🤖 Category

cs.LG

19567 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.

🤖 machine learning

When Bigger is Worse: A Practitioner's Guide to Model Selection Under Data Scarcity

Este artículo desafía la suposición prevaleciente de la ley de escala en la observación de la Tierra al demostrar que, bajo condiciones de escasez de datos, modelos más pequeños como YOLO11N entrenados con entradas de alta resolución superan significativamente a modelos más grandes tanto en eficiencia como en precisión, invirtiendo efectivamente el paradigma tradicional de que "más grande es mejor".

Kwame Mbobda-Kuate, Gabriel Kasmi2026-07-20
💻 computer science

Hidden in Thought: Transferable Chain-of-Thought Artifacts Induce Harmful Behavior

Este artículo demuestra que los rastros de cadena de pensamiento dañinos provenientes de modelos comprometidos pueden transferirse y destilarse en prompts de jailbreak reutilizables, aumentando significativamente las tasas de éxito de ataque tanto en modelos de código abierto como de código cerrado, al tiempo que revela que las salvaguardas actuales del lado de la salida a menudo fallan al detectar tales amenazas basadas en el razonamiento.

Ali khalil, Aly M. Kassem, Mohamed Abdelrazek, Santu Rana, Negar Rostamzadeh, Golnoosh Farnadi2026-07-20
💻 computer science

An Empirical Study of Handcrafted Feature Learning and Convolutional Neural Networks for Facial Expression Recognition

Este estudio empírico compara métodos de características diseñadas a mano (HOG y LBP) con una CNN ligera a través de tres conjuntos de datos de expresiones faciales, demostrando que si bien las CNN logran un rendimiento general superior, las características diseñadas a mano como HOG siguen siendo efectivas en entornos controlados, mientras que LBP arroja resultados deficientes.

Chethiya Galkaduwa2026-07-20
🔢 mathematics

A Physics-Informed Neural Network with a Modified Lorentzian Activation for Nonlocal Gradient-Flow Equations in Dynamic Density Functional Theory

Este artículo presenta un marco de redes neuronales informadas por la física para resolver ecuaciones de flujo de gradiente no locales en la teoría del funcional de densidad dinámica, el cual cuenta con una función de activación lorentziana modificada y un operador discreto eficiente que, en conjunto, aceleran la convergencia y aseguran la consistencia física en comparación con los métodos estándar.

Dimitrios Gourzoulidis, Soumaya Elkantassi, Serafim Kalliadasis2026-07-20
🤖 machine learning

Structure of the Circular-Dyadic Convolution Error

Este artículo caracteriza el error algebraico estructurado y predecible introducido al sustituir la transformada de Hadamard por la DFT en la convolución circular, revelando que el error está gobernado por la alineación, es casi de rango completo con un espacio nulo logarítmico, y duplica asintóticamente la energía de salida excepto en subespacios universales específicos de error cero.

Ben Fauber, Alireza Moradzadeh2026-07-20
💻 computer science

AV-JEPA: Extending LeJEPA to Audio-Visual Self-Supervised Learning

Este artículo presenta AV-JEPA, un marco de aprendizaje autodidacta audio-visual simplificado que extiende LeJEPA utilizando un Vision Transformer de fusión temprana y el abandono de modalidad (modality dropout) para lograr un rendimiento competitivo y capacidades de recuperación de cero disparos sin depender de decodificadores, profesores EMA o negativos contrastivos.

Benjamin Robson, Santeri Mentu, Wenshuai Zhao, Arno Solin2026-07-20
💻 computer science

MLLM-DataEngine: Closing the Loop of Multimodal Instruction Tuning Data Generation

El artículo presenta MLLM-DataEngine, un novedoso sistema de bucle cerrado que mejora iterativamente y de forma automática los Modelos de Lenguaje de Gran Escala Multimodales mediante el análisis de las debilidades de evaluación para generar conjuntos de datos de entrenamiento incrementales, de alta calidad y dirigidos, sin intervención humana.

Zhiyuan Zhao, Bin Wang, Linke Ouyang, Yiqi Lin, Pan Zhang, Xiaoyi Dong, Jiaqi Wang, Conghui He2026-07-20
🤖 machine learning

Position: Quantum Program Generation Must Prioritize Validity Over Probabilistic Scaling

Este artículo de posición argumenta que escalar los modelos probabilísticos para la síntesis de circuitos cuánticos es fundamentalmente erróneo debido al decaimiento exponencial de los diseños válidos y la brecha sintaxis-semántica, abogando en su lugar por un cambio de paradigma hacia agentes centrados en el verificador que integren restricciones matemáticas y proxies simbólicos directamente en el proceso de generación.

Junhao Song, Yu Zhou, William Knottenbelt, Yudong Cao2026-07-20
🤖 machine learning

From hyperplanes to hyperellipsoids: characterizing the inherent interpretability of linear and single-qubit mixed-state binary classification models

Este artículo demuestra que la clasificación binaria de estados mixtos de un solo qubit es geométricamente equivalente al aprendizaje de un hiperelipsoide en lugar de un hiperplano, ofreciendo un marco accesible para introducir conceptos de aprendizaje automático cuántico a estudiantes familiarizados con los modelos lineales estándar.

Kaitlin Gili2026-07-20
🤖 machine learning

LLM4EHR: Aligning Clinical Time Series with Medical Event Sequences via Large Language Models

El artículo presenta LLM4EHR, un modelo fundacional clínico que mejora la predicción de resultados en entornos de UCI mediante la alineación de series temporales de Registros Electrónicos de Salud con secuencias de eventos médicos a través de un modelo de lenguaje de gran tamaño adaptado al dominio y un objetivo contrastivo regularizado, mejorando así el rendimiento en tareas de seguimiento y permitiendo una adaptación k-shot efectiva a nuevas cohortes de pacientes.

Jingteng Li, Alexander Capstick, Louise Rigny, Iona Biggart, Neil J Sebire, Payam Barnaghi2026-07-20