7849 artículos
El artículo presenta VoxEmo, un benchmark integral para la evaluación de modelos de lenguaje de voz en el reconocimiento de emociones, que aborda desafíos como la variabilidad de los prompts y la ambigüedad humana mediante un conjunto de datos multilingüe, un protocolo de etiquetas suaves y estrategias de consenso para alinear mejor los resultados generativos con la percepción subjetiva humana.
Este artículo propone el "AgentOS", un nuevo paradigma de sistema operativo basado en una interfaz de usuario natural que reemplaza las aplicaciones tradicionales con módulos de habilidades orquestados por un núcleo de agentes, planteando su implementación como un problema fundamental de descubrimiento de conocimiento y minería de datos para la comunidad KDD.
El artículo presenta BiCLIP, un marco sencillo y eficiente que mejora la adaptación de dominios en modelos de visión y lenguaje mediante una transformación geométrica canónica aprendida a partir de pocas muestras, logrando resultados de vanguardia en múltiples benchmarks.
El artículo presenta a Guardian, un sistema de tubería multi-LLM que utiliza modelos especializados y un mecanismo de consenso, junto con ajuste fino QLoRA, para extraer y procesar información de manera auditable y coordinada durante las primeras 72 horas críticas de investigaciones de personas desaparecidas.
Este artículo presenta \texttt{EinSum}, una notación tensor-relacional que automatiza la descomposición de cálculos en Einstein para ejecutar componentes intensivos mediante núcleos numéricos eficientes mientras gestiona la dispersión de los datos de forma relacional.
Este trabajo introduce la estrategia FaBRIC, que integra nuevos algoritmos de análisis de alcanzabilidad hacia atrás con técnicas existentes hacia adelante para verificar sistemas de retroalimentación neuronal no lineales, superando significativamente el estado del arte en benchmarks representativos.
El artículo presenta Semantic Level of Detail (SLoD), un marco que utiliza la difusión del núcleo de calor en variedades hiperbólicas para establecer una operación de zoom continua que controla la resolución semántica, identifica automáticamente los límites entre niveles de abstracción mediante brechas espectrales y demuestra su eficacia para descubrir jerarquías significativas en grafos de conocimiento reales como WordNet.
El artículo presenta Arbiter, un marco de evaluación que combina reglas formales y el escaneo con múltiples modelos de lenguaje para detectar patrones de interferencia en los prompts de sistema de agentes de codificación, revelando vulnerabilidades críticas y correlaciones arquitectónicas en herramientas de Anthropic, OpenAI y Google por un costo mínimo.
Este estudio caracteriza sistemáticamente el panorama de amenazas de los sistemas de inteligencia artificial multiagente (MAS) y evalúa cuantitativamente 16 marcos de seguridad, revelando que ninguno cubre la mayoría de las categorías de riesgo y destacando la necesidad urgente de nuevas estrategias para abordar vulnerabilidades únicas como la no determinación y la filtración de datos.
Este artículo analiza la equidad de género en los modelos de detección de deepfakes de audio, demostrando mediante el uso de métricas de equidad específicas que, a pesar de un rendimiento general bajo, existen disparidades ocultas en la distribución de errores entre géneros que las métricas tradicionales no capturan.
Este trabajo presenta el algoritmo CMA-ES-IG, que mejora el aprendizaje de las preferencias de los usuarios no expertos en robots mediante la generación de trayectorias perceptualmente distintas e informativas, logrando así una mayor escalabilidad, robustez ante ruido y preferencia de los usuarios en comparación con métodos existentes.
El artículo presenta Meissa, un modelo de lenguaje multimodal médico ligero de 4 mil millones de parámetros que, mediante la destilación de trayectorias estructuradas de modelos avanzados y una supervisión estratificada, ofrece capacidades de agente autónomo totalmente offline con menor latencia y costo, igualando o superando el rendimiento de agentes propietarios en múltiples tareas clínicas.
El artículo propone la fenomenología de la IA como un marco metodológico que prioriza la experiencia vivida y la percepción subjetiva de los usuarios sobre las métricas tradicionales de rendimiento, ofreciendo herramientas prácticas y conceptos de diseño para estudiar la alineación bidireccional y la coevolución entre humanos e IA a lo largo del tiempo.
El documento presenta MEMO, un marco de autojuego que optimiza el contexto de inferencia mediante un sistema de memoria persistente y exploración evolutiva, logrando una mejora significativa en la tasa de victoria y la estabilidad de los rankings en juegos de múltiples agentes y rondas para modelos de lenguaje grandes.
El artículo presenta Pichay, un sistema de paginación bajo demanda que trata las ventanas de contexto de los LLM como una jerarquía de memoria virtual para eliminar contenido obsoleto y reducir drásticamente el consumo de recursos mediante la detección de fallos de página y la gestión de conjuntos de trabajo.
Este artículo presenta una pipeline automatizada que utiliza modelos de lenguaje grande (LLMs) para detectar y analizar las causas raíz de las pruebas inestables en software cuántico, logrando identificar 25 casos nuevos y alcanzar un alto rendimiento en la clasificación de estos errores.
El artículo presenta PlayWorld, un sistema escalable y autónomo que entrena simuladores de video de alta fidelidad mediante el juego independiente de robots no supervisado, logrando predicciones físicamente consistentes de interacciones complejas y mejorando significativamente el rendimiento de las políticas de aprendizaje por refuerzo en el mundo real en comparación con los datos recopilados por humanos.
El artículo presenta WS-Net, un marco de desmezcla hiperespectral basado en aprendizaje profundo que combina modelado de espacio de estados y atención a señales débiles para mejorar significativamente la estimación de abundancia de endmemberes de baja intensidad en condiciones de ruido y señales dominantes.
Este artículo presenta un kit de herramientas conservador para evaluar la identidad en agentes de modelos de lenguaje, utilizando la Teoría de la Pila para distinguir entre la coherencia verbal y la organización estructural real mediante el cálculo de puntuaciones de persistencia derivadas de trazas instrumentadas.
El artículo presenta EPOCH, un protocolo de ingeniería que estandariza la optimización autónoma de sistemas mediante un enfoque de dos fases y etapas restringidas por roles para garantizar la estabilidad, reproducibilidad y trazabilidad en entornos heterogéneos.