9298 artículos
Este artículo presenta una nueva tarea llamada Transcripción Emocional en Conversación (ETC) y un conjunto de datos en japonés que utiliza descripciones en lenguaje natural para capturar matices emocionales complejos y sutiles que los métodos tradicionales de reconocimiento no logran representar adecuadamente.
Este trabajo presenta DCTR, un mecanismo de recuperación de tablas que utiliza la descomposición de consultas tipadas y la conciencia de la conectividad global para mejorar la recuperación de datos en contextos de preguntas complejas sobre bases de datos relacionales.
Este trabajo propone un método de inferencia eficiente que mejora el razonamiento de los modelos de lenguaje al seleccionar, en cada paso, la continuación que maximiza la auto-certidumbre interna del modelo, logrando un rendimiento superior a la decodificación codiciosa y comparable a la auto-consistencia con un menor coste computacional.
Este artículo investiga el uso de redes neuronales gráficas para predecir órdenes de ramificación iniciales que aceleran significativamente a los solucionadores SAT CDCL en instancias aleatorias y pseudo-industriales, aunque su eficacia disminuye en problemas industriales complejos debido a que las heurísticas dinámicas del solucionador sobrescriben rápidamente la inicialización.
Este artículo presenta tres enfoques complementarios para superar las limitaciones de los registros actuales de actividad creativa, que capturan cambios de estado sin preservar la intención o las relaciones de alto nivel, mediante una interfaz basada en nodos para la gestión de artefactos de IA generativa, un vocabulario de señales visuales para la autoría de visualizaciones y un modelo de programación que integra historias semánticas directamente en el estado de interacción.
Este trabajo propone la Arquitectura de Gobernanza en Capas (LGA), un marco de cuatro niveles que combina sandboxing, verificación de intención, autorización de confianza cero y registro de auditoría para mitigar vulnerabilidades en agentes autónomos, demostrando mediante un benchmark de 1.081 muestras que su implementación logra interceptar hasta un 96% de las llamadas maliciosas con una latencia mínima.
El artículo presenta Re², un enfoque de aprendizaje por refuerzo que permite a los modelos de lenguaje grandes abandonar y reiniciar rutas de razonamiento improductivas sin necesidad de ajuste supervisado previo, logrando así mejoras significativas en la calidad de las respuestas y la eficiencia computacional en comparación con los métodos tradicionales de aprendizaje por refuerzo con recompensas verificables.
Este artículo presenta una arquitectura de transformador miniatura inspirada en el cerebro que demuestra, mediante un análisis de ablación, que la lateralización funcional de los bancos hipocámicos requiere la sinergia crítica entre un búfer de memoria de trabajo prefrontal y la inhibición callosa, lo que provoca una transición de fase abrupta que mejora la separación de dominios y reduce las colisiones de memoria.
El artículo presenta VINO, un marco de aprendizaje auto-supervisado que utiliza un cuello de botella de información estructural y un proceso de destilación asimétrica para desvincular los objetos del contexto en videos densos, logrando representaciones centradas en el objeto que superan a los métodos anteriores en tareas de descubrimiento no supervisado.
Este artículo presenta un sistema híbrido de recomendación basado en *Learning-to-Rank* que utiliza incrustaciones de contexto social y técnicas de aprendizaje profundo para extraer soluciones a errores de software de Stack Overflow, logrando una precisión del 78% al sugerir las 10 mejores respuestas.
El artículo presenta LEPA, una arquitectura que predice directamente las incrustaciones transformadas mediante aumentos geométricos para resolver las discrepancias espaciales en los modelos fundacionales de teledetección, superando significativamente la precisión de la interpolación estándar en latente.
Este artículo presenta un enfoque jerárquico que combina aprendizaje por imitación y refuerzo para enseñar a agentes a decidir cuándo cooperar o actuar solos en entornos con objetivos heterogéneos, demostrando un rendimiento superior al de los métodos existentes y analizando cómo la modelización de los compañeros varía según la información observable disponible.
Este trabajo propone un modelo de mundo latente consciente de la cinemática que integra información de movimiento físico y supervisión geométrica en el modelo RSSM para mejorar la eficiencia de los datos y la estabilidad en el aprendizaje de políticas de conducción autónoma mediante la imaginación latente.
El artículo presenta VisualDeltas, un marco de aprendizaje de preferencias ligero que extrae señales de supervisión de las variaciones en la calidad visual de datos multimodales, eliminando la necesidad de anotaciones humanas y superando a los métodos tradicionales de ajuste fino en diversos benchmarks.
Este estudio empírico demuestra que las restricciones de despliegue en cuatro modelos de lenguaje grandes no mejoran la veracidad de las citas académicas, ya que la mayoría de las referencias generadas son inexistente o no verificables, lo que subraya la necesidad imperativa de verificar las citas después de la generación antes de integrarlas en revisiones de literatura o herramientas de ingeniería de software.
El artículo presenta MAviS, un asistente conversacional multimodal especializado en especies aviares que se basa en un nuevo dataset y un benchmark para superar las limitaciones de los modelos existentes en la comprensión fina y la respuesta a preguntas sobre aves, logrando resultados de vanguardia en aplicaciones ecológicas.
Este artículo propone un diseño de IA perceptual modular inspirado en la corteza cerebral que, al descomponer la percepción en módulos especializados con bucles de retroalimentación predictiva, supera las limitaciones de los modelos monolíticos actuales mejorando la interpretabilidad, la generalización composicional y la robustez adaptativa.
Este artículo propone un marco basado en la Transformada de Fourier Generalizada para descubrir subgrupos continuos de simetría mediante la detección de patrones de dispersión espectral inducidos por la invariancia, ofreciendo una alternativa interpretable a los métodos tradicionales de optimización de generadores.
Este capítulo explora la evolución de la generación de pistas basada en datos para los sistemas tutoriales inteligentes, destacando técnicas como la Fábrica de Pistas y las Redes de Interacción para ofrecer orientación estratégica y el momento adecuado, así como el potencial de la adaptación conductual y la integración de modelos de lenguaje grandes (LLM).
Este artículo presenta un marco teórico y empírico para entrenar políticas robustas en entornos parcialmente observables mediante un POMDP adversario que selecciona distribuciones latentes iniciales, demostrando que la exposición estructurada a estas distribuciones reduce significativamente las brechas de robustez y valida principios diagnósticos con garantías finitas.