentes basado en evidencia que mejora la responsabilidad clínica y la precisión en el razonamiento médico multimodal al descomponer la tarea en módulos especializados coordinados que generan y verifican evidencia visual explícita, superando significativamente a los modelos de vanguardia en benchmarks médicos.
El artículo presenta SEED-SET, un marco de diseño experimental bayesiano que integra evaluaciones objetivas y juicios subjetivos de las partes interesadas mediante procesos gaussianos jerárquicos para realizar una prueba ética escalable y eficiente de sistemas autónomos, logrando una mayor cobertura de espacios de búsqueda y una generación superior de candidatos de prueba en comparación con los métodos existentes.
El artículo presenta BrandFusion, un marco de trabajo multiagente que integra de forma fluida marcas en videos generados por texto, superando los desafíos de fidelidad semántica, reconocibilidad e integración contextual mediante una base de conocimientos y un proceso de refinamiento iterativo para potenciar la monetización del contenido.
Este artículo presenta la primera evaluación exhaustiva del ajuste fino eficiente en parámetros (PEFT) para el análisis de código multitarea, demostrando que un único módulo PEFT compartido puede igualar o superar al ajuste completo con una reducción drástica de costos computacionales y de almacenamiento, aunque su éxito depende críticamente de factores como la estabilidad de las tareas, la arquitectura del modelo y la calidad de los datos.
Este artículo presenta la Desaprendizaje Dirigido por Razonamiento (TRU), un nuevo enfoque que utiliza objetivos basados en el razonamiento para eliminar conocimientos no deseados en modelos de lenguaje grandes de manera precisa y explicable, preservando al mismo tiempo sus capacidades generales y mejorando su robustez frente a ataques.
Este trabajo presenta AraModernBERT, una adaptación del modelo ModernBERT al árabe que demuestra que la inicialización transtokenizada y el modelado nativo de contextos largos (hasta 8,192 tokens) son esenciales para lograr un rendimiento superior en tareas de comprensión del lenguaje natural y discriminativas.
El artículo presenta MoE-SpAc, un marco de inferencia para modelos MoE en entornos de borde heterogéneos que utiliza la utilidad de activación especulativa para optimizar la gestión de memoria y la ejecución asíncrona, logrando mejoras significativas en el rendimiento frente a las soluciones actuales.
Este estudio empírico revela que ciertos modelos de lenguaje grande exhiben un patrón análogo al efecto Dunning-Kruger, donde los modelos con menor precisión (como Kimi K2) muestran una sobreconfianza extrema en sus respuestas, mientras que los modelos más precisos (como Claude Haiku 4.5) presentan una mejor calibración de su confianza.
Este estudio cuantifica la prevalencia de alucinaciones en modelos de lenguaje grande al responder preguntas médicas basadas en libros de texto, revelando que LLaMA-70B-Instruct alucina en casi el 20% de las respuestas a pesar de su alta plausibilidad, y que una menor tasa de alucinaciones tiende a correlacionarse con una mayor utilidad según la evaluación de clínicos.
Este artículo presenta un marco que optimiza la transformación de características impulsada por modelos de lenguaje grande mediante la evolución de demostraciones en bucle cerrado y la selección de contextos diversos, superando así las limitaciones de eficiencia y diversidad de los métodos existentes para mejorar el rendimiento en tareas predictivas tabulares.
Este artículo presenta un pipeline que vincula el análisis de circuitos causales en modelos de lenguaje con explicaciones en lenguaje natural, demostrando mediante una evaluación en la tarea de identificación de objetos indirectos que las explicaciones generadas por LLM superan a las plantillas y revelan que, aunque son suficientes, la baja comprehensividad indica la existencia de mecanismos de respaldo distribuidos.
El artículo presenta la Escala de Alucinación del Sistema (SHS), una herramienta ligera y centrada en el usuario inspirada en métricas psicométricas establecidas, diseñada para evaluar de forma rápida y válida la fiabilidad factual y la coherencia de los grandes modelos de lenguaje desde la perspectiva del usuario, tal como se demuestra mediante una evaluación empírica con 210 participantes.
Este trabajo propone una arquitectura de dos etapas que combina un modelo LLM (LLaMA-3.1-8B-Instruct) para la segmentación de cláusulas y un clasificador Transformer (Legal-Roberta-Large) para su clasificación en acuerdos de confidencialidad, logrando un alto rendimiento en la automatización de su análisis.