7279 artículos
El artículo presenta Ditto, un marco de síntesis de cabezas parlantes basado en difusión que logra inferencia en tiempo real y un control fino mediante la generación de representaciones en un espacio de movimiento específico, optimizando la arquitectura y la estrategia de entrenamiento para superar las limitaciones de velocidad y control de los modelos anteriores.
Este artículo propone variantes dispersas de las máquinas de vectores de soporte de superficie cuadrática (QSVM) mediante una restricción de cardinalidad , presentando un algoritmo de descomposición de penalización que garantiza condiciones de optimalidad, asegura la convergencia y demuestra un rendimiento competitivo y interpretable en tareas de puntuación crediticia.
Esta encuesta ofrece una visión estructurada de cómo los modelos de lenguaje grandes y multimodales están transformando el ciclo de vida científico, abarcando desde la búsqueda de literatura y la generación de ideas hasta la creación de contenido y la evaluación ética, sirviendo como guía tanto para nuevos investigadores como para el desarrollo futuro de sistemas de "IA para la Ciencia".
El artículo presenta FragFM, un marco jerárquico innovador que utiliza el emparejamiento de flujo discreto a nivel de fragmentos para generar moléculas de manera eficiente y escalable, ofreciendo un control de propiedades superior y un nuevo benchmark para productos naturales.
El artículo presenta SysDPO, un marco que extiende la Optimización Directa de Preferencias (DPO) a sistemas de IA compuestos modelados como grafos acíclicos dirigidos, permitiendo su alineación conjunta a nivel de sistema a pesar de las interacciones no diferenciables y la dificultad de transformar preferencias globales en locales.
Este artículo investiga la robustez adversarial de los clasificadores cuánticos particionados, demostrando que las perturbaciones dirigidas a técnicas de división de circuitos o teletransportación equivalen a la implementación de puertas adversarias en capas intermedias, un fenómeno que se analiza tanto teórica como experimentalmente.
Este artículo presenta CAPS, un método de muestreo prioritario consciente del contexto que utiliza VQ-VAEs para reequilibrar conjuntos de datos desbalanceados en el aprendizaje por imitación, mejorando significativamente la generalización y el rendimiento de los sistemas de conducción autónoma en el simulador CARLA.
Este estudio controlado revela que, aunque los modelos de lenguaje grandes (LLM) muestran cierto potencial para la predicción de series temporales, su rendimiento sigue siendo limitado y no supera consistentemente al de modelos específicamente entrenados con grandes volúmenes de datos de series temporales, debido a que los enfoques previos enmascaraban sus capacidades reales mediante pares de tokenizadores y detokenizadores sobreajustados a distribuciones de datos pequeñas.
Este artículo adopta un enfoque centrado en las supervivientes para exponer cómo un "ecosistema técnico malicioso" de herramientas de código abierto y software de desnudamiento, junto con las limitaciones de los marcos de gobernanza actuales como el informe NIST AI 100-4, impiden eficazmente regular la creación de imágenes íntimas generadas por IA sin consentimiento.
Esta encuesta ofrece una visión integral del Aprendizaje Federado, abarcando su arquitectura, ciclo de vida, desafíos técnicos como la heterogeneidad de datos y la privacidad, así como tendencias emergentes, aplicaciones prácticas y direcciones futuras para sistemas colaborativos seguros.
El artículo presenta FourierSpecNet, un marco híbrido que integra el método espectral de Fourier con aprendizaje profundo para aproximar de manera eficiente y precisa el operador de colisión de la ecuación de Boltzmann, logrando convergencia consistente, resolución invariantes y una reducción significativa del costo computacional en comparación con los solvers espectrales tradicionales.
Este artículo propone una arquitectura novedosa de Red Neuronal de Grafos Heterogéneos que, mediante un aprendizaje multitarea y capas de poda integradas, mejora significativamente la reconstrucción de hadrones de belleza y la asociación de vértices en colisiones de partículas del LHC, optimizando simultáneamente la escalabilidad y el tiempo de inferencia.
El artículo presenta RM-R1, una nueva clase de modelos de recompensa generativos que integran el razonamiento mediante un mecanismo de "cadenas de criterios" (CoR) y un entrenamiento en dos etapas, logrando un rendimiento superior y mayor interpretabilidad en comparación con modelos más grandes y propietarios.
Este artículo presenta una variante de los pasos de tipo Polyak para el descenso de espejo entrópico aplicado a sistemas lineales, logrando resultados de convergencia y mejorando los límites del sesgo implícito sin requerir suposiciones restrictivas sobre el dominio no acotado.
Este artículo presenta EVA, un nuevo marco de aprendizaje de características asíncronas inspirado en el modelado del lenguaje que supera a los métodos anteriores en tareas de reconocimiento y detección, permitiendo así un avance significativo en las aplicaciones de visión basada en eventos en tiempo real.
El artículo presenta ESGenius, el primer benchmark integral que evalúa y mejora el conocimiento de los modelos de lenguaje grande sobre sostenibilidad y ESG mediante un corpus de fuentes autorizadas y un conjunto de preguntas validadas, demostrando que la recuperación aumentada (RAG) es esencial para superar las limitaciones de conocimiento en este dominio especializado.
El artículo presenta ContextBench, un marco de evaluación para la modificación de contextos que busca generar entradas lingüísticamente fluidas que activen características latentes específicas en modelos de lenguaje, demostrando que variantes mejoradas de la optimización de prompts evolutiva logran el mejor equilibrio entre eficacia de activación y fluidez.
El paper presenta Sysformer, un enfoque novedoso que utiliza un modelo transformador para adaptar dinámicamente los prompts del sistema en LLMs congelados, logrando mejorar significativamente su robustez ante ataques de jailbreaking y su cumplimiento de estándares de seguridad sin necesidad de costoso ajuste de parámetros.
El artículo presenta SPoT, una estrategia de tokenización que posiciona tokens de manera continua y subpíxel dentro de las imágenes para superar las limitaciones de las cuadrículas discretas, logrando así un rendimiento superior con menos tokens y redefiniendo la escasez como una ventaja estratégica en los Transformadores de Visión.
Este artículo presenta QCAI, un nuevo método post-hoc para interpretar los mecanismos de atención cruzada en transformadores de codificador-descodificador aplicados a la unión TCR-pMHC, el cual demuestra un rendimiento superior en precisión predictiva e interpretabilidad al ser evaluado contra el nuevo benchmark TCR-XAI basado en estructuras experimentales.