16428 artículos
Esta sección reúne investigaciones que exploran la vasta gama de fenómenos naturales que se sitúan entre los elementos químicos del cesio y el lantano en la tabla periódica. Desde el comportamiento de metales alcalinos en condiciones extremas hasta las complejas propiedades de los lantánidos utilizados en tecnologías avanzadas, estos estudios abordan preguntas fundamentales sobre la materia y sus aplicaciones prácticas en nuestra vida diaria.
En Gist.Science, monitoreamos continuamente el archivo de preprints arXiv para identificar y procesar cada nuevo documento relacionado con esta área de la ciencia. Nuestro equipo transforma estos trabajos académicos complejos en resúmenes claros y accesibles para el público general, además de ofrecer análisis técnicos detallados para expertos que buscan profundizar en los métodos y resultados específicos.
A continuación, presentamos la selección más reciente de artículos en este campo, donde podrá descubrir los últimos avances que están dando forma a nuestro entendimiento de estos elementos y sus interacciones únicas.
Este artículo propone un marco de Red Operadora Profunda (DeepONet), mejorado con aprendizaje residual y una estrategia de agregación de datos, para aproximar y simular con precisión la respuesta transitoria dinámica de generadores síncronos para su integración en simuladores de redes eléctricas.
Este artículo demuestra que la validez del benchmark RemOve-And-Retrain (ROAR) se ve comprometida debido a que los mapas de atribución de post-procesamiento pueden mejorar artificialmente las puntuaciones sin añadir información, revelando un sesgo sistemático hacia máscaras espacialmente borrosas que socava su capacidad para evaluar con precisión los métodos de atribución de características.
Este artículo emplea la geometría algebraica para analizar los espacios de funciones de las redes de autoatención no normalizadas, estableciendo su identificabilidad y dimensión al tiempo que caracteriza los puntos singulares y conjetura estos resultados para las arquitecturas normalizadas.
Este artículo propone una metodología de Inferencia Impulsada por IA Generativa (GPI, por sus siglas en inglés) que aprovecha los modelos de lenguaje de gran tamaño para generar tratamientos y utilizar sus representaciones internas para una estimación de efectos causales más precisa y eficiente a partir de texto no estructurado, eliminando así la necesidad de aprender representaciones causales directamente de los datos y superando desafíos comunes como el confusión y las violaciones de la superposición.
Este artículo analiza la efectividad del Descenso de Gradiente Estocástico (SGD) en la optimización no convexa mediante su modelado a través de EDP de Fokker-Planck degeneradas, identificando regímenes distintos de deriva y difusión para cuantificar la concentración de pesos, los tiempos de escape de los mínimos locales y la convergencia asintótica utilizando novedosas técnicas de dualidad y entropía.
Prism es un marco de co-servicio de LLM centrado en la memoria que utiliza una novedosa técnica de expansión de memoria llamada kvcached para reclamar y reasignar dinámicamente la memoria GPU a través de múltiples modelos, unificando así el intercambio espacial y temporal para mejorar la rentabilidad y el cumplimiento de los SLO en entornos de producción.
Este artículo propone una estrategia de entrenamiento de meta-aprendizaje utilizando conjuntos de datos curados, de pequeña escala y específicos de un dominio para mejorar la generalización en contexto de los transformers, demostrando que este enfoque logra un rendimiento comparable al entrenamiento a gran escala mientras ofrece una calidad de datos, modularidad y robustez frente al olvido superiores.
Este artículo demuestra que los modelos de lenguaje de gran tamaño desarrollan naturalmente estructuras emocionales jerárquicas alineadas con la psicología humana, al tiempo que revelan sesgos sistemáticos en el reconocimiento de emociones que afectan desproporcionadamente a los grupos subrepresentados.
Este artículo presenta la Máquina de Urysohn, un modelo computacional métrico-topológico que utiliza Triplas de Urysohn y un teorema de realización constructiva para definir la complejidad de clasificación a través de medidas geométricas como el ancho del límite de decisión, al tiempo que demuestra garantías de separación amortizada, estabilidad y escalabilidad en un marco reutilizable.
El artículo presenta GetNetUPAM, un marco de validación cruzada anidada ecológicamente informado junto con una red neuronal convolucional basada en atención y robusta al ruido (ARPA-N), para mejorar significativamente la generalización y la fiabilidad del monitoreo bioacústico marino al abordar eficazmente las condiciones de alto ruido y prevenir el sobreajuste a artefactos ambientales localizados.