11971 artículos
El estudio demuestra que la persistencia del estado del intérprete es una propiedad semántica fundamental que, al no alinearse entre el entrenamiento y el despliegue, genera ineficiencias significativas en el uso de tokens y errores de ejecución, aunque no afecta la calidad final de las soluciones de los agentes de IA.
Este trabajo presenta ReGFT, un método que utiliza soluciones de referencia parciales para generar trayectorias de razonamiento dentro del espacio del modelo, superando así la escasez de recompensas en el aprendizaje por refuerzo y mejorando significativamente el rendimiento en problemas matemáticos complejos.
El artículo presenta VoxKnesset, un conjunto de datos abierto de habla hebrea a gran escala y longitudinal que abarca 2300 horas de discursos parlamentarios entre 2009 y 2025, diseñado para evaluar y mejorar los sistemas de procesamiento de voz frente a los cambios relacionados con la edad en los hablantes.
El trabajo presenta MatRIS, un potencial interatómico basado en aprendizaje automático invariante que utiliza un mecanismo de atención separable de complejidad lineal para lograr una precisión comparable a los modelos equivariantes más avanzados, pero con una mayor eficiencia computacional y escalabilidad.
Este trabajo propone un marco de predicción conformada para outputs gráficos que utiliza la distancia Z-Gromov-Wasserstein y la regresión cuantílica conformalizada con puntuación (SCQR) para garantizar una cuantificación de incertidumbre libre de distribuciones en espacios de salida estructurados, validado en tareas de identificación molecular.
El artículo presenta IoUCert, un marco de verificación formal novedoso que supera las dificultades de las transformaciones no lineales y las métricas IoU para permitir, por primera vez, la verificación de robustez en modelos de detección de objetos basados en anclajes reales como SSD y YOLO.
Este artículo presenta un método de construcción incremental de grafos k-NN que garantiza la conectividad en la agrupación espectral de textos, superando las limitaciones de los grafos estándar al evitar componentes desconectados y mejorar el rendimiento en regímenes de baja dispersión.
Este artículo propone el uso de un autoencoder variacional condicional (CVAE) para realizar la reconstrucción inversa de series temporales de choque a partir de espectros de respuesta al choque, logrando una mayor fidelidad espectral y una velocidad de inferencia significativamente superior a los métodos de optimización iterativa tradicionales.
El paper presenta AOI, un marco de agentes múltiples entrenable que supera las limitaciones de seguridad y privacidad en la automatización de SRE mediante el uso de GRPO para aprendizaje local, una arquitectura de ejecución separada para operaciones seguras y un bucle de retroalimentación que convierte las trayectorias fallidas en señales de entrenamiento, logrando mejoras significativas en el diagnóstico de fallos en la nube.
El artículo presenta RADAR, un marco neuronal escalable que mejora la resolución de problemas de enrutamiento de vehículos con distancias asimétricas mediante la incorporación de representaciones de distancia estáticas derivadas de la descomposición en valores singulares y un mecanismo de atención dinámico basado en la normalización de Sinkhorn, logrando así una generalización superior en comparación con los métodos existentes.
El artículo presenta Stratum, una infraestructura de sistema unificada que desacopla la ejecución de pipelines de la planificación de agentes autónomos para búsquedas masivas de pipelines de aprendizaje automático, integrándose con el ecosistema de Python y logrando aceleraciones de hasta 16,6 veces mediante la compilación de lotes en grafos de ejecución optimizados.
Este artículo establece que las RNN lineales son altamente paralelizables porque equivalen a circuitos aritméticos de profundidad logarítmica, mientras que las RNN no lineales enfrentan barreras fundamentales de paralelización al poder resolver problemas completos en P, ofreciendo así una base teórica para equilibrar expresividad y eficiencia en arquitecturas de modelos de lenguaje.
Los autores proponen un marco de traducción no emparejado basado en el Puente de Schrödinger Neuronal, enriquecido con emparejamiento de distribuciones guiado por difusión y regularizadores de preservación anatómica, para mejorar la calidad y el realismo de las imágenes de resonancia magnética cerebral de campo ultra bajo (64 mT) alineándolas con las de alto campo (3 T).
El artículo presenta LoRA-MME, un sistema de ensamble multi-modelo que combina cuatro codificadores transformer ajustados eficientemente mediante LoRA para la clasificación de comentarios en código, logrando un alto rendimiento semántico pero enfrentando limitaciones de eficiencia computacional en la competencia NLBSE'26.
Este estudio demuestra que la alineación lingüística mediante el método de "Semantic Anchoring" supera el colapso semántico en modelos de patología computacional, permitiendo una generalización efectiva entre especies y tipos de cáncer al reorientar las características visuales sin necesidad de reentrenamiento.
El artículo presenta DynaKV, un marco de compresión post-entrenamiento que asigna dinámicamente tasas de compresión a nivel de token según su significado semántico, logrando una reducción significativa de la memoria del caché KV sin sacrificar la calidad de generación en modelos de lenguaje grandes.
El artículo propone FreST Loss, un objetivo de entrenamiento basado en el dominio de la frecuencia conjunta que utiliza la Transformada de Fourier Conjunta para decorrelacionar y capturar eficazmente las complejas dependencias espaciotemporales, mejorando así el rendimiento de los modelos de pronóstico en comparación con los enfoques tradicionales.
Este estudio demuestra que los modelos de visión y lenguaje exhiben una deriva masiva en el cálculo de las posibilidades de acción (affordances) dependiendo del contexto, lo que sugiere la necesidad de ontologías dinámicas y dependientes de la consulta en lugar de modelos estáticos del mundo.
Este estudio propone el uso de Redes Neuronales Equilibradas (EINNs) para detectar de manera eficiente umbrales críticos y transiciones abruptas en sistemas dinámicos complejos, invirtiendo el proceso tradicional al inferir parámetros a partir de estados de equilibrio y así identificar regiones de inestabilidad sin necesidad de simulaciones exhaustivas.
El artículo propone FedEMA-Distill, un método de aprendizaje federado que combina un promedio móvil exponencial del modelo global con la destilación de conocimiento basada en logits para lograr un entrenamiento más robusto, eficiente en comunicación y resistente a ataques adversarios sin requerir cambios en el software de los clientes.