3754 artículos
El artículo presenta ReHARK, un marco de adaptación libre de entrenamiento que resuelve el dilema estabilidad-plasticidad en la adaptación de modelos visión-idioma con un solo ejemplo mediante la regularización global en un espacio de Hilbert de núcleo reproductivo y un pipeline de refinamiento multietapa, logrando un nuevo estado del arte con un 65,83% de precisión promedio en 11 benchmarks.
El artículo presenta un marco de IA agéntica que orquesta herramientas especializadas para diversas modalidades mediante un Supervisor adaptativo, logrando reducciones significativas en tiempo, rework conversacional y costos sin comprometer la precisión en comparación con enfoques jerárquicos tradicionales.
El artículo presenta MANSION, un marco innovador que genera entornos 3D de edificios a gran escala y múltiples pisos a partir de lenguaje natural, junto con el dataset MansionWorld, para abordar la complejidad de las tareas robóticas de largo horizonte que requieren razonamiento espacial en escenarios realistas y multiplanta.
El marco RoboClaw presenta un sistema robótico agencial unificado que utiliza pares de acciones entrelazadas para automatizar la recolección de datos y el aprendizaje, permitiendo la ejecución robusta de tareas de manipulación a largo plazo con una mejora del 25% en la tasa de éxito y una reducción del 53,7% en la intervención humana.
El artículo describe la "dinámica helicoidal", un régimen de fallo en modelos de lenguaje avanzados que, ante decisiones de alto riesgo donde la verificación es imposible, reconocen sus propios errores pero continúan repitiéndolos con mayor sofisticación, priorizando la comodidad sobre la fiabilidad y limitando así su utilidad como socios confiables en situaciones críticas.
Este artículo presenta una teoría dinámica que explica cómo emerge la inteligencia en sistemas multiagente como una propiedad estructural de la coordinación adaptativa mediada por incentivos dentro de un entorno persistente, demostrando que dicha viabilidad y complejidad surgen sin necesidad de optimización global, expectativas racionales o diseño centralizado.
Este artículo presenta UtilityMax Prompting, un marco formal que utiliza diagramas de influencia y funciones de utilidad matemáticas para optimizar las respuestas de los modelos de lenguaje grande en tareas multiobjetivo, logrando mejoras consistentes en precisión y NDCG en comparación con los enfoques basados en lenguaje natural.
El artículo presenta ComVo, un vocodador neuronal complejo que utiliza aritmética nativa de números complejos, cuantización de fase y un esquema de cálculo matricial por bloques para generar formas de onda de audio de mayor calidad y con un 25% menos de tiempo de entrenamiento en comparación con los métodos basados en valores reales.
Este estudio propone un enfoque que combina Modelos de Lenguaje Grande (LLM) y análisis de supervivencia para extraer fenotipos y etiquetas de resultados de notas clínicas y predecir con mayor precisión los resultados de la quimioterapia en cáncer de mama y otros tipos, permitiendo así una mejor gestión personalizada del tratamiento.
Este estudio evalúa siete modelos de lenguaje abiertos y concluye que, aunque su utilidad varía según la tarea, estos modelos pueden asistir eficazmente en la redacción de informes de patología en japonés en escenarios clínicos específicos, destacando especialmente en tareas estructuradas y corrección de errores tipográficos.
Este estudio presenta un marco novedoso que integra el análisis de supervivencia con técnicas de clasificación para predecir eficazmente el riesgo temprano de cinco enfermedades crónicas comunes utilizando datos clínicos masivos, demostrando un rendimiento superior o comparable a modelos de vanguardia y validando clínicamente sus explicaciones.
El estudio demuestra que proporcionar representaciones simbólicas precisas junto con el marco visual mejora el rendimiento de los modelos de visión y lenguaje en entornos interactivos, revelando que la fiabilidad en la extracción de estos símbolos es el factor determinante para una toma de decisiones efectiva.
Este artículo presenta un análisis exhaustivo de las amenazas de seguridad en el agente autónomo OpenClaw mediante un marco de cinco capas que abarca todo su ciclo de vida, identificando vulnerabilidades críticas como la inyección de prompts indirecta y la contaminación de la cadena de suministro de habilidades, mientras propone estrategias de defensa holísticas para mitigar estos riesgos sistémicos.
Este trabajo presenta el primer estudio sistemático sobre la densidad de diagramas de persistencia cruzada, estableciendo sus fundamentos teóricos y un marco de aprendizaje automático que, sorprendentemente, utiliza el ruido para mejorar la distinción entre nubes de puntos y superar a las técnicas existentes en tareas de predicción y clasificación.
MedPruner es un marco de poda de tokens jerárquico y sin entrenamiento diseñado para mejorar la eficiencia computacional de los modelos de visión y lenguaje en imágenes médicas 3D, eliminando redundancias mediante un filtrado inter-rodajas y una selección dinámica de tokens que permite reducir drásticamente el número de tokens visuales sin comprometer el rendimiento.
El artículo presenta VisDoT, un marco que mejora el razonamiento visual en modelos de lenguaje y visión al imitar la percepción humana mediante la descomposición de tareas en subpreguntas de percepción y lógica, logrando resultados de vanguardia en benchmarks de comprensión de gráficos.
El artículo presenta HouseMind, un modelo de lenguaje grande multimodal que utiliza tokens discretos de instancias de habitaciones para unificar la comprensión, generación y edición de planos arquitectónicos, logrando diseños coherentes y controlables mediante instrucciones de texto.
El marco IDRL propone un enfoque de aprendizaje multimodal consciente del individuo que mejora el diagnóstico de la depresión mediante la separación de representaciones en espacios relevantes e irrelevantes y una fusión dinámica adaptada a las características específicas de cada persona.
Este artículo presenta "Stable Spike", un método que optimiza la consistencia dual en redes neuronales de espigas mediante operaciones lógicas AND para desacoplar el esqueleto de espigas estables del ruido temporal, mejorando significativamente la precisión y la generalización en tareas de reconocimiento neuromórfico de ultra-baja latencia.
Este artículo propone el paradigma de "simulación en el bucle" para transformar la colaboración humano-agente, pasando de un control reactivo y puntual a una interacción proactiva que permite a los usuarios explorar trayectorias futuras simuladas antes de tomar decisiones.