152 artículos
Este trabajo propone un conjunto de métricas empíricas para medir el grado de automatización de la I+D en IA y evaluar sus efectos sobre el progreso tecnológico y la supervisión, con el fin de orientar a empresas, terceros y gobiernos en la toma de decisiones y la implementación de medidas de seguridad.
Este estudio valida un marco basado en modelos de lenguaje grande que, al analizar más de 16.000 reseñas de TripAdvisor, revela una desconexión operativa crítica en EgyptAir y demuestra que esta metodología supera a las métricas tradicionales al transformar el feedback no estructurado en inteligencia estratégica accionable para la industria aérea.
Este artículo propone el Enrutamiento Causal Invariante (ICR), un marco de gobernanza que combina el razonamiento contrafactual con la descubrimiento causal invariante para identificar políticas estables que guían eficazmente las normas sociales emergentes en economías de mercado en línea, superando las limitaciones de los enfoques basados en correlaciones.
Este artículo propone implementar "token taxes", es decir, gravámenes basados en el uso aplicados en el punto de venta, como un mecanismo viable y aplicable para mitigar los riesgos económicos que la Inteligencia Artificial General (AGI) podría imponer a las bases tributarias y al bienestar social.
Este estudio de caso demuestra que es posible implementar soluciones de video asistidas por IA en mercados públicos de manera responsable, obteniendo insights conductuales operativos mediante el análisis de flujos y tiempos de permanencia sin comprometer la privacidad ni los estándares éticos.
El artículo presenta a "Stan", un asistente de curso de termodinámica impulsado por modelos de lenguaje de código abierto y ejecutado localmente para ofrecer respuestas fundamentadas a estudiantes y análisis estructurados a instructores, garantizando privacidad de datos y costos predecibles mientras aborda desafíos técnicos en la extracción de información de transcripciones largas.
Este trabajo aborda la generalización de la selección justa de los mejores candidatos a múltiples grupos protegidos y la minimización de la disparidad respecto a una función de referencia, demostrando la complejidad computacional del problema pero proponiendo una solución eficiente y robusta para casos con pocos grupos y valores pequeños de , que incluye una nueva medida de pérdida de utilidad y valida su eficacia mediante experimentos en conjuntos de datos reales.
Este estudio evalúa los términos de servicio de 13 plataformas de redes sociales mediante un marco de tres dimensiones y revela que, aunque el consentimiento está formalmente incluido, su complejidad lingüística, lenguaje no comprometido y falta de claridad en la interfaz limitan la transparencia y la elección significativa del usuario, proponiendo así una nueva metodología para diseñar mecanismos de consentimiento más éticos.
Este artículo presenta la arquitectura GAMDSS, un método innovador que mejora el reconocimiento de microexpresiones mediante la reelección dinámica de fotogramas clave para corregir los sesgos de anotación humana, especialmente en escenarios multiculturales, sin aumentar la complejidad del modelo.
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.
Este artículo presenta un marco unificado basado en características que demuestra cómo el ruido necesario para la privacidad diferencial en redes neuronales degrada el aprendizaje de características, exacerbando así las disparidades de equidad, afectando desproporcionadamente a los datos de cola larga y reduciendo la robustez ante ataques adversarios, incluso en escenarios de ajuste fino con preentrenamiento público.
Un estudio aleatorizado con estudiantes de derecho demuestra que una breve capacitación específica aumenta significativamente tanto la adopción como el rendimiento en el uso de la inteligencia artificial generativa para análisis legales, mientras que el acceso sin dicha formación no mejora el desempeño.
Este estudio demuestra que, incluso en currículos anonimizados, los marcadores socioculturales sutiles (como idiomas, aficiones y voluntariado) permiten a los modelos de lenguaje grandes inferir la demografía de los candidatos y generar sesgos sistemáticos que favorecen a los hombres chinos y caucásicos, exacerbando la discriminación en los procesos de contratación automatizada.
Este artículo propone una definición unificada de la guerra cognitiva y un marco interactivo basado en el ciclo OODA para evaluar la superioridad cognitiva, ilustrando su aplicación práctica mediante un estudio de caso que ofrece a los líderes y analistas militares una base sólida para comprender y medir este tipo de conflictos.
Este estudio evalúa sistemáticamente el rendimiento de los modelos de gravedad, radiación y visita en diversas escalas espaciales, revelando que aunque el modelo de visita es generalmente superior, su desempeño varía significativamente según la escala y el tipo de delimitación espacial utilizada, lo que subraya la importancia de seleccionar la escala adecuada para capturar la dinámica urbana subyacente.
El artículo presenta NL2GDS, un marco innovador que utiliza modelos de lenguaje grandes para convertir descripciones de hardware en lenguaje natural directamente en diseños RTL y layouts GDSII optimizados mediante el flujo de código abierto OpenLane, logrando reducciones significativas en área, retardo y consumo de energía.
Este artículo propone un modelo arquitectónico modular de emociones sintéticas que, al integrar señales motivacionales y memoria episódica bajo cuatro restricciones de ingeniería diseñadas para excluir características de la conciencia, demuestra la viabilidad de implementar control emocional sin riesgo de instantiar conciencia accesible, ofreciendo así un marco para auditorías de seguridad y gobernanza de IA.
El artículo presenta RLVER, un marco de aprendizaje por refuerzo que utiliza recompensas emocionales verificables de usuarios simulados para entrenar modelos de lenguaje grandes, logrando una mejora sustancial en su inteligencia emocional y empatía sin comprometer sus capacidades cognitivas.
Este trabajo presenta la creación del corpus HealthQuote.NL mediante la extracción de metáforas de pacientes oncológicos neerlandeses utilizando grandes modelos de lenguaje con estrategias de prompting y validación humana, con el objetivo de mejorar la comunicación clínica y la atención personalizada.
Este estudio analiza sistemáticamente los sesgos políticos, ideológicos, de alianzas, lingüísticos y de género en cuatro modelos de lenguaje grandes ampliamente utilizados, revelando que, a pesar de estar alineados para ser neutrales, estos modelos aún exhiben diversas inclinaciones y prejuicios.