10825 artículos
El artículo presenta FALCON, un enfoque de preentrenamiento auto-supervisado unificado para el reconocimiento de acciones en videos de UAV que aborda el desequilibrio espacial mediante la integración de enmascaramiento consciente de objetos y reconstrucción futura dual, logrando mejoras significativas en precisión y velocidad de inferencia en comparación con métodos supervisados.
El artículo presenta UniHR, un marco de aprendizaje de representaciones jerárquicas unificadas que integra datos hiperrelacionales, temporales y anidados en representaciones basadas en tripletes mediante módulos de representación de datos y aprendizaje estructural jerárquico, demostrando su eficacia en la predicción de enlaces a través de diversos tipos de grafos de conocimiento.
El artículo presenta SpecFuse, un marco de ensamblaje de modelos de lenguaje grande (LLM) libre de entrenamiento que mejora el rendimiento mediante la predicción de segmentos siguientes para la colaboración semántica y un mecanismo de retroalimentación en línea que ajusta dinámicamente los pesos de votación de cada modelo según su desempeño.
Esta encuesta ofrece una visión estructurada de cómo los modelos de lenguaje grandes y multimodales están transformando el ciclo de vida científico, abarcando desde la búsqueda de literatura y la generación de ideas hasta la creación de contenido y la evaluación ética, sirviendo como guía tanto para nuevos investigadores como para el desarrollo futuro de sistemas de "IA para la Ciencia".
Este trabajo propone un marco de trabajo que utiliza la retrotraducción y el ajuste fino para capacitar a los modelos de lenguaje grandes (LLM) para generar texto con cambio de código de alta calidad entre inglés y español, demostrando que las métricas basadas en LLM se alinean mejor con la preferencia humana que las métricas tradicionales.
Este artículo introduce el Control Predictivo Generativo, un marco de aprendizaje supervisado que combina la modelación generativa con el control predictivo para entrenar políticas de flujo de alta frecuencia en tareas dinámicas difíciles de demostrar, superando así la dependencia de demostraciones expertas y las limitaciones de velocidad de los métodos existentes.
El artículo presenta FragFM, un marco jerárquico innovador que utiliza el emparejamiento de flujo discreto a nivel de fragmentos para generar moléculas de manera eficiente y escalable, ofreciendo un control de propiedades superior y un nuevo benchmark para productos naturales.
El artículo presenta SysDPO, un marco que extiende la Optimización Directa de Preferencias (DPO) a sistemas de IA compuestos modelados como grafos acíclicos dirigidos, permitiendo su alineación conjunta a nivel de sistema a pesar de las interacciones no diferenciables y la dificultad de transformar preferencias globales en locales.
Este artículo investiga la robustez adversarial de los clasificadores cuánticos particionados, demostrando que las perturbaciones dirigidas a técnicas de división de circuitos o teletransportación equivalen a la implementación de puertas adversarias en capas intermedias, un fenómeno que se analiza tanto teórica como experimentalmente.
Este artículo presenta una revisión exhaustiva de la generación musical desde perspectivas unimodales, cruzadas y multimodales, abarcando la representación de datos, la alineación entre modalidades, los conjuntos de datos actuales, los métodos de evaluación, los desafíos clave y las futuras direcciones de investigación.
El artículo presenta FindAnything, un marco de mapeo en mundo abierto que integra información visión-idioma en submapas volumétricos centrados en objetos mediante la agregación eficiente de características, logrando una comprensión semántica precisa y escalable en tiempo real incluso en dispositivos con recursos limitados como los MAVs.
Este estudio controlado revela que, aunque los modelos de lenguaje grandes (LLM) muestran cierto potencial para la predicción de series temporales, su rendimiento sigue siendo limitado y no supera consistentemente al de modelos específicamente entrenados con grandes volúmenes de datos de series temporales, debido a que los enfoques previos enmascaraban sus capacidades reales mediante pares de tokenizadores y detokenizadores sobreajustados a distribuciones de datos pequeñas.
Este artículo de posición argumenta que antropomorfizar los tokens intermedios generados por los modelos de lenguaje como "razonamiento" o "pensamiento" es una metáfora peligrosa que confunde la naturaleza de estos sistemas, conduce a investigaciones cuestionables e impide su uso efectivo, por lo que insta a la comunidad a evitar dicha personificación.
Este artículo adopta un enfoque centrado en las supervivientes para exponer cómo un "ecosistema técnico malicioso" de herramientas de código abierto y software de desnudamiento, junto con las limitaciones de los marcos de gobernanza actuales como el informe NIST AI 100-4, impiden eficazmente regular la creación de imágenes íntimas generadas por IA sin consentimiento.
Esta encuesta ofrece una visión integral del Aprendizaje Federado, abarcando su arquitectura, ciclo de vida, desafíos técnicos como la heterogeneidad de datos y la privacidad, así como tendencias emergentes, aplicaciones prácticas y direcciones futuras para sistemas colaborativos seguros.
Este artículo presenta HCT-QA, un nuevo benchmark exhaustivo para la respuesta a preguntas sobre tablas centradas en humanos (HCTs) que incluye miles de tablas reales y sintéticas con sus correspondientes pares de preguntas y respuestas, evaluando el rendimiento de diversos modelos de lenguaje y visión y demostrando que el ajuste fino mejora significativamente la precisión.
El artículo presenta FourierSpecNet, un marco híbrido que integra el método espectral de Fourier con aprendizaje profundo para aproximar de manera eficiente y precisa el operador de colisión de la ecuación de Boltzmann, logrando convergencia consistente, resolución invariantes y una reducción significativa del costo computacional en comparación con los solvers espectrales tradicionales.
El artículo presenta RM-R1, una nueva clase de modelos de recompensa generativos que integran el razonamiento mediante un mecanismo de "cadenas de criterios" (CoR) y un entrenamiento en dos etapas, logrando un rendimiento superior y mayor interpretabilidad en comparación con modelos más grandes y propietarios.
Este artículo presenta un marco de análisis en capas que revisa sistemáticamente 178 benchmarks de modelos y agentes de lenguaje para código, revelando un desequilibrio crítico donde la mayoría se centra en la fase de implementación del ciclo de vida del desarrollo de software, mientras que las fases de requisitos y diseño están subrepresentadas y existen riesgos significativos de contaminación de datos.
Este artículo presenta EVA, un nuevo marco de aprendizaje de características asíncronas inspirado en el modelado del lenguaje que supera a los métodos anteriores en tareas de reconocimiento y detección, permitiendo así un avance significativo en las aplicaciones de visión basada en eventos en tiempo real.