11309 artículos
Este trabajo presenta ABRA, un nuevo enfoque de generalización de dominio que utiliza aumentos de representación adversaria para mitigar efectos de lote biológico en imágenes de cribado de alto contenido, logrando un estado del arte en la clasificación de perturbaciones de ARN de interferencia sin depender de conocimientos previos.
El artículo presenta el Estabilizador de Fusión Posterior (PFS), un módulo ligero que mejora la robustez de los detectores 3D multimodales existentes frente a cambios de dominio y fallos de sensores mediante la estabilización de características en la vista cenital, logrando un rendimiento superior sin requerir reentrenamiento ni modificar la arquitectura base.
El artículo presenta SCOUT, un método innovador que utiliza grafos de escena 3D y un marco de destilación procedimental para realizar búsquedas interactivas de objetos en entornos abiertos de manera eficiente, superando las limitaciones de los métodos basados en similitud de embeddings y los modelos de lenguaje grandes en términos de velocidad y costo.
El estudio demuestra que los juicios morales de los modelos de lenguaje grandes son altamente frágiles y dependientes de la presentación, ya que cambian significativamente ante alteraciones en el punto de vista, las señales persuasivas y, sobre todo, en la estructura de la instrucción, lo que plantea graves preocupaciones sobre la equidad y la reproducibilidad de sus evaluaciones éticas.
Este estudio revela que, aunque TikTok cumple formalmente con la prohibición de la Ley de Servicios Digitales de mostrar publicidad basada en perfiles a menores, el algoritmo sigue exponiéndolos a una publicidad encubierta e influidora altamente personalizada que evade la regulación debido a una definición legal demasiado estrecha de "anuncio".
Este artículo propone el Recuento de Errores Implícito (IEC), un método de aprendizaje por refuerzo sin referencias que enumera y penaliza errores específicos en lugar de depender de rúbricas basadas en respuestas ideales, logrando así un rendimiento superior en la tarea de probador virtual donde existen múltiples soluciones válidas.
El artículo presenta SecureRAG-RTL, un marco innovador basado en generación aumentada por recuperación (RAG) y agentes múltiples que mejora significativamente la detección de vulnerabilidades en diseños de hardware descritos en HDL al superar las limitaciones de conocimiento de los modelos de lenguaje grandes, logrando un aumento promedio del 30% en la precisión y liberando un nuevo conjunto de datos de referencia para la investigación futura.
Este trabajo presenta un nuevo marco de inpainting longitudinal pseudo-3D basado en modelos de difusión que, al integrar contexto temporal y un mecanismo de atención regional, supera a los métodos existentes en fidelidad perceptual, estabilidad temporal y eficiencia computacional para el análisis de resonancias magnéticas cerebrales con lesiones evolutivas.
El artículo presenta Ptychi-Evolve, un marco autónomo que utiliza modelos de lenguaje grande y mecanismos evolutivos para descubrir y optimizar algoritmos de regularización en ptychografía, logrando mejoras significativas en la calidad de reconstrucción de imágenes en comparación con los métodos convencionales.
El estudio introduce la suite de evaluación CoT-Control para demostrar que los modelos de razonamiento actuales tienen una capacidad significativamente limitada para controlar sus cadenas de pensamiento en comparación con sus salidas finales, lo que sugiere que la monitorización de estas cadenas sigue siendo una herramienta viable para detectar comportamientos indeseables.
El artículo advierte que la rápida adopción de la IA en la ciencia climática, al depender de una infraestructura computacional y de datos concentrada en el Norte Global, corre el riesgo de exacerbar las desigualdades globales y propone un cambio hacia un desarrollo centrado en los datos, infraestructura digital pública y co-producción de conocimiento para democratizar la soberanía tecnológica y garantizar una resiliencia sistémica equitativa.
Este artículo presenta los resultados de una encuesta global que examina las actitudes hacia la representación cultural en la IA generativa, definiendo el concepto de cultura a partir de las comunidades estudiadas y proponiendo recomendaciones para un desarrollo más inclusivo y sensible.
El artículo presenta LTLGuard, una herramienta modular que combina la generación de modelos de lenguaje compactos con verificación simbólica ligera para traducir requisitos informales en especificaciones de lógica temporal lineal (LTL) correctas y sin conflictos.
Este trabajo demuestra que la muestreo Best-of-N (BoN) es óptimo en términos estadísticos y computacionales para maximizar la tasa de victorias bajo condiciones realistas, y propone una variante simple que elimina el "reward hacking" manteniendo dicho rendimiento óptimo.
Este artículo presenta TML-Bench, un nuevo conjunto de pruebas para evaluar la eficacia y fiabilidad de agentes de IA autónomos en tareas de aprendizaje automático tabular tipo Kaggle, demostrando que el modelo MiniMax-M2.1 obtiene el mejor rendimiento global y que los resultados mejoran con mayores límites de tiempo.
El artículo presenta SCORE, un método de fusión de modelos que mejora la generalización de dominio al resolver conflictos entre subespacios singulares mediante la proyección de matrices de tareas en una base ortogonal compartida.
El artículo presenta SAHA, un marco de jailbreak a nivel de cabezas de atención que explota vulnerabilidades en capas profundas de modelos de lenguaje abiertos mediante una estrategia de selección de cabezas basada en el impacto de la ablación y perturbaciones conscientes de la frontera, logrando una tasa de éxito superior a los métodos actuales.
Este artículo propone la Hipótesis de Seguridad Desentrelazada (DSH), que revela una separación geométrica entre la detección de peligros y la ejecución de denegaciones en los modelos de lenguaje, permitiendo tanto la creación de un benchmark para validar esta disociación como el desarrollo del ataque de borrado de rechazo (REA) que logra tasas de éxito sin precedentes al eliminar quirúrgicamente el mecanismo de denegación.
El artículo presenta PVminer, un benchmark, y PVminerLLM, un modelo de lenguaje grande ajustado para la extracción estructurada de la voz del paciente a partir de texto generado por pacientes, logrando un rendimiento superior a los métodos basados en prompts y demostrando que es posible analizar señales sociales y experienciales a escala sin necesidad de modelos extremadamente grandes.
Este estudio evalúa un marco de empujes personalizados que combina un algoritmo de calibración dual de temas y localización con nudges generados por modelos de lenguaje grande, demostrando mediante un experimento de cinco semanas que las intervenciones algorítmicas aumentan efectivamente la diversidad de consumo de noticias domésticas y mundiales, mientras que la relevancia personalizada supera a la personalización genérica.