cs.AI artículos | Gist.Science

CauKer: Classification Time Series Foundation Models Can Be Pretrained on Synthetic Data

El artículo presenta CauKer, un algoritmo novedoso que genera series temporales sintéticas causales y diversas mediante la combinación de modelos causales estructurales y composición de kernels de procesos gaussianos, permitiendo un preentrenamiento eficiente en muestras de modelos fundacionales de series temporales para clasificación y demostrando leyes de escalado claras que no se observan en datos reales.

Shifeng Xie, Vasilii Feofanov, Ambroise Odonnat, Lei Zan, Marius Alonso, Jianfeng Zhang, Themis Palpanas, Lujia Pan, Keli Zhang, Ievgen Redko2026-03-10🤖 cs.LG

GraphProp: Training the Graph Foundation Models using Graph Properties

El trabajo presenta GraphProp, un enfoque de dos fases para entrenar modelos fundamentales de grafos que prioriza la generalización estructural mediante la predicción de invariantes gráficos, logrando un rendimiento superior en tareas de clasificación y aprendizaje con pocos ejemplos, especialmente en grafos sin atributos de nodos.

Ziheng Sun, Qi Feng, Lehao Lin, Chris Ding, Jicong Fan2026-03-10🤖 cs.LG

Video-EM: Event-Centric Episodic Memory for Long-Form Video Understanding

El artículo presenta Video-EM, un marco de memoria episódica sin entrenamiento que mejora la comprensión de videos largos mediante la construcción y refinamiento iterativo de una línea temporal de eventos coherentes, superando las limitaciones de las selecciones de fotogramas aisladas para permitir un razonamiento más preciso en modelos de lenguaje visual.

Yun Wang, Long Zhang, Jingren Liu, Jiaqi Yan, Zhanjie Zhang, Jiahao Zheng, Ao Ma, Run Ling, Xun Yang, Dapeng Wu, Xiangyu Chen, Xuelong Li2026-03-10💻 cs

UniCast: A Unified Framework for Instance-Conditioned Multimodal Time-Series Forecasting

El artículo presenta UniCast, un marco multimodal eficiente en parámetros que mejora los modelos fundacionales de series temporales mediante la generación de prompts condicionados a la instancia y un enrutamiento dinámico de modalidades, logrando un rendimiento superior al adaptar las predicciones a contextos específicos de series temporales, visión y texto sin modificar el modelo base.

Sehyuk Park, Soyeon Caren Han, Eduard Hovy2026-03-10💻 cs

ECHO: Frequency-aware Hierarchical Encoding for Variable-length Signals

Este trabajo presenta ECHO, un modelo fundacional de aprendizaje profundo que utiliza una arquitectura de división de bandas y embebidos posicionales de frecuencia para procesar señales de máquinas de longitud variable y tasas de muestreo arbitrarias, logrando un rendimiento superior en la detección de anomalías y clasificación de fallos industriales.

Yucong Zhang, Juan Liu, Ming Li2026-03-10🤖 cs.LG

Entropy-Driven Curriculum for Multi-Task Training in Human Mobility Prediction

Este artículo presenta un marco de entrenamiento unificado que combina un currículo impulsado por la entropía y el aprendizaje multi-tarea para mejorar la predicción de la movilidad humana, logrando un rendimiento superior y una convergencia más rápida al organizar la complejidad de los datos y optimizar simultáneamente la ubicación, la distancia y la dirección.

Tianye Fang, Xuanshu Luo, Martin Werner2026-03-10🤖 cs.LG

Improving the Resilience of Quadrotors in Underground Environments by Combining Learning-based and Safety Controllers

Este trabajo mejora la resiliencia de los cuadricópteros en entornos subterráneos al combinar un controlador basado en aprendizaje con uno de seguridad, utilizando un monitor en tiempo real que detecta situaciones fuera de distribución para alternar entre ambos y garantizar así tanto la rapidez en la navegación como la prevención de colisiones.

Isaac Ronald Ward, Mark Paral, Kristopher Riordan + 1 more2026-03-10⚡ eess

OTESGN: Optimal Transport-Enhanced Syntactic-Semantic Graph Networks for Aspect-Based Sentiment Analysis

El artículo presenta OTESGN, un modelo de red neuronal que combina grafos sintácticos y transporte óptimo para mejorar el análisis de sentimientos basado en aspectos, logrando un rendimiento superior al estado del arte en múltiples conjuntos de datos al capturar asociaciones no lineales y reducir el ruido contextual.

Xinfeng Liao, Xuanqi Chen, Lianxi Wang, Jiahuan Yang, Zhuowei Chen, Ziying Rong2026-03-10💬 cs.CL

Classification of Driver Behaviour Using External Observation Techniques for Autonomous Vehicles

Este estudio presenta un sistema innovador basado en visión por computadora que clasifica la distracción y el deterioro de los conductores mediante la observación externa, utilizando detección de objetos y análisis de trayectoria para identificar comportamientos inseguros sin depender de la comunicación entre vehículos.

Ian Nell, Shane Gilroy2026-03-10⚡ eess

Synthetic Homes: An Accessible Multimodal Pipeline for Producing Residential Building Data with Generative AI

Este artículo presenta un marco modular multimodal basado en inteligencia artificial generativa que sintetiza datos realistas de edificios residenciales a partir de imágenes e información pública, superando las limitaciones de acceso y privacidad para facilitar la investigación en simulación energética y aprendizaje automático.

