1071 artículos
El artículo presenta HeartAgent, un sistema autónomo especializado en cardiología que mejora significativamente la precisión y la calidad explicativa del diagnóstico diferencial al integrar herramientas personalizadas, múltiples subagentes y razonamiento transparente, superando tanto a métodos existentes como al rendimiento de expertos no asistidos.
El artículo presenta mAceReason-Math, un conjunto de datos multilingüe de alta calidad con más de 10.000 problemas matemáticos desafiantes en 14 idiomas, diseñado específicamente para impulsar la investigación y el aprendizaje por refuerzo con recompensas verificables (RLVR) en modelos de lenguaje más allá del ámbito anglosajón.
Este artículo demuestra mediante interpretabilidad mecánica que la robustez de los modelos de lenguaje ante la tokenización a nivel de caracteres se debe a un proceso de "recuperación de palabras", donde las representaciones internas reconstruyen las identidades de los tokens canónicos mediante mecanismos de atención específicos entre caracteres.
Este trabajo propone utilizar modelos de lenguaje grandes (LLMs) para generar anotaciones MQM simplificadas que, al entrenar un modelo COMET, permiten lograr un rendimiento competitivo en la estimación de calidad de traducción automática a un costo inferior al de la inferencia directa de LLMs.
Este estudio presenta un pipeline asistido por LLM que transforma cuatro protocolos de identificación de metáforas en scripts de reglas ejecutables y auditables para el chino, demostrando que la elección del protocolo es la fuente principal de variación en la identificación y que este enfoque logra un rendimiento competitivo con total transparencia e interpretabilidad.
El artículo presenta LuxBorrow, un análisis centrado en los préstamos lingüísticos que examina 27 años de noticias en luxemburgués para demostrar que, aunque el uso de múltiples idiomas es ubicuo, la mezcla se caracteriza por inserciones localizadas con una adaptación morfológica predominante, especialmente de fuentes francesas, lo que impulsa la propuesta de métricas de evaluación basadas en préstamos en lugar de índices generales de mezcla.
El artículo presenta el Multilingual Reasoning Gym, una extensión del Reasoning Gym que genera proceduralmente problemas de razonamiento verificables en 14 idiomas mediante plantillas traducidas y validadas por hablantes nativos, permitiendo la creación de datos paralelos a gran escala para el entrenamiento y evaluación de modelos de razonamiento multilingüe.
El artículo presenta PivotAttack, un marco de ataque de texto eficiente en consultas que utiliza un algoritmo de Bandido Multibrazo para identificar y perturbar estratégicamente "conjuntos pivote" desde el interior hacia el exterior, superando a los métodos existentes en tasa de éxito y eficiencia de consultas.
El paper presenta EvoKernel, un marco de agentes autoevolutivos que utiliza un enfoque de memoria basado en valores para superar la escasez de datos en la síntesis de kernels para NPUs, logrando mejorar la precisión de los modelos de 11.0% a 83.0% y acelerar el rendimiento mediante un refinamiento continuo.
El artículo presenta , un modelo de valor generalista que fusiona adaptativamente una estimación previa con promedios empíricos de rollouts dispersos mediante pruebas estadísticas en tiempo real, logrando una reducción significativa de la varianza y un rendimiento superior en tareas de razonamiento matemático en comparación con métodos como GRPO y DAPO.
El artículo presenta SiDiaC-v.2.0, el corpus diacrónico en idioma cingalés más grande y exhaustivo hasta la fecha, que abarca desde el siglo V hasta el XX con 244.000 palabras de 185 obras literarias, ofreciendo un recurso fundamental para el procesamiento del lenguaje natural en esta lengua de bajos recursos.
Este trabajo presenta un corpus bilingüe (inglés/alemán) de registros de catálogo anotados con la Integrated Authority File (GND) y una taxonomía procesable por máquinas, diseñado para habilitar la clasificación multietiqueta consciente de la ontología y evaluar sistemas de IA que asistan a los catalogadores en la indexación a escala.
El artículo presenta ARMADA, un marco eficiente de destilación de conocimiento cruzado que transfiere información de grandes modelos de visión-idioma (incluyendo modelos de caja negra) a modelos de solo lenguaje mediante técnicas de alineación novedosas, logrando mejoras significativas en diversas tareas sin requerir pre-entrenamiento multimodal costoso ni modificar al modelo docente.
GLM-OCR es un modelo multimodal compacto de 0.9B parámetros que combina un codificador visual y un decodificador de lenguaje con un mecanismo de predicción de múltiples tokens y un pipeline de dos etapas para lograr un alto rendimiento y eficiencia en tareas de comprensión de documentos, desde el análisis de diseño hasta la extracción de información clave.
El artículo presenta LLM2Vec-Gen, un enfoque auto-supervisado novedoso que genera representaciones de texto aprendiendo a codificar la respuesta potencial de un modelo de lenguaje grande en lugar de la entrada, logrando un rendimiento superior en tareas de incrustación sin etiquetas y mejorando la seguridad y el razonamiento.
El artículo presenta TOSSS, un nuevo benchmark basado en la base de datos CVE que evalúa la capacidad de los modelos de lenguaje grandes para seleccionar fragmentos de código seguros frente a vulnerables, ofreciendo una métrica de seguridad complementaria a las puntuaciones existentes.
Este estudio sistémico demuestra que la elección del modelo de retroalimentación es crucial para la efectividad del PRF con LLMs, revelando que el texto generado por el LLM es la solución más rentable, mientras que el texto del corpus es más beneficioso cuando se utiliza un recuperador inicial robusto.
Este trabajo desafía la suposición de que el consenso entre evaluadores LLM garantiza fiabilidad, demostrando que dicho acuerdo suele ser ilusorio al basarse en heurísticas superficiales, y propone el marco MERG para generar rúbricas dinámicas ancladas en conocimiento experto que mejoran la evaluación en dominios codificados.
El artículo presenta IsalGraph, un método que codifica cualquier grafo finito en una cadena compacta mediante un conjunto de instrucciones de nueve caracteres, permitiendo una representación isomórfica, válida y compatible con modelos de lenguaje que facilita la búsqueda de similitud, la generación de grafos y la modelación condicionada.
El artículo presenta COMIC, un sistema automatizado de IA que genera videos de comedia tipo sketch mediante una población de agentes inspirados en roles de producción y críticos de LLM alineados con preferencias reales de audiencia, logrando resultados de calidad profesional y rendimiento de vanguardia en la generación de video.