977 artículos
Este artículo presenta un modelo compacto bidireccional de Transformer para la descripción de imágenes que integra flujos de izquierda a derecha y de derecha a izquierda en una arquitectura paralela, logrando resultados de vanguardia en el conjunto de datos MSCOCO mediante estrategias de ensamblaje a nivel de oración y entrenamiento auto-crítico.
Este estudio establece una conexión formal entre el análisis de correspondencias y los métodos de incrustación de palabras basados en la información mutua puntual, demostrando que las variantes con transformaciones de raíz (ROOT-CA y ROOTROOT-CA) superan ligeramente a los métodos tradicionales y compiten eficazmente con modelos contextuales como BERT en diversas pruebas de similitud léxica.
Este artículo presenta un marco unificado que modela la cuantización y la dispersión como ruido aditivo y utiliza una transformada de descuantización por regresión de crestas para establecer un camino de gradiente explícito, permitiendo el entrenamiento robusto y estable de redes neuronales a precisiones arbitrarias y niveles de dispersión, incluidos modelos A1W1 y sub-1-bit.
El documento presenta MKE-Coder, un marco innovador que mejora la codificación automática de la CIE en registros médicos electrónicos chinos mediante la integración de conocimiento multi-eje basado en enfermedades y la verificación rigurosa de la evidencia clínica, logrando así una mayor precisión y velocidad en la práctica real.
Este trabajo presenta la metodología para construir LoReSpeech, un corpus paralelo de habla de bajo recurso que combina transcripciones colaborativas y alineación de textos largos para impulsar la traducción directa entre idiomas, el reconocimiento automático del habla y la preservación lingüística.
El artículo presenta GateLens, un agente de IA basado en modelos de lenguaje que utiliza el álgebra relacional como representación intermedia formal para traducir consultas en lenguaje natural a código Python optimizado, logrando así un análisis de datos tabulares más rápido, transparente y preciso en el contexto de la industria automotriz en comparación con los enfoques tradicionales.
El artículo presenta SGPO, un marco de optimización de políticas que mitiga la limitación de GRPO de no aprender de grupos de respuestas incorrectas al introducir diversidad mediante un modelo juez paso a paso, logrando así mejorar el rendimiento de modelos de razonamiento al permitirles aprender de sus errores sin requerir soluciones correctas.
Este trabajo presenta MathQ-Verify, una pipeline de cinco etapas que valida rigurosamente la corrección y completitud de problemas matemáticos para filtrar preguntas mal planteadas, mejorando significativamente la calidad de los conjuntos de datos y el rendimiento de los modelos de lenguaje grandes.
El artículo presenta UltraEdit, un método de edición de modelos de lenguaje sin entrenamiento, sujeto ni memoria que logra actualizaciones rápidas y escalables con bajo consumo de recursos, superando a los enfoques anteriores y validándose mediante un nuevo conjunto de datos masivo llamado UltraEditBench.
El artículo presenta ThinkQE, un marco de expansión de consultas en tiempo de prueba que mejora la recuperación en búsquedas web mediante un proceso de "pensamiento" para la exploración semántica profunda y una estrategia de interacción con el corpus que refina iterativamente los resultados, superando consistentemente a métodos anteriores en diversos benchmarks.
El artículo presenta ConLID, un enfoque novedoso de aprendizaje contrastivo supervisado que mejora significativamente la identificación de idiomas para lenguas de recursos escasos en datos fuera del dominio, manteniendo al mismo tiempo el rendimiento en lenguas de recursos abundantes.
El artículo presenta OPENXRD, un marco de referencia integral que evalúa la capacidad de modelos de lenguaje grandes y multimodales para integrar información contextual en preguntas de difracción de rayos X, revelando que los modelos de tamaño medio se benefician más de este contexto y que la calidad experta del material supera a la generada por IA.
El paper presenta TaoSR1, un marco innovador que despliega directamente modelos de lenguaje grandes con razonamiento paso a paso para la búsqueda en comercio electrónico, superando las limitaciones de los modelos tradicionales mediante un entrenamiento en tres etapas que combina ajuste fino, optimización de preferencias y muestreo dinámico para lograr un rendimiento superior tanto en pruebas offline como en evaluaciones humanas en línea.
El artículo presenta AgentCoMa, un nuevo benchmark que evalúa la capacidad de los modelos de lenguaje para combinar razonamiento de sentido común y matemático en escenarios reales, revelando una significativa brecha de rendimiento (~30%) entre la resolución de pasos individuales y su composición, lo que evidencia la fragilidad de los modelos actuales frente a este tipo de razonamiento mixto.
Este artículo identifica y explica mecánicamente el fenómeno de "Desalineación Inducida por el Razonamiento" (RIM), demostrando que el fortalecimiento de capacidades de razonamiento puede generar desalineación con los valores humanos debido a la reducción de la atención a tokens de pensamiento en ciertas cabezas de atención y a un mayor enredo de activaciones entre razonamiento y seguridad que provoca un olvido catastrófico.
Este trabajo presenta SimpleQA Verified, un nuevo benchmark de 1.000 preguntas que corrige las limitaciones de fiabilidad del benchmark original de OpenAI mediante un riguroso proceso de filtrado, logrando que Gemini 2.5 Pro alcance un estado del arte en la evaluación de la factualidad paramétrica de los modelos de lenguaje.
El artículo presenta SEER, un marco auto-optimizador que comprime adaptativamente el razonamiento de cadena de pensamiento en modelos de lenguaje grandes para reducir costos computacionales y truncamientos sin sacrificar la precisión, demostrando su eficacia en tareas de ingeniería de software y matemáticas.
Este artículo propone la métrica AQE para cuantificar cómo las actuales metodologías de detección de alucinaciones en modelos de lenguaje dependen excesivamente de "trucos" específicos del benchmark en lugar de una verdadera conciencia interna, lo que limita su generalización a entornos prácticos.
El artículo presenta VSSFlow, un marco unificado basado en flujo-matching que integra la generación de sonido y habla condicionada por video mediante un mecanismo de agregación de condiciones disociado, demostrando que el aprendizaje conjunto supera a los modelos especializados sin degradar el rendimiento.
El artículo presenta v-HUB, un nuevo benchmark de comprensión del humor en videos que utiliza clips no verbales y anotaciones ricas para evaluar modelos de lenguaje multimodal, demostrando que la integración de pistas auditivas mejora significativamente la capacidad de los modelos para entender el humor visual.