8491 artículos
El artículo propone "Ego", un método eficiente que personaliza modelos de visión y lenguaje sin etapas de entrenamiento adicionales, extrayendo tokens visuales de atención interna como memoria para reconocer conceptos específicos en imágenes y videos.
El artículo presenta World2Mind, un kit de herramientas de inteligencia espacial sin entrenamiento que mejora el razonamiento espacial en modelos fundacionales mediante la construcción de mapas cognitivos estructurados y un árbol espacial alocéntrico, permitiendo incluso a modelos puramente textuales realizar razonamiento 3D complejo con un rendimiento cercano al de los modelos multimodales avanzados.
Este artículo demuestra que la inferencia basada en simulaciones (SBI) es una herramienta eficaz para estimar parámetros de modelos de interacción neutrino-núcleo, logrando un ajuste mejorado en datos experimentales y una aproximación razonable a simulaciones alternativas como NuWro.
Este artículo formaliza el concepto de "profundidad serial opaca" para cuantificar la capacidad de los modelos de lenguaje de realizar razonamiento interno sin pasos intermedios interpretables, estableciendo límites superiores para arquitecturas como Gemma 3 y demostrando que los modelos de mezcla de expertos probablemente poseen una profundidad menor que los modelos densos.
Este artículo propone un marco híbrido cuántico-clásico que combina redes LSTM con Máquinas de Nacimiento de Circuitos Cuánticos (QCBM) para predecir la volatilidad financiera, demostrando mediante datos del mercado chino un rendimiento superior frente a los modelos clásicos en métricas clave como el error cuadrático medio.
El artículo propone ACP-SL, un esquema de aprendizaje dividido que utiliza una puntuación de importancia de canales basada en etiquetas para eliminar canales menos relevantes y comprimir los datos transmitidos, reduciendo así la sobrecarga de comunicación sin comprometer la precisión.
El artículo presenta MITRA, un prototipo de asistente de IA basado en generación aumentada por recuperación (RAG) y alojado localmente para garantizar la privacidad, diseñado para facilitar la búsqueda de información en las vastas bases de datos de documentación interna de colaboraciones científicas como CMS mediante un pipeline automatizado de extracción de texto y una arquitectura de base de datos vectorial de dos niveles.
Este artículo presenta el "pseudo-proyector", una modificación ligera inspirada en el paradigma multigrid que corrige las representaciones ocultas de los modelos basados en transformadores para reducir la sensibilidad al ruido y mejorar la dinámica de entrenamiento y la robustez sin alterar su arquitectura central.
Este trabajo presenta MA-EgoQA, un nuevo benchmark y modelo base (EgoMAS) diseñados para evaluar y mejorar la capacidad de los sistemas de IA para comprender y coordinar múltiples videos egocéntricos de agentes corporificados mediante el uso de memoria compartida y recuperación dinámica.
Este artículo presenta SCENEBench, un nuevo conjunto de pruebas diseñado para evaluar la comprensión auditiva de modelos de lenguaje de audio avanzados más allá del reconocimiento de voz, centrándose en casos de uso reales como la accesibilidad y la monitorización industrial mediante la medición del rendimiento y la latencia en tareas de sonido ambiental, localización de ruido, comprensión multilingüe y reconocimiento de características vocales.
Este artículo presenta HR-GAT, un modelo de red de atención gráfica jerárquica que utiliza datos geoespaciales para predecir la demanda de espectro con una precisión un 21% superior a la de modelos convencionales, abordando eficazmente los patrones espaciales complejos y la autocorrelación en cinco ciudades canadienses.
Este artículo presenta DAPL, un marco de aprendizaje de políticas consciente de la dinámica que facilita la destreza extrínseca en entornos desordenados mediante la modelización explícita de las interacciones de contacto, logrando un rendimiento superior al de métodos existentes tanto en simulación como en aplicaciones del mundo real.
El artículo propone "Local Classifier Alignment" (LCA), un nuevo método de aprendizaje continuo que introduce una función de pérdida para alinear los clasificadores específicos de tareas con la red base adaptada, logrando así mitigar el olvido catastrófico y superar el rendimiento de los métodos actuales en diversos benchmarks.
Este artículo propone un marco innovador que trata los prompts como acciones parametrizadas para influir en el comportamiento de sistemas multiagente basados en LLMs sin necesidad de entrenamiento, demostrando mediante experimentos que este enfoque controla eficazmente la dinámica conversacional y facilita la simulación social.
El artículo presenta MSSR, un marco de repetición de experiencias que estima la fuerza de la memoria a nivel de muestra y programa ensayos en intervalos adaptativos para mitigar el olvido catastrófico y mantener una adaptación rápida durante el ajuste fino continuo de modelos de lenguaje grandes.
El artículo presenta MedMASLab, un marco unificado y plataforma de evaluación que aborda la fragmentación arquitectónica en los sistemas de agentes médicos multimodales mediante un protocolo de comunicación estandarizado, un evaluador de razonamiento clínico automatizado y el benchmark más extenso hasta la fecha, revelando brechas críticas de rendimiento al transitar entre subdominios médicos especializados.
Este artículo presenta un enfoque basado en inteligencia artificial y aprendizaje automático que utiliza datos de licencias y crowdsourcing para estimar con precisión la demanda de espectro en cinco ciudades canadienses, logrando un coeficiente de determinación de 0,89 y ayudando a los reguladores a optimizar la planificación y asignación de recursos espectrales.
El artículo presenta ACADiff, un marco de difusión latente adaptativo y consciente de datos clínicos que sintetiza modalidades de neuroimagen cerebrales faltantes y mejora el diagnóstico de Alzheimer incluso en escenarios con hasta un 80% de datos ausentes.
Este artículo presenta una metodología basada en datos que utiliza análisis geoespacial y aprendizaje automático para estimar las variaciones de la demanda de espectro en entornos urbanos, logrando capturar el 70% de su variabilidad y ofreciendo información clave para la formulación de políticas de acceso flexible al espectro en las redes 6G.
El artículo presenta PathMem, un marco multimodal centrado en la memoria que imita el proceso cognitivo humano para integrar conocimientos estructurados de patología en modelos MLLM, logrando un rendimiento superior en la generación de informes y diagnósticos mediante una transformación de memoria alineada con la cognición.