1331 artículos
Este estudio demuestra que, en la era de los Modelos de Lenguaje Multimodales (MLLM), es posible extraer información de documentos complejos sin necesidad de OCR, logrando un rendimiento comparable mediante el uso de entradas de imagen puras optimizadas con esquemas y ejemplos cuidadosamente diseñados.
El artículo presenta GLEAN, un marco de verificación para agentes de IA de alto riesgo que mejora la precisión y la calibración en diagnósticos clínicos mediante la acumulación de evidencia basada en guías expertas y la verificación activa de casos inciertos.
Este estudio demuestra que los modelos especializados de trazado de conocimiento superan a los grandes modelos de lenguaje en precisión, velocidad y costo al predecir respuestas estudiantiles, lo que subraya la importancia de utilizar soluciones específicas del dominio en lugar de modelos de lenguaje universales para tareas educativas.
Este artículo presenta un marco unificado de teoría de la información que explica la distribución de frecuencias de los fonemas a nivel macroscópico mediante estadísticas de orden de una distribución de Dirichlet y a nivel microscópico mediante un modelo de máxima entropía que integra restricciones articulatorias, fonotácticas y léxicas.
Mediante el uso de un conjunto de datos sintético de grafos dirigidos, este estudio revela que, aunque la información de los nodos y la estructura global se codifica linealmente en el codificador visual de los modelos de lenguaje-vision grandes (LVLM), la información de las aristas solo emerge tardíamente en los tokens de texto, lo que explica las dificultades de estos modelos para comprender las relaciones direccionales.
El marco de evaluación Eval4Sim propone medir la fidelidad de las simulaciones de personas basadas en LLM mediante tres dimensiones complementarias (adherencia, consistencia y naturalidad) que comparan las conversaciones generadas con patrones humanos reales para evitar tanto la falta de encodificación de la personalidad como la sobreoptimización antinatural.
Este artículo presenta ACE-Merging, un marco de fusión de modelos sin acceso a datos que utiliza una estimación adaptativa de la covarianza basada en diferencias paramétricas para mitigar la interferencia entre expertos y lograr un rendimiento superior al estado del arte en diversas tareas de visión y lenguaje.
El artículo presenta Contextualized Defense Instructing (CDI), un nuevo paradigma de defensa de privacidad para agentes LLM que utiliza un modelo instructor optimizado mediante aprendizaje por refuerzo para generar orientaciones específicas y proactivas en cada paso, logrando un equilibrio superior entre la preservación de la privacidad y la utilidad en comparación con las defensas estáticas existentes.
El artículo presenta MaBERT, un codificador híbrido que combina capas de Transformer y Mamba con mecanismos de enmascaramiento seguros para el relleno, logrando un modelado eficiente de contextos extendidos que reduce significativamente los tiempos de entrenamiento e inferencia en comparación con los codificadores basales.
El artículo presenta TrustMH-Bench, un marco integral que evalúa la confiabilidad de los modelos de lenguaje grandes en el ámbito de la salud mental a través de ocho pilares fundamentales, revelando deficiencias significativas incluso en los modelos más avanzados y subrayando la necesidad urgente de mejorar su seguridad y fiabilidad.
El artículo presenta TikZilla, un modelo de lenguaje pequeño que mejora la generación de gráficos científicos en TikZ a partir de texto mediante el uso del nuevo dataset DaTikZ-V4 y un enfoque de entrenamiento en dos etapas que combina ajuste fino supervisado con aprendizaje por refuerzo basado en recompensas semánticas.
Este trabajo presenta TAO-Attack, un nuevo método de ataque de jailbreak basado en optimización que utiliza una función de pérdida de dos etapas y una estrategia de optimización de tokens con prioridad direccional para superar las limitaciones de los enfoques actuales y lograr tasas de éxito superiores en modelos de lenguaje grandes.
Este artículo propone un enfoque novedoso basado en modelos de lenguaje grandes ajustados con instrucciones y prompts compactos para tratar la detección de componentes argumentativos como una tarea de generación de lenguaje, logrando un rendimiento superior al de los sistemas actuales en benchmarks estándar.
Este artículo demuestra que las características del hablante, como el tono, la intensidad y el ruido, están codificadas en dimensiones individuales de las representaciones de WavLM, permitiendo controlarlas mediante PCA para aplicaciones de síntesis de voz.
Este trabajo introduce un benchmark de matriz de cambio que demuestra que la conmutación de modelos en sistemas LLM de múltiples turnos genera una deriva de rendimiento significativa y estadísticamente relevante, revelando patrones sistemáticos de compatibilidad y la necesidad de monitorear la robustez de estas transiciones como un nuevo eje de fiabilidad operativa.
Este trabajo presenta UniSkill, un nuevo conjunto de datos que vincula cursos universitarios con competencias profesionales del sistema ESCO, junto con directrices de anotación y modelos de lenguaje entrenados que demuestran la viabilidad de esta tarea de emparejamiento con un 87% de puntuación F1.
El sistema APRES, impulsado por modelos de lenguaje grandes, revisa automáticamente los textos de artículos científicos para mejorar su calidad y potencial de citas sin alterar su contenido científico, logrando una mayor precisión predictiva y una preferencia significativa por parte de evaluadores humanos.
Este artículo presenta un método de generación aumentada por recuperación (RAG) consciente de tipos y basado en la clausura de dependencias que construye una base de conocimientos estructurada para traducir requisitos en lenguaje natural a modelos de optimización industrial ejecutables, superando las limitaciones de las técnicas RAG convencionales en la generación de código compilable y libre de errores estructurales.
Este trabajo presenta MoD-DPO, un marco de optimización de preferencias que mitiga las alucinaciones cruzadas en modelos de lenguaje multimodal mediante la regularización de la desconexión de modalidades y la penalización de los sesgos textuales, logrando así una mayor precisión perceptiva y resistencia a las alucinaciones.
El artículo presenta BeyondSWE, un nuevo benchmark que evalúa la capacidad de los agentes de código más allá de la corrección de errores en un solo repositorio, revelando limitaciones significativas en los modelos actuales y demostrando que la integración de búsqueda externa no garantiza mejoras consistentes en tareas complejas.