2285 artículos
Este artículo demuestra que los sistemas de mapeo de conceptos basados en LLM pueden reducir significativamente los errores de sobrealineación en términos no mapeables al estructurar los conjuntos de candidatos en formatos comparables y excluyentes, un principio de diseño que resulta más efectivo que simplemente proporcionar la respuesta correcta o mejorar la recuperación.
Este artículo presenta AMODD, un flujo de trabajo aumentado por aprendizaje automático que aprovecha incrustaciones semánticas ligeras para eliminar la redundancia de secciones de documentos y agrupar entidades de grafos, reduciendo significativamente el consumo de tokens de los LLM y la latencia para la construcción de grafos de conocimiento mientras mantiene una alta calidad de recuperación.
Este artículo presenta el desarrollo y la validación piloto de un sistema de autopráctica asistido por IA para el erhu que integra el reconocimiento óptico de música, el seguimiento de la altura tonal y el escalado temporal dinámico para proporcionar retroalimentación alineada con la partitura, demostrando una fuerte correlación con las calificaciones de expertos y una alta usabilidad entre estudiantes de conservatorio.
Este artículo introduce la "Ética de la Posibilidad", un marco conceptual-computacional que evalúa los sistemas sociotécnicos cuantificando su impacto en las oportunidades futuras éticamente admisibles mediante una métrica novedosa llamada Entropía de Opción, implementada en el kit de herramientas Omega-PE para revelar pérdidas de oportunidad distributivas que a menudo pasan desapercibidas para las medidas agregadas.
Este artículo propone un novedoso marco de hiperheurística A-Teams asistido por Aprendizaje por Refuerzo que acelera significativamente la optimización de rutas en tiempo real para sistemas colaborativos UAV-UGV, entregando soluciones casi óptimas entre un 30 y un 70 % más rápido que los métodos existentes mientras se adapta eficazmente a los cambios ambientales dinámicos.
El artículo propone JK-DHGNN, un marco de doble vista que integra un generador de hipergrafos dinámicos Top-, filtrado espectral de Jacobi y un clasificador basado en polinomios de Jacobi para detectar eficazmente el fraude financiero y de comercio electrónico mediante el modelado tanto de relaciones por pares como de afiliaciones de orden superior, logrando un rendimiento superior en los conjuntos de datos YelpChi y Amazon al demostrar la eficacia de sus componentes dependiendo del conjunto de datos.
Este artículo presenta un Módulo de Refinamiento de Límites (BRM, por sus siglas en inglés) ligero y post-hoc que mejora significativamente la precisión del reconocimiento de entidades nombradas biomédicas al corregir errores de límite sin degradar las predicciones correctas existentes, mejorando así la estabilidad de la extracción de relaciones descendente requiriendo al mismo tiempo recursos computacionales mínimos.
Este artículo presenta ChaosEntropyGate v2 (CEG-2), un mecanismo de compuerta de incertidumbre acotado y aprendible junto con un aumentador de características que, si bien mejora modestamente la detección de malware basada en aprendizaje profundo en regímenes específicos y corrige problemas previos de inestabilidad, confirma en última instancia que los ensambles de árboles ajustados siguen siendo la solución más robusta y rentable para la tarea.
Este artículo evalúa y compara el rendimiento de los modelos Random Forest, XGBoost y Redes Convolucionales Temporales para predecir la vida útil remanente de las baterías de iones de litio, demostrando su despliegue práctico y efectividad en la Coral Dev Board para el mantenimiento predictivo en vehículos eléctricos.
El artículo presenta APOSM, un marco de aprendizaje activo que mejora el diseño de moléculas pequeñas al entrenar un sustituto de red neuronal de grafos basado en comparaciones moleculares de pares en lugar de puntuaciones absolutas, mejorando así significativamente la consecución de objetivos y la eficiencia de muestreo en regímenes de cribado con ruido.