11338 artículos
El artículo presenta SAHOO, un marco práctico que utiliza tres mecanismos de seguridad para monitorear y controlar la deriva de alineación durante la auto-mejora recursiva de sistemas de IA, logrando mejoras significativas en tareas de código y razonamiento sin comprometer la seguridad ni la veracidad.
El estudio presenta AIRT, un marco de aprendizaje profundo de extremo a extremo capaz de generar planes de radioterapia VMAT para próstata en menos de un segundo con una calidad no inferior a los planes estándar, lo que representa un avance significativo hacia la estandarización y aceleración de los flujos de trabajo clínicos.
El artículo presenta K-MaT, un marco de aprendizaje de prompts que utiliza el transporte óptimo de Gromov-Wasserstein para transferir estructuras de decisión de modelos de visión-lingüística biomédica de alta resolución a modalidades de baja resolución sin necesidad de imágenes de entrenamiento, logrando resultados superiores al estado del arte y mitigando el olvido catastrófico en tareas de imagen médica.
El artículo presenta MoEless, el primer marco de servicio de modelos de lenguaje grandes tipo Mezcla de Expertos (MoE) basado en computación sin servidor, que utiliza predictores de carga y estrategias de escalado optimizadas para mitigar el desequilibrio de expertos, reduciendo la latencia de inferencia en un 43% y los costos en un 84% en comparación con soluciones existentes.
El artículo presenta el DC-DiT, un modelo de transformador de difusión que mejora la eficiencia y la calidad de la generación de imágenes mediante un mecanismo de fragmentación dinámica que adapta la cantidad de tokens procesados según la complejidad visual de las regiones de la imagen y la etapa del proceso de denoising.
El artículo presenta CLAIRE, un marco de aprendizaje profundo híbrido que combina autoencoders no supervisados y clasificación supervisada para mejorar la detección de fallos en la fabricación inteligente mediante la reducción de dimensionalidad y la interpretabilidad de las características.
El artículo presenta ESAA-Security, una arquitectura de auditoría de seguridad basada en eventos que transforma la revisión de código generado por IA de una conversación libre a un proceso de auditoría verificable, reproducible y trazable mediante la separación de la cognición del agente de la mutación del estado y el uso de registros inmutables.
Este artículo extiende la regularización basada en cinética (KBR) para estimar derivadas espaciales con precisión de segundo orden mediante esquemas explícitos e implícitos, demostrando su eficacia en la captura estable de choques en ecuaciones diferenciales parciales hiperbólicas unidimensionales y su potencial para resolver PDEs en nubes de puntos irregulares.
Este trabajo propone un marco de entrenamiento consciente de grupos de prompts que, mediante regularización guiada por calidad y restricciones de consistencia a nivel de logits, mejora la robustez y la generalización de la segmentación guiada por texto de núcleos en patología computacional sin modificar la arquitectura del modelo.
El artículo propone una arquitectura de orquestación "gated" por esquemas que separa la flexibilidad conversacional de la ejecución determinista en flujos de trabajo científicos, validando que esta aproximación resuelve la tensión entre adaptabilidad y reproducibilidad mediante un marco de evaluación basado en múltiples modelos de lenguaje.
El artículo presenta PSIVG, un marco innovador que integra un simulador físico en el proceso de generación de video mediante difusión para corregir las inconsistencias dinámicas y garantizar que los objetos generados obedezcan leyes físicas reales como la gravedad y la colisión, sin comprometer la calidad visual.
Este artículo propone una arquitectura de referencia para los marcos de aprendizaje por refuerzo, derivada del análisis de 18 implementaciones de vanguardia mediante teoría fundamentada, con el fin de estandarizar su comparación, evaluación e integración.
El artículo presenta CLoPA, una estrategia de adaptación continua que ajusta una pequeña fracción de los parámetros de nnInteractive durante el flujo de trabajo de anotación, logrando un rendimiento experto en tareas de segmentación médica diversa con solo un episodio de entrenamiento y sin modificar la infraestructura existente.
Este artículo examina la capacidad de los modelos de lenguaje grandes para realizar razonamiento abductivo mediante la conversión de datos silogísticos, con el objetivo de evaluar sus sesgos y mejorar la comprensión de la cognición humana y artificial más allá de la deducción formal.
Este artículo presenta una estrategia de post-entrenamiento que adapta modelos de TTS basados en LLM para la generación en streaming con entrada de texto incremental, logrando una prosodia más natural y evitando el colapso en textos largos mediante el aprendizaje de límites prosódicos y el uso de una ventana deslizante.
El estudio demuestra que los modelos fundacionales de visión y lenguaje poseen una rica representación geométrica continua en sus características congeladas que supera significativamente su capacidad de expresión textual, revelando que la limitación reside en el entrenamiento de la vía generativa y no en la representación subyacente, lo que permite extraer mediciones físicas precisas mediante sondas lineales ligeras sin necesidad de ajuste fino.
El paper presenta PONTE, un marco de inteligencia artificial explicable que utiliza un ciclo de validación y adaptación con retroalimentación humana para generar explicaciones naturales personalizadas, fiables y adaptadas a las necesidades cognitivas y de estilo de cada usuario, superando las limitaciones de los enfoques estandarizados y la alucinación de los modelos de lenguaje.
El artículo presenta NOBLE, una arquitectura que incorpora ramas no lineales de bajo rango en las capas lineales de los transformadores para mejorar la eficiencia del entrenamiento desde cero, logrando una aceleración significativa en el tiempo de entrenamiento con un aumento mínimo de parámetros.
COLD-Steer es un marco sin entrenamiento que controla el comportamiento de los modelos de lenguaje grandes en tiempo de inferencia mediante la aproximación de las dinámicas de aprendizaje de un solo paso en contexto, logrando una alta efectividad de dirección con 50 veces menos ejemplos que los métodos anteriores.
Este estudio presenta un sistema de inteligencia artificial entrenado con más de 45.000 imágenes de ultrasonido que no solo diagnostica las hendiduras orofaciales fetales con una precisión comparable a la de radiólogos expertos, sino que también actúa como copiloto para mejorar la sensibilidad de los radiólogos junior y acelerar su formación clínica en entornos con escasez de especialistas.