11360 artículos
El artículo identifica el "espejismo de seguridad" en los modelos de visión y lenguaje, donde el ajuste fino supervisado refuerza correlaciones espurias que los hacen vulnerables a ataques y excesivamente cautelosos, y propone el olvido automático como solución superior que reduce significativamente tanto el éxito de los ataques como los rechazos innecesarios.
Este estudio presenta un marco de aprendizaje basado en problemas (PBL) de tres años implementado en Georgia Tech y Emory, el cual integra exitosamente la educación en inteligencia artificial generativa en la ingeniería biomédica mediante desafíos interdisciplinarios auténticos, logrando mejoras medibles en los resultados de aprendizaje, alta productividad investigadora y una hoja de ruta escalable para la formación de estudiantes con diversos antecedentes.
Este estudio presenta un marco de evaluación a gran escala que demuestra que la capacidad de los modelos de lenguaje grandes para localizar fallos es frágil y depende en gran medida de señales sintéticas irrelevantes en lugar de un razonamiento semántico profundo, ya que la mayoría de las localizaciones exitosas fallan al aplicar mutaciones que preservan la semántica.
Este artículo presenta ms-Mamba, una arquitectura innovadora para la predicción de series temporales que integra múltiples escalas temporales mediante bloques Mamba con diferentes tasas de muestreo, logrando un rendimiento superior al de los modelos actuales con menor uso de parámetros y recursos computacionales.
Este artículo presenta un marco de generación aumentada por lógica (LAG) que combina grafos de conocimiento semántico y heurísticas de prompts para mejorar el razonamiento analógico multimodal y la detección de metáforas, superando a los métodos actuales y ofreciendo procesos de razonamiento más explicables, aunque con limitaciones en metáforas específicas de dominio.
El artículo presenta Foam-Agent, un marco multiagente basado en modelos de lenguaje que automatiza flujos de trabajo completos de dinámica de fluidos computacional (CFD) mediante prompts en lenguaje natural, logrando una tasa de éxito del 88,2% en tareas de simulación sin intervención experta.
El artículo presenta ReactDance, un marco de difusión que utiliza una representación latente jerárquica con cuantización escalar finita (HFSQ) y muestreo de contexto local por bloques (BLC) para generar danzas reactivas de alta fidelidad y coherencia a largo plazo.
Este trabajo propone un nuevo objetivo de recompensa para el Aprendizaje por Refuerzo en la conducción autónoma que integra una jerarquía de objetivos normalizados y una función elipsoidal de riesgo basada en la seguridad RSS, logrando reducir las colisiones en un 21% y mejorar el progreso en intersecciones no señalizadas.
Este artículo presenta un marco novedoso para la predicción de trayectorias en la conducción autónoma que garantiza la viabilidad física y la restricción a la vía mediante un enfoque de regresión guiada por límites, logrando una mayor robustez y generalización en escenarios adversos a pesar de una ligera reducción en las métricas de referencia.
Este artículo propone un marco de aprendizaje curricular automático que genera dinámicamente escenarios de conducción adaptados a la capacidad del agente, logrando una mayor eficiencia, convergencia más rápida y una mejor generalización en comparación con métodos tradicionales de entrenamiento por refuerzo.
Este artículo presenta CausalPitfalls, un nuevo benchmark diseñado para evaluar rigurosamente la capacidad de los modelos de lenguaje grandes para identificar y superar trampas estadísticas en la inferencia causal, revelando así sus limitaciones actuales y proporcionando métricas para desarrollar sistemas de razonamiento más confiables.
El artículo presenta ShIOEnv, un entorno de shell Bash compatible con Gymnasium que utiliza síntesis restringida por gramática y una señal de irreducibilidad auto-supervisada para generar 2,1 millones de pares entrada-salida que mejoran la precisión de los modelos al predecir el comportamiento de ejecución de comandos en comparación con enfoques anteriores sin ejecución.
El artículo presenta VTool-R1, un marco pionero que utiliza aprendizaje por refuerzo para entrenar modelos de lenguaje y visión (VLM) a generar cadenas de pensamiento multimodales que integran texto y pasos visuales intermedios mediante herramientas de edición, mejorando así el razonamiento en tareas como preguntas sobre gráficos y tablas sin necesidad de supervisión basada en procesos.
El artículo presenta SealQA, un nuevo conjunto de datos de evaluación diseñado para medir la capacidad de razonamiento y precisión factual de los modelos de lenguaje aumentados con búsqueda en escenarios con información conflictiva o ruidosa, revelando que incluso los modelos más avanzados actuales tienen un rendimiento muy deficiente en estas tareas.
El artículo presenta RoboPARA, un marco innovador impulsado por modelos de lenguaje grande que optimiza la planificación de tareas paralelas en robots de doble brazo mediante la generación de candidatos basada en grafos de dependencia y la recomposición de grafos, validado con el nuevo conjunto de datos X-DAPT y demostrando un rendimiento superior en eficiencia y fiabilidad frente a métodos existentes.
El artículo presenta LUCIFER, un middleware de inferencia que utiliza un contrato de señales para convertir actualizaciones lingüísticas en tiempo real en directrices de control agnósticas al lenguaje, mejorando así la seguridad y la eficiencia en la toma de decisiones de sistemas autónomos sin acoplar el entendimiento del lenguaje a los planificadores.
Este trabajo presenta HSG-12M, un conjunto de datos a gran escala de 16,7 millones de multigrafos espaciales derivados de los espectros de energía de cristales no hermitianos, generado mediante la herramienta automatizada Poly2Graph para superar la falta de datos de alta calidad en física cuántica y fomentar el aprendizaje geométrico avanzado en grafos.
InterActHuman es un marco novedoso que supera las limitaciones de los métodos existentes al permitir la animación de video de múltiples conceptos con interacciones humanas y objeto-objeto, mediante un control espacial explícito que vincula condiciones multimodales (texto, imagen y audio) a regiones específicas de cada identidad.
Este artículo presenta BWFlow, un marco de flujo de emparejamiento para la generación de grafos que supera las limitaciones de los métodos actuales al modelar la evolución conjunta de nodos y arcos mediante campos aleatorios de Markov y transporte óptimo, logrando así trayectorias de probabilidad más suaves, una mejor convergencia en el entrenamiento y una generación más eficiente.
El artículo presenta las Structured Kolmogorov-Arnold Neural ODEs (SKANODEs), un marco que combina redes KAN con ecuaciones diferenciales neuronales para recuperar estados físicos interpretables y descubrir simbólicamente las leyes dinámicas no lineales que gobiernan sistemas complejos, superando en precisión y explicabilidad a los métodos de caja negra y modelos clásicos.