11681 artículos
Este artículo propone VFEFL, un marco de aprendizaje federado que utiliza un nuevo esquema de cifrado funcional verificable descentralizado (CC-DVFE) para proteger la privacidad de los datos y detectar clientes maliciosos sin depender de servidores duales no coludidos ni terceros de confianza.
El paper presenta EgoWorld, un marco novedoso que supera las limitaciones de los métodos actuales al reconstruir vistas egocéntricas a partir de observaciones exocéntricas ricas (como nubes de puntos, poses de manos y descripciones textuales) mediante la reproyección de nubes de puntos y modelos de difusión, logrando un rendimiento de vanguardia y una generalización robusta en múltiples conjuntos de datos y escenarios del mundo real.
El artículo presenta RLVER, un marco de aprendizaje por refuerzo que utiliza recompensas emocionales verificables de usuarios simulados para entrenar modelos de lenguaje grandes, logrando una mejora sustancial en su inteligencia emocional y empatía sin comprometer sus capacidades cognitivas.
El documento presenta UQLM, un paquete de Python que utiliza técnicas avanzadas de cuantificación de incertidumbre para detectar alucinaciones en modelos de lenguaje grandes y mejorar la fiabilidad de sus respuestas mediante puntuaciones de confianza.
El artículo presenta Q-SVMPC, un método de control predictivo basado en modelos que utiliza inferencia posterior a nivel de trayectoria guiada por valores Q y un prior de política de aprendizaje por refuerzo para preservar soluciones diversas y mejorar la eficiencia, estabilidad y robustez en comparación con enfoques tradicionales.
Este estudio demuestra que la resolución de coreferencia mejora significativamente la eficacia de la recuperación y la calidad de las respuestas en los sistemas de Generación Aumentada por Recuperación (RAG), especialmente al aplicar estrategias de agrupación media y al beneficiar desproporcionadamente a los modelos más pequeños.
Este estudio utiliza técnicas de interpretabilidad para descubrir que los modelos de lenguaje generalizan tareas mediante un mecanismo de "inducción de funciones" reutilizable y compuesto por múltiples cabezas de atención, el cual permite aprender y aplicar reglas abstractas como la suma con un desplazamiento de uno.
El artículo presenta VITA, un marco de aprendizaje de políticas de flujo de coincidencia libre de ruido y condicionamiento que mapea directamente representaciones visuales a acciones latentes mediante un autoencoder y una decodificación de flujo latente, logrando una inferencia significativamente más rápida y un rendimiento superior en diversas tareas robóticas.
El artículo presenta HAMLET, un marco jerárquico y adaptativo de agentes múltiples que utiliza modelos de lenguaje grandes para generar y ejecutar obras de teatro inmersivas e interactivas en tiempo real, donde los actores autónomos improvisan diálogos y manipulan objetos físicos en un entorno escénico, todo ello evaluado mediante un modelo crítico especializado.
Este artículo propone un marco para la Aprendizaje Federado Confiable (TFL) que, a través del "Trust Report 2.0", trasciende la privacidad tradicional para abordar la confianza como una condición operativa dinámica en la era de la IA agéntica, ofreciendo una taxonomía de desafíos y un plan de coordinación validado en el ámbito de la oncología.
Este artículo presenta Poker, un nuevo sistema de Programación Lógica Inductiva (ILP) auto-supervisada que, ante la ausencia de ejemplos negativos y teorías de fondo específicas, aprende programas lógicos recursivos mediante la generación automática de ejemplos y el uso de una forma normal de segundo orden para generalizar eficazmente desde solo ejemplos positivos.
El artículo presenta Text2VLM, un pipeline innovador que adapta conjuntos de datos de solo texto a formatos multimodales para evaluar la resistencia de los Modelos de Lenguaje Visual frente a ataques de inyección de prompts tipográficos, revelando vulnerabilidades críticas en los modelos de código abierto y proporcionando una herramienta escalable para mejorar su seguridad.
Este artículo presenta CoEA, un método de recomendación serendípica que supera las limitaciones de los sistemas tradicionales y de los marcos actuales basados en LLM mediante el módulo DSIE para modelar intereses grupales e individuales y el mecanismo PCO para lograr una optimización dinámica en bucle cerrado que equilibra relevancia y novedad.
El documento presenta WebDS, el primer benchmark integral para ciencia de datos basada en web que evalúa tareas de extremo a extremo en diversos sitios, revelando una brecha significativa entre el rendimiento de los agentes de IA actuales y el humano debido a nuevas modalidades de fallo como la falta de fundamentación de la información.
Este trabajo presenta ToolVQA, un conjunto de datos multimodal a gran escala que utiliza el pipeline de generación ToolEngine para crear tareas de razonamiento en varios pasos con herramientas externas, permitiendo que modelos de lenguaje de 7B superen a GPT-3.5-turbo en escenarios de uso de herramientas del mundo real.
Este artículo presenta ERDES, el primer conjunto de datos de acceso abierto de videos de ultrasonido ocular etiquetados para la detección de desprendimiento de retina y la clasificación del estado macular, junto con benchmarks de referencia generados mediante el entrenamiento de múltiples arquitecturas de aprendizaje profundo.
Este trabajo propone una metodología de evaluación dependiente de la dependencia temporal que controla el tamaño de muestra efectivo en lugar de la longitud bruta, estableciendo garantías de generalización para redes convolucionales temporales y demostrando empíricamente que una mayor dependencia puede reducir la brecha de generalización cuando se compara bajo este marco, a diferencia de las evaluaciones estándar.
El artículo presenta ObfusQAte, un marco innovador que evalúa la robustez de los modelos de lenguaje grandes mediante preguntas de respuesta factual obfuscadas en tres niveles (indirecta de entidades nombradas, distractores y sobrecarga contextual), revelando que estos modelos tienden a fallar o alucinar ante variaciones lingüísticas sutiles.
Este artículo presenta la predicción zono-conformal, un método novedoso que utiliza zonotopos para cuantificar la incertidumbre en tareas de regresión y clasificación mediante un programa lineal eficiente, logrando garantías de cobertura estadística con menor conservadurismo que las técnicas existentes.
Este artículo de concepto propone el Sistema de Detección Adaptativa de Cráteres Planetarios Cuantizado (AQ-PCDSys), una arquitectura que integra redes neuronales cuantizadas y fusión sensorial adaptativa para superar las limitaciones de memoria y potencia de los sistemas de exploración espacial autónoma.