1071 artículos
Este trabajo presenta un marco de reordenamiento ligero y eficiente que aprovecha las puntuaciones de atención de modelos de lenguaje grandes para estimar la relevancia entre consultas y pasajes, logrando un rendimiento superior al estado del arte en tareas de comprensión de contexto largo y memoria mediante el uso de información holística y puntuaciones de relevancia continuas.
El artículo presenta "Missing-by-Design" (MBD), un marco unificado para el análisis de sentimientos multimodal revocable que combina aprendizaje de representaciones y un proceso de modificación de parámetros certificable para eliminar selectivamente modalidades de datos sensibles sin necesidad de reentrenar el modelo completo.
Este artículo presenta AuditBench, un benchmark de auditoría de alineación que evalúa la eficacia de diversas técnicas para detectar comportamientos ocultos en modelos de lenguaje mediante un agente investigador autónomo, revelando brechas significativas entre el rendimiento de herramientas individuales y su integración en agentes, así como la influencia crítica de los métodos de entrenamiento en la dificultad de auditoría.
El artículo presenta SkillCraft, un nuevo benchmark diseñado para evaluar la capacidad de los agentes LLM para abstraer y reutilizar composiciones de herramientas como habilidades reutilizables, demostrando que esta competencia no solo mejora drásticamente la eficiencia al reducir el uso de tokens hasta en un 80%, sino que también se correlaciona fuertemente con el éxito en tareas complejas.
PonderLM-3 es un marco de preentrenamiento que permite la ponderación adaptativa a nivel de token mediante un enmascaramiento diferenciable, optimizando la asignación de recursos computacionales adicionales solo en los tokens que más los necesitan para mejorar la calidad de generación y reducir el costo de inferencia en comparación con métodos anteriores.
Este estudio empírico, titulado "VeriInteresting", analiza las interacciones entre el razonamiento de los modelos, la especialización y las estrategias de ingeniería de prompts en la generación de código Verilog, identificando patrones generalizables y específicos mediante una evaluación factorial controlada de diversos modelos de lenguaje.
Este artículo presenta una tubería autoalojada y sin APIs que convierte PDFs de conferencias en bancos de preguntas de opción múltiple mediante un modelo de lenguaje local y un control de calidad determinista, garantizando la privacidad y la trazabilidad de los resultados educativos.
El informe técnico presenta Fish Audio S2, un sistema de texto a voz de código abierto que permite la generación multi-locutor y multi-turno con control mediante instrucciones en lenguaje natural, destacando por su alta eficiencia en inferencia en tiempo real y la disponibilidad pública de sus pesos y herramientas.
El artículo presenta MASEval, un marco de evaluación agnóstico que demuestra que las decisiones de implementación del sistema (como la topología y la lógica de orquestación) impactan el rendimiento tanto como la elección del modelo, permitiendo así una comparación sistemática de componentes completos de sistemas multiagente.
Este estudio demuestra que los Autoencoders Dispersos (SAE) en modelos Gemma capturan representaciones semánticas abstractas e invariantes al script, ya que las oraciones serbias escritas en alfabetos latino y cirílico activan características superpuestas significativamente más que las paráfrasis, lo que sugiere que el aprendizaje prioriza el significado sobre la forma ortográfica.
Este trabajo presenta MultiGraSCCo, un nuevo benchmark multilingüe de anonimización en diez idiomas que utiliza traducción automática para generar datos sintéticos anotados con identificadores personales, ofreciendo un recurso seguro y culturalmente adaptado para el desarrollo y evaluación de sistemas de protección de la privacidad en el ámbito médico.
Este artículo evalúa una estrategia de cribado sin etiquetas que utiliza incrustaciones de texto derivadas de Word2Vec y Transformers para filtrar candidatos a electrocatalizadores de soluciones sólidas complejas, demostrando que el modelo Word2Vec ligero, basado en una combinación lineal de elementos, logra a menudo la mayor reducción de candidatos manteniendo un rendimiento cercano al óptimo medido.
El artículo presenta ConFu, un nuevo marco de muestreo especulativo que mejora la velocidad de inferencia de los modelos de lenguaje grande al permitir que los modelos borrador anticipen la dirección futura de la generación mediante tokens de contemplación y prompts suaves, logrando una mayor tasa de aceptación de tokens que el estado del arte EAGLE-3.
El artículo presenta SciTaRC, un nuevo conjunto de datos de preguntas sobre tablas científicas que requiere razonamiento lingüístico y cálculos complejos, revelando que incluso los modelos de IA más avanzados actuales fallan significativamente debido a un "cuello de botella de ejecución" que afecta tanto a los métodos basados en código como a los de razonamiento en lenguaje natural.
El artículo presenta PathoScribe, un marco unificado impulsado por modelos de lenguaje grandes que transforma los archivos de patología estáticos en una biblioteca viva y razonable, permitiendo la recuperación semántica, la construcción automatizada de cohortes y la integración clínica con una precisión y eficiencia significativamente superiores a los métodos tradicionales.
El artículo presenta VoxEmo, un benchmark integral para la evaluación de modelos de lenguaje de voz en el reconocimiento de emociones, que aborda desafíos como la variabilidad de los prompts y la ambigüedad humana mediante un conjunto de datos multilingüe, un protocolo de etiquetas suaves y estrategias de consenso para alinear mejor los resultados generativos con la percepción subjetiva humana.
El artículo presenta BiCLIP, un marco sencillo y eficiente que mejora la adaptación de dominios en modelos de visión y lenguaje mediante una transformación geométrica canónica aprendida a partir de pocas muestras, logrando resultados de vanguardia en múltiples benchmarks.
El artículo presenta a Guardian, un sistema de tubería multi-LLM que utiliza modelos especializados y un mecanismo de consenso, junto con ajuste fino QLoRA, para extraer y procesar información de manera auditable y coordinada durante las primeras 72 horas críticas de investigaciones de personas desaparecidas.
Este artículo presenta un marco automatizado para el análisis temático de datos cualitativos clínicos que, mediante la refinación iterativa del libro de códigos y el seguimiento completo de la procedencia, supera a múltiples enfoques de referencia en calidad y reproducibilidad, logrando una alineación significativa con temas anotados por expertos en corpus clínicos.
Este artículo presenta un marco de decisión consciente de la confianza que analiza una única trayectoria de razonamiento para seleccionar adaptativamente entre métodos de un solo o múltiples caminos, logrando una precisión comparable a los enfoques de consistencia autoconsciente tradicionales mientras reduce el costo de inferencia hasta en un 80%.