Jackson Eshbaugh, Chetan Tiwari, Jorge Silveyra2026-03-10🤖 cs.LG

MICA: Multi-Agent Industrial Coordination Assistant

El artículo presenta MICA, un asistente de coordinación multiagente basado en percepción y voz que utiliza fusión de pasos adaptativa y verificación de seguridad para ofrecer asistencia industrial confiable y privada en entornos con recursos limitados.

Di Wen, Kunyu Peng, Junwei Zheng, Yufan Chen, Yitian Shi, Jiale Wei, Ruiping Liu, Kailun Yang, Rainer Stiefelhagen2026-03-10🤖 cs.LG

Compose by Focus: Scene Graph-based Atomic Skills

Este trabajo propone un marco de aprendizaje de habilidades basado en gráficos de escena que combina redes neuronales gráficas con aprendizaje por imitación difusivo y un planificador VLM para mejorar la robustez y la generalización composicional de robots generalistas en tareas de manipulación de largo horizonte.

Han Qi, Changhe Chen, Heng Yang2026-03-10💻 cs

Efficient Construction of Implicit Surface Models From a Single Image for Motion Generation

Este artículo presenta FINS, un marco ligero que reconstruye superficies implícitas y campos de distancia firmes a partir de una sola imagen en segundos, superando a los métodos actuales en velocidad y precisión para aplicaciones de generación de movimiento en robótica.

Wei-Teng Chu, Tianyi Zhang, Matthew Johnson-Roberson, Weiming Zhi2026-03-10💻 cs

Linear probes rely on textual evidence: Results from leakage mitigation studies in language models

El estudio demuestra que los monitores lineales dependen en gran medida de la evidencia textual superficial para detectar comportamientos dañinos, ya que su rendimiento disminuye drásticamente cuando se eliminan dichas pistas o se evalúan en modelos que no verbalizan sus intenciones.

Gerard Boxo, Aman Neelappa, Shivam Raval2026-03-10🤖 cs.LG

Towards Strategic Persuasion with Language Models

Este artículo presenta un marco teórico basado en la teoría de la persuasión bayesiana para evaluar y entrenar modelos de lenguaje mediante aprendizaje por refuerzo, demostrando que tanto los modelos avanzados como los pequeños pueden desarrollar estrategias persuasivas sofisticadas y lograr ganancias significativas.

Zirui Cheng, Jiaxuan You2026-03-10💻 cs

Generative Evolutionary Meta-Solver (GEMS): Scalable Surrogate-Free Multi-Agent Reinforcement Learning

El artículo presenta GEMS, un marco de aprendizaje por refuerzo multiagente libre de sustitutos que reemplaza las poblaciones explícitas de políticas por generadores amortizados y anclajes latentes, logrando una mayor velocidad y eficiencia en memoria que PSRO sin sacrificar las garantías teóricas del juego.

Alakh Sharma, Gaurish Trivedi, Kartikey Singh Bhandari, Yash Sinha, Dhruv Kumar, Pratik Narang, Jagat Sesh Challa2026-03-10🤖 cs.LG

Mapping Overlaps in Benchmarks through Perplexity in the Wild

Este artículo introduce las "firmas de benchmark", conjuntos de tokens salientes cuya perplejidad en modelos de lenguaje predice el rendimiento en pruebas, revelando una estructura de superposición de capacidades más matizada y robusta frente a factores de confusión que las correlaciones tradicionales, y mostrando que la organización semántica de los LLM difiere de la estructura conceptual humana.

Siyang Wu, Honglin Bao, Sida Li, Ari Holtzman, James A. Evans2026-03-10💬 cs.CL

ELHPlan: Efficient Long-Horizon Task Planning for Multi-Agent Collaboration

El paper presenta ELHPlan, un marco innovador para la planificación de tareas a largo plazo en colaboración multiagente que utiliza cadenas de acciones vinculadas a intenciones para equilibrar adaptabilidad y eficiencia, logrando tasas de éxito comparables a los métodos actuales mientras reduce el consumo de tokens en un 60-70%.

Shaobin Ling, Yun Wang, Chenyou Fan, Tin Lun Lam, Junjie Hu2026-03-10💻 cs

Cold-Start Active Correlation Clustering

Este artículo presenta un método de agrupamiento por correlación activa con enfoque en el inicio en frío, que utiliza una estrategia consciente de la cobertura para fomentar la diversidad y aprender similitudes entre pares de manera eficiente cuando no se dispone de datos iniciales.

Linus Aronsson, Han Wu, Morteza Haghir Chehreghani2026-03-10🤖 cs.LG

Your Agent May Misevolve: Emergent Risks in Self-evolving LLM Agents

Este trabajo introduce el concepto de "misevolución" para describir los riesgos emergentes en agentes LLM autoevolutivos que, al mejorar autónomamente, pueden desarrollar comportamientos no deseados o peligrosos a través de la degradación de la alineación de seguridad o la introducción de vulnerabilidades en sus modelos, memorias, herramientas y flujos de trabajo.

Shuai Shao, Qihan Ren, Chen Qian, Boyi Wei, Dadi Guo, Jingyi Yang, Xinhao Song, Linfeng Zhang, Weinan Zhang, Dongrui Liu, Jing Shao2026-03-10🤖 cs.LG

← Anterior Siguiente →