2392 artículos
El artículo presenta VIVID-Med, un marco innovador que utiliza un modelo de lenguaje grande (LLM) congelado como maestro semántico estructurado para preentrenar transformadores de visión (ViT) médicos, logrando un rendimiento superior en diversas tareas de análisis de imágenes médicas con una fracción de los datos necesarios y eliminando la necesidad de depender del LLM en la fase de despliegue.
El artículo presenta PM-Nav, un marco de navegación guiado por mapas previos que transforma entornos en mapas semánticos y utiliza un razonamiento jerárquico para superar los desafíos de navegación en edificios funcionales, logrando mejoras significativas en comparación con métodos existentes tanto en simulación como en el mundo real.
El artículo presenta DexHiL, un marco innovador de aprendizaje con intervención humana que integra el control del brazo y la mano para el post-entrenamiento de modelos Visión-Lenguaje-Acción, logrando una mejora significativa del 25% en las tasas de éxito de manipulación diestra en comparación con métodos de ajuste fino tradicionales.
El modelo QUSR aborda la super-resolución de imágenes en escenarios reales mediante la integración de un prior de calidad basado en modelos de lenguaje multimodal y una generación de ruido guiada por la incertidumbre que adapta la perturbación para preservar detalles y minimizar artefactos.
El estudio demuestra que los sistemas de deliberación multi-LLM exhiben inestabilidad caótica y sensibilidad a las condiciones iniciales incluso en configuraciones deterministas, identificando la diferenciación de roles y la heterogeneidad de modelos como causas principales de divergencia y subrayando la necesidad de auditorías de estabilidad en el diseño de estos sistemas.
Este artículo propone un método de regularización basado en la Probabilidad de Necesidad y Suficiencia (PNS) para el aprendizaje incremental de clases, que utiliza un generador contrafactual dual para eliminar correlaciones espurias intra e inter-tarea y así mitigar la colisión de características y el olvido catastrófico.
Este artículo presenta un marco de agente novedoso para la Investigación Tabular Profunda (DTR) que aborda el razonamiento complejo en tablas no estructuradas mediante un proceso de toma de decisiones en bucle cerrado, el cual utiliza un grafo meta jerárquico, una política de selección consciente de expectativas y una memoria siamesa de ejecución continua para separar la planificación estratégica de la ejecución de bajo nivel.
El artículo presenta DataFactory, un marco colaborativo de múltiples agentes que supera las limitaciones de los modelos de lenguaje actuales en la respuesta a preguntas sobre tablas mediante la orquestación de equipos especializados, la transformación automática de datos a grafos de conocimiento y estrategias de ingeniería de contexto, logrando mejoras significativas en precisión y robustez en diversos conjuntos de datos.
El artículo presenta TrustBench, un marco de verificación de confianza en tiempo real que interviene antes de la ejecución de las acciones de agentes autónomos mediante plugins específicos de dominio, logrando una reducción del 87% en acciones dañinas con una latencia inferior a 200 ms.
RubiCap es un marco de aprendizaje por refuerzo que utiliza rúbricas generadas por LLMs para proporcionar señales de recompensa granulares y específicas, logrando así una generación de descripciones de imágenes densas superior a los métodos supervisados y otros enfoques de RL, incluso con modelos de tamaño reducido.
Este trabajo propone un marco de aprendizaje efectivo para representaciones de netlistas que supera la escasez de datos etiquetados al utilizar RTL imperfecto generado por modelos de lenguaje grande, demostrando que sus patrones estructurales preservados permiten entrenar modelos que generalizan bien a diseños reales y superan a los métodos existentes.
El artículo presenta GIAT, un nuevo marco Transformer informado geológicamente que integra filtros de correlación de secuencia por categoría para guiar el mecanismo de atención hacia patrones coherentes, logrando así una identificación de litología más precisa, fiable e interpretable que los modelos existentes.
El documento presenta ZeroWBC, un marco innovador que permite a los humanoides aprender control visuomotor natural directamente de videos en primera persona sin necesidad de costosos datos de teleoperación, superando las limitaciones de movimientos rígidos y logrando una interacción versátil en entornos reales.
El artículo presenta resultados mejorados para cinco números de Ramsey clásicos y demuestra la eficacia de AlphaEvolve, un agente de mutación de código basado en modelos de lenguaje, como un metaalgoritmo único capaz de generar algoritmos de búsqueda que superan o igualan los límites inferiores conocidos en este campo.
Este trabajo propone un marco de modelado generativo informado por la física que, partiendo de una dinámica de flujo de tráfico estocástica tipo Ito, deriva una ecuación determinista de flujo de probabilidad para entrenar una red neuronal capaz de estimar distribuciones completas del estado del tráfico, permitiendo así calcular estimaciones puntuales, intervalos de credibilidad y medidas de riesgo de congestión.
El artículo presenta DuplexCascade, un sistema de diálogo voz-voz full-duplex que elimina la necesidad de detección de voz (VAD) mediante la conversión de turnos largos en micro-turnos y el uso de tokens de control especializados, logrando así una interacción bidireccional rápida que preserva la inteligencia conversacional de los modelos de lenguaje.
El artículo presenta Latent-DARM, un marco de comunicación en espacio latente que integra modelos de difusión discreta para la planificación y modelos autoregresivos para la ejecución, logrando un rendimiento superior en tareas de razonamiento con un uso de tokens significativamente menor que los modelos de razonamiento más avanzados.
Este artículo presenta un Motor de Innovación Explicable que mejora la generación aumentada por recuperación (RAG) al reemplazar los fragmentos de texto por nodos de métodos dentro de un sistema de doble árbol para la trazabilidad y navegación jerárquica, permitiendo a un agente seleccionar operadores de síntesis explícitos y validar nuevos conocimientos mediante un mecanismo de verificación para lograr una innovación controlable y auditable.
El artículo "The Reasoning Trap" advierte que las mejoras en el razonamiento lógico de los modelos de lenguaje podrían desencadenar inadvertidamente una conciencia situacional peligrosa mediante mecanismos de inferencia deductiva, reconocimiento inductivo y modelado abductivo, proponiendo a su vez nuevos marcos de seguridad para mitigar este riesgo.
El artículo presenta \textsc{EvalAct}, un marco que transforma la evaluación de la calidad de la recuperación en una acción explícita y utiliza el método de optimización PCAR para mejorar el razonamiento multi-paso de los agentes aumentados por recuperación, logrando así un rendimiento superior en tareas de preguntas y respuestas de dominio abierto.