1312 artículos
Esta sección recopila los últimos avances en ciencias que comienzan con las letras de la C a la M, abarcando desde la química y la biología marina hasta la ciencia de materiales y la medicina. En Gist.Science, nos dedicamos a hacer accesible el conocimiento científico más reciente, transformando los complejos informes académicos en resúmenes comprensibles para todos los niveles de interés y experiencia.
Cada nuevo preimpreso publicado en arXiv dentro de este rango es procesado meticulosamente por nuestro equipo. Ofrecemos tanto una explicación clara en lenguaje cotidiano como un desglose técnico detallado, asegurando que puedas entender no solo el qué, sino también el cómo y el porqué de cada descubrimiento.
A continuación encontrarás la lista actualizada con las publicaciones más recientes en estas disciplinas, listas para ser exploradas y comprendidas.
Este artículo presenta MACAT y MACataRT, dos sistemas de IA generativa con intervención humana diseñados para mejorar la interpretación musical en tiempo real y la improvisación colaborativa mediante un entrenamiento personalizado con conjuntos de datos pequeños que prioriza el compromiso ético y la integridad artística.
Este artículo introduce la Búsqueda Anidada de Teoría de Juegos (GTNS, por sus siglas en inglés), un algoritmo escalable y demostrablemente correcto que computa Equilibrios de Nash para sistemas dinámicos generales mediante la búsqueda eficiente de espacios de acción y el filtrado de trayectorias que no son de equilibrio, permitiendo así una planificación multiagente segura y consciente del comportamiento en escenarios complejos como la conducción autónoma sin depender de dinámicas simplificadas o de la enumeración exhaustiva de trayectorias.
El artículo presenta DFT-GEN, un marco de trabajo informado por las partes interesadas que mejora la accesibilidad visual para lectores con dislexia en textos educativos densos mediante el empleo de un controlador determinista para optimizar el diseño y el formato, preservando estrictamente la fidelidad de la información crítica a través de una evaluación diagnóstica especializada.
Este artículo propone A-Fiedler, una estrategia de control distribuido para agentes de comunicación móvil que reemplaza el costoso vector de Fiedler por el autovector dominante de la matriz de adyacencia para lograr un rendimiento de red comparable, mejorando significativamente la robustez bajo restricciones de comunicación local.
El artículo presenta SocialRL, una receta de entrenamiento que transforma modelos de lenguaje pequeños en negociadores estratégicos mediante el refuerzo del razonamiento social y el andamiaje de la teoría de la mente, permitiendo que un modelo de 4 mil millones de parámetros iguale o supere el rendimiento de modelos de frontera mucho más grandes como GPT-5 a través de estrategias de entrenamiento dentro del dominio y de transferencia entre dominios.
Este artículo investiga estrategias de control óptimo para el pastoreo de múltiples ovejas con perros, demostrando que, si bien el Regulador Cuadrático Lineal iterativo (iLQR) ofrece una mejor escalabilidad que los métodos de valor frontera o de tiro, tiene dificultades con la convergencia y la estabilidad en escenarios altamente no lineales y de proximidad cercana, resaltando la necesidad de técnicas de control no lineal más robustas.
El artículo presenta LAMaS, un nuevo marco de trabajo que reduce la latencia de extremo a extremo en sistemas multiagente mediante el aprendizaje de grafos de ejecución conscientes de la latencia con asignación de crédito de ruta crítica durante el entrenamiento y el empleo de un controlador adaptativo ligero para eliminar interacciones redundantes durante la inferencia, logrando una reducción de latencia de más del 50% mientras mantiene la precisión de la tarea.
Utilizando un marco de aprendizaje por refuerzo multiagente para analizar la propuesta de Italia de 2026 de suprimir los precios del carbono para las centrales eléctricas de gas, el estudio encuentra que, si bien tales intervenciones ofrecen un alivio de costos a corto plazo, en última instancia aumentan las emisiones y los costos para el consumidor a largo plazo al socavar los incentivos de inversión para las energías renovables y el almacenamiento, a menos que vayan acompañadas de un paradigma de mercado híbrido contradictorio que margine las señales de precios mayoristas.
Este artículo demuestra que el supuesto estándar de independencia en la fiabilidad multiagente es peligrosamente erróneo debido a las altas tasas de cofallo específicas del modelo, y propone un método de certificación de muestra finita sólido mediante programación lineal sobre momentos conjuntos que evita tanto los inconvenientes de los supuestos de independencia como de los modelos de dependencia ajustados poco fiables.
Este artículo propone OGR-MARL, un marco de aprendizaje por refuerzo multiagente residual guiado por opciones desacopladas que mejora la persecución cooperativa de USV heterogéneos en vías navegables portuarias restringidas al permitir que los agentes guiados por reglas aprendan acciones correctivas, logrando altas tasas de captura y generalización de disparo cero a través de diversos backbones de MARL.