3532 artículos
El artículo presenta SLIP, un marco de preentrenamiento de código abierto que alinea representaciones de sensores con el lenguaje mediante un embebido de parches flexible y un modelo de lenguaje preentrenado, logrando un rendimiento superior en transferencia cero, descripción de señales y preguntas sobre sensores a través de configuraciones y resoluciones temporales diversas.
Este artículo presenta un marco de reconocimiento de emociones multimodal para el desafío ABAW 10, que combina modelos preentrenados (CLIP y Wav2Vec 2.0), modelado temporal mediante TCN y un módulo de atención cruzada bidireccional para lograr un rendimiento superior en entornos no controlados.
El artículo presenta NormCoRe, un marco metodológico que traduce sistemáticamente experimentos con sujetos humanos a entornos de inteligencia artificial multiagente para estudiar la dinámica normativa, demostrando mediante una réplica sobre justicia distributiva que los juicios normativos de los agentes de IA difieren de los humanos y dependen de factores como el modelo base y el lenguaje utilizado.
Este trabajo presenta HomeSafe-Bench, un nuevo benchmark para evaluar la detección de acciones inseguras en entornos domésticos mediante modelos de visión-lingüística, junto con HD-Guard, una arquitectura de doble cerebro jerárquico que equilibra eficiencia y precisión en la supervisión de seguridad en tiempo real para agentes robóticos.
El artículo presenta LABSHIELD, un nuevo benchmark multimodal basado en normas de seguridad internacionales para evaluar la capacidad de los modelos de lenguaje grandes multimodales en la identificación de peligros y la planificación segura dentro de entornos de laboratorio científicos.
Este artículo presenta BTZSC, un benchmark integral de 22 conjuntos de datos que evalúa y compara sistemáticamente el rendimiento de cuatro familias de modelos (codificadores cruzados, modelos de incrustación, rerankers y LLMs) en clasificación de texto zero-shot, revelando que los rerankers modernos establecen un nuevo estado del arte mientras que los modelos de incrustación ofrecen el mejor equilibrio entre precisión y latencia.
El artículo presenta FedFew, un algoritmo de aprendizaje federado personalizado que reformula el problema como una optimización "pocos para muchos" utilizando solo modelos compartidos en el servidor para servir eficientemente a clientes con datos heterogéneos, logrando un rendimiento superior al estado del arte sin necesidad de particionamiento manual o ajuste exhaustivo de hiperparámetros.
Este estudio empírico demuestra que, aunque el ajuste fino por refuerzo (RFT) generaliza bien dentro de un mismo entorno, su transferencia a entornos no vistos es limitada, mientras que el entrenamiento secuencial y mixto entre múltiples entornos mejora el equilibrio y la retención de conocimientos en agentes LLM.
El artículo presenta Flowcean, un marco innovador que automatiza la generación de modelos para Sistemas Ciberfísicos mediante aprendizaje de datos, destacando por su arquitectura modular, flexibilidad y enfoque en la usabilidad para optimizar el diseño y la operación de estos sistemas complejos.
Este estudio explora cómo los diseñadores pueden recuperar su agencia creativa al colaborar con tecnologías inteligentes emergentes, como los LLM, mediante la introspección, la comprensión estructural de la tecnología y el ajuste deliberado de la dinámica de la relación humano-tecnología.
Este artículo presenta un enfoque sistemático para la adaptación sim-real en el amarre autónomo de un AUV utilizando aprendizaje por refuerzo profundo, logrando una tasa de éxito superior al 90% en simulación y validando su eficacia en un tanque físico mediante un entorno digital de alta fidelidad y el algoritmo PPO.
El marco LabelPigeon demuestra que la proyección de etiquetas mediante etiquetas XML permite realizar una traducción y transferencia de anotaciones de forma conjunta, logrando mejoras sustanciales en tareas de transferencia cruzada sin comprometer, e incluso mejorando, la calidad de la traducción.
Este trabajo demuestra cómo la combinación de vulnerabilidades tradicionales de software y hardware con debilidades algorítmicas en sistemas de IA compuestos puede amplificar las amenazas adversarias, revelando la necesidad de abordar estos riesgos sistémicos mediante la sistematización de primitivas de ataque para mejorar la seguridad y las estrategias de defensa.
El artículo presenta "Slow-Fast Inference", un marco de inferencia sin entrenamiento que acelera la decodificación autoregresiva en contextos largos al decoupar la generación en pasos rápidos que reutilizan una memoria esparsa y pasos lentos que actualizan dicha memoria en límites semánticos, logrando un aumento significativo en el rendimiento sin comprometer la calidad.
El artículo presenta XSkill, un marco de doble flujo que permite a los agentes multimodales mejorar continuamente sin actualizar parámetros, extrayendo y recuperando conocimientos complementarios de experiencias y habilidades basados en observaciones visuales para optimizar la selección de herramientas y la planificación en entornos abiertos.
Este artículo presenta un método de generación visual sin entrenamiento que utiliza la transformada h y un cronograma de ponderación sensible al nivel de ruido para guiar eficazmente la síntesis de imágenes y videos de alta fidelidad a partir de referencias degradadas, superando las limitaciones de los enfoques anteriores que requieren conocer el operador de transformación o sufren de altos costos de entrenamiento.
Este artículo demuestra matemáticamente y mediante experimentos numéricos que las redes de reacciones químicas sin capas ocultas pueden aprender tareas de clasificación más eficiente y con mayor precisión que las redes neuronales de spiking que requieren capas ocultas, ofreciendo una explicación teórica sobre la posible superioridad del aprendizaje en redes bioquímicas celulares frente a las neuronales.
Este artículo presenta una taxonomía sistemática de cinco familias de operadores estructurados que extienden o reemplazan la convolución estándar en el procesamiento de imágenes basado en aprendizaje, analizando sus propiedades, aplicaciones y desafíos futuros.
El artículo presenta LoV3D, un pipeline de modelos de lenguaje-visión 3D que mejora el diagnóstico de enfermedades neurodegenerativas mediante la integración de evaluaciones volumétricas regionales longitudinales y un verificador clínico ponderado, logrando una alta precisión diagnóstica y generalización sin necesidad de anotaciones humanas.
Este artículo presenta un marco de aprendizaje profundo basado en redes convolucionales temporales que aborda la predicción de sitios de unión de factores de transcripción como un problema de clasificación multietiqueta, logrando capturar correlaciones y mecanismos cooperativos entre múltiples factores para revelar patrones de unión biológicamente significativos y nuevas relaciones.