5617 artículos
Este trabajo propone una pérdida auxiliar diferenciable basada en el error de calibración promedio (mL1-ACE) para mejorar la fiabilidad de la incertidumbre en la segmentación de imágenes médicas, logrando una mejor alineación entre la confianza predicha y la precisión real sin sacrificar significativamente el rendimiento de segmentación.
El artículo presenta SOTA, un marco de ensemble libre de entrenamiento que utiliza transporte óptimo autoadaptativo para integrar de manera efectiva múltiples modelos fundacionales (visuales y visiolingüísticos) y mejorar el rendimiento en clasificación zero-shot sin depender de priores.
El estudio revela que el sistema de Notas de la Comunidad de X, aunque diseñado para fomentar el consenso bipartidista, submodera sistemáticamente el contenido polarizante en diversos contextos electorales globales, lo que genera riesgos para el discurso cívico y los procesos democráticos.
Este estudio evalúa Shiksha Copilot, una herramienta de IA desplegada en escuelas de Karnataka, India, que demuestra cómo la colaboración entre docentes y la inteligencia artificial puede reducir la carga administrativa y el estrés mientras fomenta una pedagogía más activa, aunque su impacto transformador se ve limitado por desafíos sistémicos como la escasez de personal.
Este artículo presenta una encuesta sistemática sobre la interpretabilidad en el reconocimiento visual desde una perspectiva centrada en el humano, estableciendo una taxonomía multidimensional, evaluando métricas críticas y explorando tendencias emergentes en modelos de lenguaje multimodal para guiar futuras investigaciones.
El artículo presenta RightTyper, un enfoque híbrido novedoso para Python que genera anotaciones de tipos precisas y fundamentadas en el comportamiento real del programa mediante muestreo adaptativo, logrando una mayor calidad que los métodos anteriores con un sobrecosto de ejecución de solo aproximadamente el 27%.
Este estudio analiza las percepciones de oyentes italianos sobre los sistemas de recomendación musical, revelando una falta de comprensión crítica de los algoritmos y una conciencia limitada sobre los sesgos de género, lo que subraya la necesidad de integrar perspectivas psicosociales en el diseño de sistemas más confiables y culturalmente sensibles.
Este artículo presenta el Modelo de Compresión de Imágenes (CMIC) basado en Mamba Consciente del Contenido (CAM), un enfoque que supera las limitaciones de escaneo rígido de los modelos Mamba anteriores mediante permutación de tokens adaptativa y prios globales específicos de la muestra, logrando un rendimiento de tasa-distorsión superior al estándar VTM-21.0 en diversos conjuntos de datos.
Este trabajo presenta el primer conjunto de datos de código abierto a gran escala con más de 66.000 muestras de audio en inglés y ruso, junto con nuevos modelos y benchmarks, para abordar la conversión de expresiones matemáticas habladas a LaTeX, superando significativamente a los métodos anteriores en la transcripción de ecuaciones y sentencias matemáticas.
Este artículo propone un marco de inferencia de nivel 2 para deducir las estimaciones que los agentes tienen sobre los objetivos de los demás, superando las limitaciones de los métodos tradicionales de nivel 1 que asumen un conocimiento compartido perfecto en interacciones estratégicas descentralizadas.
El artículo presenta DSER, un marco de representación espectral epipolar que combina regularización geométrica, inferencia híbrida y propagación consciente de oclusiones para lograr una estimación de profundidad densa en campos de luz que equilibra con eficacia la precisión y el rendimiento computacional.
Este estudio presenta la primera evaluación sistemática con sujetos humanos que demuestra que, aunque los modelos de lenguaje grandes pueden generar especificaciones Gherkin de alta calidad a partir de normativas de seguridad alimentaria, la presencia de omisiones y alucinaciones hace indispensable una revisión humana sistemática en dominios críticos.
El artículo presenta DAWN, un marco unificado basado en difusión que utiliza representaciones estructuradas de movimiento de píxeles para controlar robots mediante instrucciones de lenguaje, logrando resultados de vanguardia en benchmarks como CALVIN y MetaWorld, así como una transferencia efectiva al mundo real con un ajuste fino mínimo.
El artículo presenta Dolphin, un método eficiente de separación de habla audiovisual que utiliza un codificador de labios ligero y atención global-local multiescala para superar la calidad de los modelos actuales mientras reduce significativamente los parámetros, el costo computacional y el tiempo de inferencia.
El artículo presenta PD-Diag-Net, una red neuronal automatizada que utiliza conocimientos clínicos previos sobre regiones cerebrales y el envejecimiento para diagnosticar la enfermedad de Parkinson a partir de resonancias magnéticas, logrando una precisión superior al 96% en casos tempranos y superando a los métodos existentes en más de un 20%.
El artículo presenta Farsighted-LAM y SSM-VLA, un marco de acción latente que mejora la comprensión espacial y temporal de los modelos de visión-idioma-acción mediante codificación geométrica, modelado temporal multiescala y razonamiento explícito, logrando un rendimiento superior en tareas de inteligencia encarnada.
Este artículo propone un marco de destilación de conocimiento entre visión y lenguaje que combina redes neuronales convolucionales y una red neuronal de pulsos híbrida con atención espacial para lograr una detección de objetos de vocabulario abierto en cámaras de eventos, superando la falta de información de textura y color mediante la transferencia de representaciones semánticas de CLIP y la segmentación adaptativa de flujos de eventos.
Este artículo propone una nueva estrategia de aprendizaje auto-supervisado que combina pérdidas de división auto-supervisadas con redes de reconstrucción equivariantes para obtener estimaciones imparciales del error supervisado a partir de datos incompletos, logrando un rendimiento de vanguardia en diversas tareas de inversión como la tomografía computarizada y la resonancia magnética.
SymSkill es un marco unificado que aprende simultáneamente abstracciones simbólicas y habilidades orientadas a objetivos a partir de demostraciones no etiquetadas, combinando la generalización composicional de la planificación con la recuperación reactiva en tiempo real para ejecutar tareas de manipulación de largo horizonte de manera eficiente en datos.
Este artículo presenta GRAMPUS, un lenguaje basado en teoría de tipos modales graduados que utiliza grados temporales para especificar formalmente y semánticamente los programas de pulsos de microondas necesarios para controlar computadoras cuánticas de qubits superconductores.