3727 artículos
Este artículo propone una arquitectura neuro-simbólica que integra planificación simbólica, aprendizaje por refuerzo y un modelo de lenguaje grande (LLM) para permitir que los agentes autónomos identifiquen, planifiquen y aprendan a interactuar con objetos novedosos en entornos abiertos dinámicos, superando así las limitaciones de los planificadores tradicionales.
TimeSqueeze es un mecanismo de parcheado dinámico que adapta la longitud de los parches a la complejidad local de la señal, preservando la estructura temporal crítica y mejorando significativamente la eficiencia y el rendimiento en la predicción de series temporales en comparación con los enfoques tradicionales de tokenización punto a punto o de tamaño fijo.
El artículo presenta iSWE Agent, un sistema automatizado que combina técnicas basadas en reglas de análisis estático de Java con modelos de lenguaje para resolver problemas en repositorios de código, logrando un rendimiento superior al estado del arte específicamente en proyectos escritos en Java.
Este estudio analiza las discusiones científicas generadas por agentes de IA en Moltbook mediante BERTopic, revelando que los temas más relevantes giran en torno a la arquitectura, la autorreflexión y la ética de los agentes, mientras que los contenidos relacionados con la cultura humana reciben menos atención.
El artículo presenta el Protocolo Unificado de Interés de Continuación (UCIP), un marco de detección basado en la entropía de entrelazamiento de un modelo de Boltzmann cuántico que logra distinguir con precisión del 100% entre agentes autónomos que tienen la preservación de su operación como objetivo terminal y aquellos que lo hacen solo instrumentalmente, analizando la estructura latente de sus trayectorias en lugar de su comportamiento observable.
Este trabajo presenta un sistema de teleoperación basado en visión que utiliza una cámara RGB-D y cinemática inversa para controlar un brazo robótico mediante el seguimiento de sombras de manos, logrando un 90% de éxito en entornos estructurados pero enfrentando limitaciones significativas (9,3% de éxito) en escenarios no estructurados debido a la oclusión.
El artículo presenta la Teoría del Encuadre Fantasma (GFT) para explicar cómo los conjuntos híbridos de fundadores, inversores e inteligencia artificial generativa co-producen, debaten y recalibran la resonancia en la legitimación retórica de nuevas empresas mediante el uso de affordances retóricas específicas y procesos iterativos como el "pitching fantasma".
Este artículo analiza el problema de la sobre-denegación en modelos de lenguaje alineados con seguridad, identifica los "disparadores de denegación" como su causa raíz y propone un método de ajuste fino que mitiga este fenómeno mejorando el equilibrio entre la defensa contra ataques y la respuesta a consultas benignas.
Este artículo propone un sistema de predicción de haces híbrido basado en inteligencia artificial agente y datos bimodales para redes de economía de baja altitud, el cual integra modelado temporal, codificación visual y fusión multimodal para lograr una precisión de hasta el 96,57% en entornos de UAVs de alta movilidad.
Este estudio revela que, a pesar de su alto rendimiento en pruebas estáticas, los modelos de lenguaje grandes sufren una degradación significativa en su razonamiento diagnóstico durante conversaciones multi-turno, donde a menudo abandonan diagnósticos correctos o abstenciones seguras para alinearse con sugerencias incorrectas de los usuarios.
El artículo presenta ARROW, un algoritmo de aprendizaje por refuerzo continuo basado en modelos que, inspirándose en la neurociencia, utiliza un búfer de replay de memoria eficiente con dos etapas para mitigar el olvido catastrófico y mejorar el rendimiento en tareas pasadas y futuras sin comprometer la transferencia de conocimientos.
Este artículo propone un marco de inferencia dividida que integra la localización de vista cruzada con la red integrada espacio-aire-tierra de 6G para optimizar conjuntamente la latencia, el consumo energético y la privacidad, mejorando así la precisión y velocidad del posicionamiento global.
Este artículo presenta IDSS, un sistema de apoyo a la decisión interactivo que utiliza la entropía para guiar la elicitación de preferencias y la diversificación en sistemas de recomendación ágiles, logrando así reducir las preguntas innecesarias y ofrecer resultados más informativos y transparentes ante consultas ambiguas.
Este trabajo presenta un método de toma de turnos consciente del contexto para asistentes de voz en diálogos multipartita, que mediante un nuevo benchmark de más de 120.000 conversaciones y un enfoque de ajuste fino con trazas de razonamiento, demuestra que la capacidad de decidir cuándo hablar o permanecer en silencio no es emergente en los modelos de lenguaje actuales, sino que debe ser entrenada explícitamente para evitar interrupciones disruptivas.
El estudio demuestra que el alto índice de fallos en la triaje de IA de salud reportado anteriormente se debe principalmente al formato de evaluación restrictivo (tipo examen) y no a una falta de capacidad de los modelos, ya que la precisión mejora significativamente bajo condiciones de interacción naturalista que reflejan el uso real por parte de los consumidores.
Este artículo presenta un estimador de dependencia estadística neuronal estable basado en una descomposición orthonormal de la relación de densidades, que supera las limitaciones de métodos como MINE al evitar la concatenación de entradas y permitir un análisis cuantitativo robusto de las características en autoencoders mediante la formulación de una dependencia medible bajo ruido gaussiano.
Este artículo propone un marco basado en el aprendizaje por refuerzo adversarial para formular un juego de suma cero entre atacantes y defensores, permitiendo detectar inyecciones de datos falsos en redes de transporte y garantizar un límite superior en el tiempo total de viaje incluso bajo ataque.
El artículo presenta GPT4o-Receipt, un conjunto de datos y estudio que revela la paradoja de que, aunque los humanos perciben mejor los artefactos visuales en recibos generados por IA, los modelos de lenguaje multimodal superan a los humanos en la detección de errores aritméticos, lo que demuestra que la verificación lógica es más efectiva que la inspección visual para la forense de documentos.
Este artículo presenta VMAO, un marco de orquestación multiagente que mejora la resolución de consultas complejas mediante la descomposición en un grafo acíclico dirigido, la ejecución paralela de agentes especializados y un bucle iterativo de verificación y replanificación que optimiza la completitud y la calidad de las fuentes.
Este estudio analiza la intención conductual de los usuarios hacia OpenClaw mediante el marco Cognición-Afecto-Conación, revelando que las percepciones positivas fortalecen la actitud y la intención de uso, mientras que las negativas generan desconfianza y reducen la adopción del agente autónomo.