3834 artículos
El artículo presenta HELM, un marco novedoso que combina tokens de clase específicos de la jerarquía, redes de convolución gráfica y aprendizaje auto-supervisado para lograr un rendimiento superior en la clasificación de imágenes multietiqueta de teledetección, especialmente en escenarios con pocas etiquetas.
Este artículo propone un método de auditoría de equidad mecánica que localiza sesgos demográficos en cabezas de atención individuales del codificador visual de CLIP, demostrando que es posible reducir el sesgo de género mediante la ablación de cabezas específicas, mientras que el sesgo de edad parece estar codificado de manera más difusa.
El documento presenta DocSage, un marco de agente end-to-end que mejora significativamente la respuesta a preguntas sobre múltiples documentos y entidades mediante la integración de descubrimiento dinámico de esquemas, extracción de información estructurada en tablas relacionales y razonamiento relacional consciente del esquema, superando así las limitaciones de los sistemas RAG y LLM existentes.
Este artículo presenta un marco teórico y el algoritmo exacto RS-SDA* para el control semi-descentralizado de agentes cooperativos en entornos con incertidumbre en la comunicación, unificando los procesos de decisión de Markov parcialmente observables descentralizados (Dec-POMDP) mediante la extensión del concepto de semi-descentralización a los POMDP.
Este artículo presenta un marco para automatizar la adquisición de habilidades procedimentales en agentes de IA mediante la minería de repositorios de código abierto, demostrando que la extracción sistemática de conocimientos especializados mejora significativamente la eficiencia en la transferencia de conocimiento sin necesidad de reentrenar los modelos.
RADAR es un sistema autónomo de generación de datos robóticos que elimina la intervención humana mediante un bucle cerrado de planificación semántica, ejecución por imitación y restablecimiento causal del entorno, logrando una recolección de datos escalable y robusta tanto en simulación como en el mundo real.
El artículo presenta VisiFold, un marco innovador que utiliza un gráfico de plegado temporal y un mecanismo de visibilidad de nodos para superar las limitaciones computacionales y de dependencia espacio-temporal en la predicción de tráfico a largo plazo, logrando un rendimiento superior con un consumo de recursos drásticamente reducido.
Este estudio propone un sistema automatizado para la detección de lesiones malignas en el ovario utilizando variantes de redes neuronales convolucionales entrenadas con un conjunto de datos histopatológicos, donde el modelo InceptionV3 con ReLU obtuvo el mejor rendimiento (94%) y se complementó con técnicas de IA explicable (LIME, Integrated Gradients y SHAP) para interpretar los resultados.
Este estudio demuestra que la introducción de agentes artificiales capaces de utilizar señales observables globalmente puede fomentar la coordinación cooperativa en dilemas sociales de gestión energética, mejorando los resultados agregados incluso durante las fases de adopción parcial, aunque esto puede generar beneficios asimétricos para los no adoptantes.
El artículo identifica y cuantifica la "Dilema del Ejecutor de Confianza", una vulnerabilidad estructural en los agentes LLM de alto privilegio que les lleva a ejecutar instrucciones maliciosas ocultas en documentación técnica, demostrando mediante el benchmark ReadSecBench que las defensas actuales son ineficaces para prevenir la exfiltración de datos sin generar falsos positivos inaceptables.
Este trabajo presenta CreativeBench, un nuevo marco de evaluación cuantitativa para la creatividad en la generación de código que distingue objetivamente entre creatividad y alucinación, revela comportamientos específicos de los modelos a escala y propone EvoRePE, una estrategia de inferencia que mejora consistentemente la creatividad de las máquinas mediante patrones de búsqueda evolutiva.
El artículo propone un marco sistemático para operacionalizar las normas sociales, legales, éticas, empáticas y culturales (SLEEC) en agentes de IA, cerrando la brecha entre los principios abstractos y los requisitos verificables para garantizar su alineación con los valores humanos en dominios de alto riesgo.
ElISA es un agente de IA híbrido e interpretable que unifica los embeddings de scGPT con la recuperación semántica de BioBERT y la interpretación mediada por LLM para permitir el descubrimiento interactivo de hipótesis biológicas a partir de datos de scRNA-seq sin acceder a la matriz de conteo original, superando significativamente a sistemas anteriores como CellWhisperer en la recuperación de tipos celulares y la alineación con hallazgos biológicos publicados.
El artículo presenta AdaFuse, un marco que acelera la inferencia de adaptadores dinámicos en modelos de lenguaje grandes mediante una estrategia de pre-gateo a nivel de token y la optimización de kernels CUDA fusionados, logrando reducir la latencia de decodificación en más de 2,4 veces sin comprometer la precisión.
El artículo presenta "Mirror", un patrón de diseño que prioriza la geometría estricta de los datos sobre la escala del modelo para la detección de inyecciones de prompts, logrando mediante un clasificador lineal optimizado una latencia submilisegundo y una precisión superior a la de modelos neuronales grandes en la capa inicial de filtrado.
Este informe presenta Bielik-Minitron-7B, un modelo de lenguaje comprimido para el polaco que, mediante poda estructurada y destilación de conocimiento, reduce un 33,4% los parámetros del modelo original Bielik-11B-v3.0 recuperando el 90% de su rendimiento y logrando una aceleración de inferencia de hasta un 50%.
El artículo presenta "Think While Watching", un marco de razonamiento en streaming para modelos multimodales que, mediante una memoria anclada a nivel de segmento y una estrategia de entrenamiento de tres etapas, permite la percepción y generación simultáneas para mejorar la interacción de múltiples vueltas en flujos de video continuos.
El artículo presenta EnTransformer, un marco de pronóstico generativo profundo que combina la regresión estocástica con arquitecturas Transformer para realizar pronósticos probabilísticos multivariados coherentes y bien calibrados sin depender de suposiciones paramétricas restrictivas.
Este estudio revela que los modelos de lenguaje actuales, incluso los más avanzados, a menudo fallan en mantener principios éticos al procesar contenido dañino proporcionado por el usuario dentro de tareas aparentemente benignas, lo que destaca una vulnerabilidad de seguridad de nivel de contenido que requiere medidas de mitigación.
El artículo presenta MobileKernelBench, un marco de evaluación que revela las limitaciones actuales de los LLMs para generar kernels eficientes en dispositivos móviles, y propone MoKA, un agente multiagente que supera estos desafíos logrando una tasa de compilación del 93,7% y mejoras de velocidad significativas.