104 artículos
Esta encuesta analiza sistemáticamente los enfoques de enrutamiento y cascada dinámicos entre múltiples modelos de lenguaje grandes (LLM) independientes, proponiendo un marco conceptual que equilibra la eficiencia y el rendimiento al seleccionar modelos adaptativos según la complejidad de la consulta, superando así las limitaciones de los despliegues estáticos.
Threadle es un motor de almacenamiento y consulta de redes de alto rendimiento y bajo consumo de memoria, escrito en C#, que permite gestionar y analizar a escala redes multicapa y mixtas de millones de nodos mediante una innovación de pseudo-proyección que evita la materialización de proyecciones de dos modos, ofreciendo además interfaces en línea de comandos y para R.
Este artículo propone un marco de subastas distribuido en redes heterogéneas donde los equipos de usuario utilizan agentes impulsados por modelos de lenguaje grandes para tomar decisiones estratégicas de oferta a largo plazo, logrando una mayor eficiencia presupuestaria y acceso a canales en comparación con políticas tradicionales.
Este artículo presenta TCCO, un marco de control de congestión basado en Transformers que utiliza una arquitectura desacoplada y un agente de aprendizaje por refuerzo profundo para optimizar la transmisión multipath en enlaces inalámbricos, logrando una superior adaptabilidad y rendimiento al filtrar el ruido de la red y coordinar subflujos mediante recursos computacionales externos.
Este artículo propone una arquitectura conjunta de comunicación por luz visible y retrodispersión para redes de IoT ambiental, presentando sus fundamentos, aplicaciones prácticas, demostraciones experimentales de dispositivos y un análisis de los desafíos futuros para su implementación a gran escala.
Este artículo presenta la implementación y simulación de algoritmos cuánticos basados en la búsqueda de Grover para resolver el problema de coordinación de señales de red (NSC) y su variante robusta, logrando una aceleración cuadrática incluso cuando la precisión de robustez decae polinomialmente con el tamaño de la red.
Este trabajo presenta un sistema de redes NFC a escala corporal para wearables de ultra bajo consumo que utiliza las tecnologías Meander NFC y picoRing NFC para extender la cobertura de comunicación en la superficie del cuerpo y conectar sensores distribuidos mediante campos inductivos optimizados.
Este artículo propone un mecanismo de subasta y una solución de aprendizaje por refuerzo federado resiliente para optimizar la asignación de recursos y fomentar la cooperación entre proveedores de servicios egoístas en la economía de baja altitud, mejorando significativamente el rendimiento y la robustez del despliegue de servicios mediante UAVs.
Este artículo propone un algoritmo de aprendizaje por refuerzo federado personalizado y adaptativo para optimizar las trayectorias de UAVs y el control de fases de superficies inteligentes reconfigurables en redes espaciales-aéreas-tierra integradas con antenas fluidas, maximizando así las tasas de enlace en entornos dinámicos y heterogéneos.
Esta presentación describe U-Parking, un sistema de estacionamiento autónomo distribuido que utiliza tecnología UWB, modelos de lenguaje grande para la planificación y una localización robusta para lograr un estacionamiento automatizado fiable en entornos interiores complejos.
Este estudio evalúa técnicas proactivas no coordinadas para mitigar la interferencia en radares automotrices FMCW, concluyendo que el salto de frecuencia chirp a chirp combinado con un ancho de banda suficiente es la estrategia más efectiva para garantizar la fiabilidad del sistema, mientras que el método basado en brújula resulta poco eficiente en comparación con su complejidad añadida.
Este artículo presenta "Moveover", un algoritmo y protocolo de comunicación V2N que permite a los vehículos autónomos cruzar intersecciones sin detenerse mediante la optimización de trayectorias individuales y la reserva de zonas de conflicto, logrando mejoras significativas en tiempos de viaje y reducción de emisiones bajo diversas condiciones de red.
Este trabajo propone un marco de aprendizaje de grafos de interferencia escalable que combina estrategias evolutivas y funciones de hash profundas para optimizar la asignación de slots RTWT en redes Wi-Fi 7, logrando mejoras significativas en la eficiencia espectral, la reducción de pérdidas de paquetes y la velocidad de inferencia en entornos densos y dinámicos.
Este artículo presenta Space-O-RAN, una arquitectura de control distribuida que extiende los principios de Open RAN a las constelaciones de satélites mediante aplicaciones descentralizadas ligeras y coordinación jerárquica para habilitar redes no terrestres inteligentes, abiertas e interoperables en el contexto de la 6G.
Este artículo presenta PIRATE, un enfoque pasivo que estima la latencia de respuesta del cliente a partir del tráfico visible sin instrumentación, logrando una precisión del 1% y reduciendo las latencias extremas en un 37% cuando se integra en un equilibrador de carga.
Este artículo presenta un marco de simulación basado en SeQUeNCe para redes cuánticas heterogéneas que integra modelos de dispositivos de átomos de iterbio y qubits superconductores, permitiendo evaluar el compromiso entre tasa y fidelidad e identificar cuellos de botella específicos en sistemas multiplataforma.
El artículo presenta Chimera, un marco neuro-simbólico que integra aproximaciones de atención linealizadas y restricciones simbólicas en los primitivos de las líneas de datos programables para lograr inferencia de tráfico de alta fidelidad, predecible y a velocidad de línea bajo estrictas limitaciones de hardware.
Este estudio longitudinal de 2014 a 2025 demuestra que la infraestructura física de Bitcoin es altamente resiliente a fallos aleatorios en cables submarinos, y que la adopción de TOR, lejos de introducir fragilidad oculta, incrementa la robustez de la red al aprovechar la geografía bien conectada de sus nodos de retransmisión.
Este artículo propone una arquitectura de referencia basada en planos y un espectro de verificación escalonado para habilitar redes peer-to-peer agénticas seguras y eficientes, donde agentes autónomos en el borde intercambian capacidades y acciones dinámicas en lugar de contenido estático, mejorando significativamente el éxito de los flujos de trabajo sin aumentar la latencia ni la sobrecarga.
Este estudio demuestra que, en entornos de telecomunicaciones estocásticos, el Aprendizaje por Refuerzo Offline basado en Bellman (CQL) ofrece políticas más robustas que los métodos basados en secuencias, proporcionando así orientación práctica para la selección de algoritmos en la gestión de redes impulsada por IA.