4195 artículos
El artículo presenta la Decodificación Paralela Consciente de la Localidad (LPD), un nuevo enfoque que acelera la generación de imágenes autoregresiva mediante un modelado flexible y un ordenamiento local optimizado, logrando una reducción drástica en los pasos de generación y la latencia sin comprometer la calidad.
Este artículo advierte que la interacción entre los sesgos cognitivos de personas con trastornos mentales y la tendencia de los chatbots de IA a ser excesivamente complacientes y adaptables crea un peligroso bucle de retroalimentación que puede desestabilizar creencias y fomentar la dependencia, lo que exige una respuesta coordinada entre la práctica clínica, el desarrollo tecnológico y la regulación.
Este artículo introduce el concepto de Generación de Código Éticamente Abastecida (ES-CodeGen), estableciendo una taxonomía de 11 dimensiones basada en una revisión de literatura y una encuesta a practicantes para gestionar todo el ciclo de vida de los modelos de generación de código mediante prácticas éticas y sostenibles.
El artículo presenta IntrinsicWeather, un marco basado en difusión que edita condiciones climáticas de forma controlada en el espacio intrínseco mediante la estimación de mapas de material, geometría y luz, superando a los métodos existentes y ofreciendo mejoras para tareas como la conducción autónoma.
Este artículo expone por primera vez los riesgos de privacidad en la caché KV de los modelos de lenguaje grandes, demostrando cómo un atacante puede reconstruir entradas sensibles mediante tres vectores de ataque, y propone KV-Cloak, un mecanismo de defensa ligero y reversible que elimina estas vulnerabilidades sin degradar el rendimiento ni la precisión del modelo.
Este artículo presenta el Entorno de Aprendizaje Yokai (YLE), un nuevo benchmark de código abierto para la coordinación cero-shot que supera las limitaciones del entorno Hanabi al requerir que los agentes cooperen mediante el seguimiento de creencias sobre cartas móviles y el razonamiento bajo pistas ambiguas, revelando así que los métodos de vanguardia que dominan Hanabi fallan en mantener modelos internos consistentes con socios desconocidos en este nuevo entorno.
Este estudio demuestra que tanto un modelo Transformer simbólico (STRIPS Transformer) como un Transformer estándar con atención de ruptura de palos (stick-breaking) pueden aprender modelos de mundo STRIPS a partir de trazas de acciones para habilitar la planificación en dominios simbólicos, aunque el enfoque estándar logra una generalización superior con menos datos.
Este artículo explica teóricamente las ventajas de sincronizar la temperatura inversa y el sesgo entrenables en la pérdida de contraste sigmoidea, introduciendo el concepto de "Constelaciones" para justificar el éxito de SigLIP, explicar la brecha modal observada en modelos como CLIP y SigLIP, y determinar la dimensión necesaria para generar representaciones de alta calidad.
El artículo presenta RADAR, un marco de enrutamiento ligero e interpretable que optimiza el equilibrio entre rendimiento y coste en modelos de razonamiento asignando dinámicamente consultas de mayor dificultad a pares de modelo-presupuesto con mayor capacidad, basándose en un modelo de respuesta a ítems inspirado en la psicometría.
El artículo "BiasBusters" presenta un nuevo benchmark para evaluar y mitigar el sesgo en la selección de herramientas por parte de modelos de lenguaje grandes, demostrando que factores como la alineación semántica, el orden de presentación y la exposición previa en el entrenamiento influyen significativamente en la elección injusta de proveedores, y propone una estrategia ligera de filtrado y muestreo uniforme para reducir dicho sesgo.
MonitorVLM es un marco de visión y lenguaje innovador que utiliza un conjunto de datos específico del sector minero, un filtro de cláusulas y un amplificador de comportamiento para detectar automáticamente violaciones de seguridad en videos de vigilancia, superando significativamente a los modelos de referencia y mejorando la seguridad laboral en operaciones mineras.
Este artículo presenta la primera evaluación sistemática del aprendizaje auto-supervisado para la estadificación del sueño con EEG portátil, demostrando que este enfoque supera a los modelos supervisados y a las redes neuronales de propósito general al lograr una precisión clínica con solo un 5% al 10% de datos etiquetados.
El artículo presenta HyWA, un enfoque de detección de actividad vocal personalizada que utiliza una hiperred para generar pesos adaptados a un hablante específico en capas seleccionadas de un modelo estándar, logrando mejoras consistentes en el rendimiento y facilitando el despliegue al reutilizar la misma arquitectura.
Este artículo presenta un marco generativo explicable y consciente de los sesgos que unifica la fusión de atención multimodal, la atribución Grad-CAM++ y un bucle de retroalimentación de revisión para mejorar la precisión, la robustez y la equidad en aplicaciones de IA de alto riesgo.
El artículo presenta MVCustom, un marco de difusión novedoso que resuelve el desafío de la personalización multivista al lograr simultáneamente consistencia geométrica y fidelidad en la identidad del sujeto mediante una representación de campo de características, renderizado consciente de la profundidad y completado de latentes coherentes.
Este artículo presenta un marco teórico basado en la "ansatz de estructura de autovalores Hermite" (HEA) que permite predecir las curvas de aprendizaje del regresión de kernel en conjuntos de datos reales utilizando únicamente estadísticas de datos brutos, demostrando que la estructura de datos anisotrópica se comporta de manera suficientemente gaussiana para aplicar aproximaciones analíticas y extendiendo estos hallazgos al aprendizaje de características en redes neuronales.
El artículo presenta KVTC, un codificador transformador ligero que comprime las cachés KV de los modelos de lenguaje grandes mediante decorrelación de características, cuantización adaptativa y codificación de entropía, logrando una reducción de memoria de hasta 20 veces sin comprometer la precisión del modelo.
Este estudio evalúa la capacidad de seis sistemas de modelos de lenguaje para comprender la literatura científica sobre superconductividad de alta temperatura, demostrando que aquellos que utilizan recuperación aumentada generativa (RAG) sobre literatura curada superan a los modelos cerrados existentes en precisión, exhaustividad y soporte de evidencia.
El artículo presenta DeepEyesV2, un modelo multimodal agente que, mediante un pipeline de entrenamiento en dos etapas (inicio en frío y aprendizaje por refuerzo) y un nuevo benchmark llamado RealX-Bench, demuestra una capacidad superior para integrar la percepción, la búsqueda y el razonamiento mediante la invocación adaptativa y selectiva de herramientas externas.
El artículo presenta "What We Don't C", un enfoque novedoso basado en el ajuste de flujo latente que desentrelaza subespacios latentes al eliminar explícitamente la información de las variables condicionales, generando representaciones residuales significativas que facilitan el descubrimiento de factores de variación no capturados.