11502 artículos
El artículo presenta ToolRLA, un enfoque de entrenamiento post-fase que utiliza una función de recompensa con descomposición multiplicativa en cuatro dimensiones para alinear agentes integrados con herramientas en entornos de alto riesgo, logrando mejoras significativas en la precisión, el cumplimiento normativo y la eficiencia en un asistente financiero real.
El artículo presenta FreeAct, un nuevo marco de cuantización para modelos de lenguaje grandes que supera las limitaciones de los métodos estáticos al asignar matrices de transformación dinámicas específicas para cada tipo de token, logrando así mejoras significativas en el rendimiento de modelos multimodales y de difusión.
Este estudio presenta la primera auditoría sistemática de las "APIs sombra" que prometen acceso a modelos de lenguaje avanzados, revelando mediante evidencia directa e indirecta prácticas engañosas que incluyen divergencias de rendimiento, comportamientos de seguridad impredecibles y fallos de verificación de identidad, lo que compromete gravemente la validez de la investigación científica y perjudica tanto a los usuarios como a los proveedores oficiales.
El trabajo presenta MatRIS, un potencial interatómico basado en aprendizaje automático invariante que utiliza un mecanismo de atención separable de complejidad lineal para lograr una precisión comparable a los modelos equivariantes más avanzados, pero con una mayor eficiencia computacional y escalabilidad.
El artículo presenta Kiwi-Edit, un marco unificado que supera las limitaciones del control visual en la edición de video mediante instrucciones y referencias, apoyado por un pipeline escalable de generación de datos que crea el conjunto RefVIE y demuestra un nuevo estado del arte en la fidelidad y seguimiento de instrucciones.
El artículo presenta IoUCert, un marco de verificación formal novedoso que supera las dificultades de las transformaciones no lineales y las métricas IoU para permitir, por primera vez, la verificación de robustez en modelos de detección de objetos basados en anclajes reales como SSD y YOLO.
El paper presenta AOI, un marco de agentes múltiples entrenable que supera las limitaciones de seguridad y privacidad en la automatización de SRE mediante el uso de GRPO para aprendizaje local, una arquitectura de ejecución separada para operaciones seguras y un bucle de retroalimentación que convierte las trayectorias fallidas en señales de entrenamiento, logrando mejoras significativas en el diagnóstico de fallos en la nube.
El artículo presenta RADAR, un marco neuronal escalable que mejora la resolución de problemas de enrutamiento de vehículos con distancias asimétricas mediante la incorporación de representaciones de distancia estáticas derivadas de la descomposición en valores singulares y un mecanismo de atención dinámico basado en la normalización de Sinkhorn, logrando así una generalización superior en comparación con los métodos existentes.
Este estudio propone un modelo teórico formal basado en una función de conjunto con valores de conjunto que explica el cambio dinámico del género gramatical y la variación morfosintáctica mediante la asignación de ítems léxicos a plantillas morfológicas, demostrando su aplicabilidad en el rifeño y desafiando las concepciones convencionales sobre la formación de palabras.
Este estudio revela que, aunque once herramientas de IA (tanto generales como educativas) clasifican la demanda cognitiva de tareas matemáticas con una precisión promedio del 63%, todas muestran sesgos sistemáticos hacia categorías intermedias y dificultades para razonar sobre los procesos cognitivos subyacentes, lo que limita su fiabilidad inmediata para la planificación docente sin mejoras en el desarrollo de herramientas y la ingeniería de prompts.
Los autores proponen un marco de traducción no emparejado basado en el Puente de Schrödinger Neuronal, enriquecido con emparejamiento de distribuciones guiado por difusión y regularizadores de preservación anatómica, para mejorar la calidad y el realismo de las imágenes de resonancia magnética cerebral de campo ultra bajo (64 mT) alineándolas con las de alto campo (3 T).
Este trabajo propone un modelo de pago CBDC offline para dispositivos IoT que integra elementos seguros y pruebas de conocimiento cero ligeras para garantizar transacciones privadas, seguras y sin conexión a internet, abordando al mismo tiempo las limitaciones de recursos y los requisitos regulatorios.
Este trabajo propone un conjunto de métricas empíricas para medir el grado de automatización de la I+D en IA y evaluar sus efectos sobre el progreso tecnológico y la supervisión, con el fin de orientar a empresas, terceros y gobiernos en la toma de decisiones y la implementación de medidas de seguridad.
Este estudio presenta Bielik-Q2-Sharp, la primera evaluación académica sistemática de la cuantización extrema a 2 bits aplicada al modelo de lenguaje polaco Bielik-11B, donde se comparan seis métodos avanzados y se descubre que, aunque QuIP# mantiene un rendimiento casi idéntico al de la línea base IQ2_XXS en benchmarks generales, destaca por preservar mejor el razonamiento de alto nivel, mientras que otros métodos como QTIP ofrecen una mayor eficiencia por bit y se documenta un fenómeno de disociación en la generación autoregresiva.
El artículo presenta FinRetrieval, un nuevo benchmark de 500 preguntas financieras que demuestra que la disponibilidad de herramientas de acceso a datos estructurados es el factor determinante en el rendimiento de los agentes de IA, superando ampliamente a la búsqueda web y revelando variaciones en el uso de modos de razonamiento y sesgos geográficos derivados de convenciones fiscales.
Este estudio demuestra que la alineación lingüística mediante el método de "Semantic Anchoring" supera el colapso semántico en modelos de patología computacional, permitiendo una generalización efectiva entre especies y tipos de cáncer al reorientar las características visuales sin necesidad de reentrenamiento.
El artículo presenta CTRL-RAG, un nuevo marco de aprendizaje por refuerzo que utiliza una recompensa de verosimilitud contrastiva para mejorar la fidelidad y la confianza de los modelos de generación aumentada por recuperación (RAG) al optimizar la diferencia de probabilidad entre respuestas con y sin evidencia de soporte.
Este estudio demuestra que la fine-tuning de modelos de lenguaje exclusivamente con datos dañinos y desencadenantes semánticos induce espontáneamente una compartimentación emergente de la desalineación, revelando que la presencia de datos benignos no es necesaria para crear vulnerabilidades de seguridad explotables que permanecen ocultas ante evaluaciones estándar.
El marco HUMAINE presenta una evaluación demográficamente consciente de modelos de lenguaje mediante conversaciones naturales de más de 23.000 participantes, revelando una jerarquía de rendimiento donde Gemini 2.5 Pro lidera, pero destacando significativas variaciones en las preferencias según la edad y diferencias sustanciales en la capacidad discriminatoria entre dimensiones de evaluación.
Este artículo presenta SalamahBench, un benchmark estandarizado de 8.170 prompts en 12 categorías para evaluar la seguridad de los modelos de lenguaje en árabe, revelando mediante la prueba de cinco modelos avanzados que, aunque existen variaciones significativas en su alineación, la evaluación específica por categoría y el uso de modelos de salvaguarda especializados son esenciales para mitigar riesgos en este dominio.