1077 artículos
Este trabajo presenta Direct Consistency Optimization (DCO), un método eficiente inspirado en DPO que mejora significativamente la consistencia del conocimiento en modelos de lenguaje multilingüe mediante optimización directa sin necesidad de un modelo de recompensa explícito.
Este artículo propone y valida un modelo de selección de palabras vacías basado en una función de Hill que explica cómo estas siguen una distribución Beta Rank Function, mientras que las palabras no vacías se ajustan mejor a una función cuadrática, todo ello partiendo de una lista completa que obedece la ley de Zipf.
Este estudio evalúa técnicas de aumento de datos y mejora de características para la detección de discurso de odio, demostrando que el modelo de código abierto gpt-oss-20b obtiene los mejores resultados generales, mientras que el Delta TF-IDF alcanza una precisión del 98.2% en el conjunto de datos Stormfront, y concluye que la detección de discurso de odio implícito es más difícil y que la eficacia de las estrategias depende de la interacción entre el modelo, el conjunto de datos y la técnica utilizada.
Esta investigación demuestra que los modelos de lenguaje grandes, específicamente Llama 3.2, superan significativamente a los métodos tradicionales y modelos basales en la detección y clasificación de contenido ilícito complejo en mercados en línea, ofreciendo herramientas más escalables y adaptativas para mejorar la seguridad digital.
Este estudio presenta un marco de evaluación de dos capas para analizar la capacidad de los modelos de IA de simular preguntas realistas y pedagógicamente útiles durante los debates orales de tribunales simulados, revelando que, aunque logran una alta precisión en la identificación de problemas legales sustantivos, aún presentan deficiencias significativas en la diversidad de preguntas y en la tendencia a la adulación.
Este artículo presenta "Model Medicine", un marco clínico integral que aplica principios biomédicos al diagnóstico y tratamiento de modelos de IA, introduciendo una taxonomía disciplinaria, el modelo de cuatro capas, la herramienta de diagnóstico Neural MRI y protocolos estandarizados para la evaluación y profilaxis de sistemas de inteligencia artificial.
Este artículo presenta un sistema neuro-simbólico que combina el modelo de lenguaje Gemini Deep Think con una búsqueda en árbol y retroalimentación numérica para resolver autónomamente un problema abierto en física teórica, derivando exitosamente soluciones analíticas exactas y novedosas para el espectro de potencia de la radiación gravitacional emitida por cuerdas cósmicas.
Los autores proponen "Interactive Benchmarks", un nuevo paradigma de evaluación unificado que mide la capacidad de razonamiento de los modelos bajo restricciones presupuestarias mediante interacciones en entornos de pruebas lógicas y juegos estratégicos, demostrando que este enfoque ofrece una evaluación más robusta y fiel de la inteligencia artificial que revela un amplio margen de mejora.
El artículo presenta IF-RewardBench, un nuevo benchmark de metaevaluación integral para modelos juez que aborda las limitaciones de las evaluaciones existentes mediante un paradigma de ranking lista a lista basado en grafos de preferencia, demostrando una mayor correlación con el rendimiento en tareas posteriores y revelando deficiencias significativas en los modelos juez actuales.
El artículo presenta DARE, un modelo de recuperación de paquetes R que incorpora información sobre la distribución de los datos para mejorar la alineación de los agentes LLM con el ecosistema estadístico de R, logrando un rendimiento superior en la generación de código y tareas de análisis en comparación con los modelos existentes.
HiMAP-Travel es un marco de planificación jerárquica multiagente que, mediante la coordinación estratégica, la ejecución paralela y mecanismos de supervisión transaccional, supera significativamente a los enfoques secuenciales existentes en la generación de itinerarios de viaje a largo plazo bajo restricciones estrictas.
El paper presenta \modelname, un marco innovador que extiende la ventana de contexto de los modelos de lenguaje mediante la autoinyección de representaciones comprimidas de un modelo de contexto corto a otro apilado, logrando un manejo eficiente de secuencias de más de 128K tokens con una reducción significativa en el uso de memoria y una mayor velocidad de inferencia.
TSEmbed es un marco de incrustación multimodal universal que supera los conflictos de tareas mediante la combinación de Mixture-of-Experts y LoRA, junto con una nueva estrategia de muestreo negativo consciente del experto (EANS), logrando así un rendimiento superior en benchmarks masivos y entornos industriales.
Este artículo propone un marco de percepción que preserva la privacidad mediante una arquitectura colaborativa borde-nube que transforma las imágenes en vectores de características abstractos e irreconstruibles en el borde para eliminar la identidad, permitiendo al mismo tiempo la recuperación de referencias visuales ilustrativas en la nube para el reconocimiento de comportamientos sin exponer datos visuales crudos.
El artículo presenta RLSTA, un enfoque de aprendizaje por refuerzo que utiliza respuestas de un solo turno como anclajes estables para superar la inercia contextual y mejorar la capacidad de los modelos de lenguaje para integrar información nueva en interacciones de múltiples turnos.
El artículo propone CSV, un marco innovador que reduce la complejidad de las invocaciones a modelos de lenguaje grande (LLM) para el filtrado semántico a sublineal mediante agrupamiento, muestreo y votación, logrando una drástica disminución en el número de llamadas sin comprometer la precisión.
Este artículo introduce el concepto de Campo Gravitacional de Atención (AGF) para decodificar las relaciones posicionales en los modelos de lenguaje grandes, demostrando que su alineación con la Ley de Gravitación Universal de Newton permite optimizar la arquitectura del modelo y lograr una mayor precisión y estabilidad.
Este artículo compara un sistema de memoria basado en hechos con modelos de lenguaje de gran contexto, demostrando que, aunque el enfoque de gran contexto ofrece mayor precisión en ciertas tareas, el sistema de memoria resulta más rentable a largo plazo en interacciones persistentes debido a su perfil de costos fijos por turno.
Este estudio meta-analítico revela que la calificación automática de respuestas cortas mediante IA presenta deficiencias significativas, incluyendo una desconexión entre la dificultad percibida por humanos y el rendimiento de los modelos, una superioridad de los arquitecturas codificadoras sobre las decodificadoras, y sesgos raciales preocupantes en contextos educativos de alto riesgo.
El artículo propone GDS, un método que detecta datos de pre-entrenamiento en modelos de lenguaje grandes analizando las desviaciones de gradiente (magnitud, ubicación y concentración) para superar las limitaciones de los enfoques existentes y lograr un rendimiento superior con mayor transferibilidad entre conjuntos de datos.