8894 artículos
El artículo presenta un marco de evaluación basado en agentes para verificar la razonabilidad lógica, demostrando mediante un caso de estudio que un agente de auto-formalización supera a un modelo de cadena de pensamiento al alcanzar un 86,70% de precisión en la tarea de razonamiento FOLIO.
Este artículo presenta GramCol y un algoritmo de selección de características para generar Mapas de Atención Motriz Interpretables (IMAP), permitiendo localizar espaciotemporalmente conceptos de movimiento en Video Diffusion Transformers sin necesidad de cálculos de gradiente ni actualización de parámetros.
Este artículo demuestra teóricamente que Adam supera a SGD al lograr una dependencia de en la probabilidad de convergencia frente a la dependencia de de SGD, gracias a su normalización del segundo momento bajo un modelo de varianza acotada.
El estudio introduce la descomposición de sondas composicionales (CPD) para demostrar que la alineación de la tarea de entrenamiento y la arquitectura equivariante determinan un gradiente de accesibilidad lineal en la información geométrica de los modelos fundamentales atómicos, revelando cómo la información se enruta selectivamente según su tipo de simetría.
El estudio demuestra que el método de detección de contaminación basado en la distribución de salidas (CDD) es ineficaz en modelos de lenguaje pequeños, ya que su rendimiento es aleatorio en la mayoría de los casos y es superado consistentemente por métodos basados en probabilidad como la perplejidad y Min-k% Prob.
Este artículo explora el potencial de los agentes inteligentes impulsados por SPARQL-MCP para facilitar consultas federadas en grafos de conocimiento, evaluando su eficacia mediante la extensión de un benchmark existente de preguntas y respuestas (FKGQA) y la comparación de diversas arquitecturas para la integración de la federación de SPARQL con agentes LLM.
Este artículo presenta una plataforma abierta y agnóstica al deporte que estandariza el análisis del espacio utilizable y el momento óptimo para los movimientos sin balón, demostrando su eficacia en Ultimate, baloncesto y fútbol para permitir evaluaciones espaciales comparables entre deportes de invasión.
Este artículo presenta dos marcos de aprendizaje por refuerzo, RLOP y QLBS, diseñados para agentes autónomos de cobertura de opciones que priorizan la probabilidad de déficit y la gestión del riesgo de cola, demostrando empíricamente una mejora en la estabilidad financiera frente a los modelos paramétricos tradicionales.
El artículo presenta la "Capa Isotónica", un marco diferenciable universal que integra ajustes lineales por tramos en arquitecturas neuronales para calibrar y eliminar sesgos en sistemas de recomendación a gran escala, logrando una mayor precisión predictiva y consistencia en el ranking mediante la descomposición de objetivos y la adaptación contextual.
Este informe técnico presenta un sistema basado en transformadores que mejora el rendimiento en ARC-AGI al combinar codificación eficiente de tareas, aumentos basados en simetrías, adaptación en tiempo de prueba mediante LoRA y un proceso de puntuación consciente de la simetría para lograr una generalización cercana al nivel humano.
Este artículo demuestra que los marcos de evaluación "LLM como juez" fallan en medir de forma fiable la robustez adversarial debido a cambios de distribución que degradan su rendimiento hasta niveles aleatorios, revelando que muchas supuestas vulnerabilidades son en realidad artefactos de las insuficiencias del juez, y propone nuevos benchmarks para abordar este problema.
Este artículo propone un enfoque neurodinámico de doble escala temporal basado en ecuaciones de proyección para resolver problemas de optimización con restricciones conjuntas de probabilidad geométrica robustas frente a la distribución, logrando convergencia al óptimo global sin métodos estándar y demostrando su eficacia en aplicaciones de optimización de formas y telecomunicaciones.
Este artículo presenta un marco de gobernanza ética para la IA que integra principios filosóficos en una arquitectura de control operativa con "triple puerta" (métricas, gobernanza y sostenibilidad) para gestionar los riesgos a lo largo de todo el ciclo de vida de los sistemas de IA, alineándose con normativas como la Ley de IA de la UE y el Marco de Gestión de Riesgos de NIST.
El artículo presenta FuzzingRL, un enfoque que combina pruebas de fuzzing y ajuste fino por refuerzo adversarial para generar automáticamente preguntas diseñadas para inducir errores en Modelos de Visión y Lenguaje (VLM), revelando así sus vulnerabilidades y reduciendo significativamente su precisión.
Este artículo demuestra que la duplicación de datos es dependiente de la escala, ya que a medida que aumenta la capacidad del modelo, los duplicados semánticos se comportan como duplicados exactos, lo que degrada el rendimiento y desvía las leyes de escalado, permitiendo así derivar nuevas leyes para predecir y corregir estos efectos.
Este artículo aborda los desafíos del aprendizaje por refuerzo multiagente en la asignación de recursos para redes V2X mediante la creación de un conjunto de tareas de benchmarking controladas y datos generados en SUMO, revelando que la generalización y robustez de las políticas son los obstáculos principales y proporcionando recursos de código abierto para futuras investigaciones.
Este artículo presenta la Two-Bridge Map Suite, un nuevo entorno de código abierto para StarCraft II diseñado como un punto intermedio accesible que aísla habilidades tácticas clave sin los costos computacionales del juego completo, permitiendo así una investigación más eficiente en aprendizaje por refuerzo.
El artículo demuestra que, a diferencia de los dominios verificables, las estrategias de consenso mediante múltiples muestras no mejoran la veracidad de los modelos de lenguaje en dominios no verificados debido a que los errores de los modelos están fuertemente correlacionados y la confianza autoinformada no distingue adecuadamente entre respuestas correctas e incorrectas.
El artículo presenta OptiRoulette, un meta-optimizador estocástico que selecciona dinámicamente reglas de actualización durante el entrenamiento, logrando una convergencia hasta 5.3 veces más rápida y mejoras significativas en la precisión de prueba en comparación con AdamW en múltiples conjuntos de datos de clasificación de imágenes.
Este artículo presenta el marco Annealed Co-Generation (ACG), que facilita la co-generación multivariada en aplicaciones científicas mediante el modelado progresivo de pares de variables con difusión de baja dimensión y un proceso de recocido de tres etapas, evitando así la carga computacional y el desequilibrio de datos inherentes a los modelos conjuntos de alta dimensión.