2363 artículos
Este artículo presenta AlloyGen, un marco de agentes múltiples autoadaptativo y fundamentado en la física que orquesta autónomamente la recuperación de conocimientos, las simulaciones termodinámicas y la organización dinámica de equipos para optimizar los flujos de trabajo complejos de diseño de aleaciones para la fabricación aditiva.
El artículo presenta FetMRIE, un novedoso marco de aprendizaje no supervisado que utiliza la eliminación de ruido por difusión de emparejamiento de estados adaptativo para mejorar la resonancia magnética del cerebro fetal mediante la supresión efectiva del ruido y los artefactos inducidos por el movimiento, preservando al mismo tiempo detalles anatómicos y patológicos críticos sin requerir imágenes de referencia limpias.
Esta encuesta presenta un marco de aprendizaje de representación unificado que rastrea la convergencia de los paradigmas discriminativos, multimodales y generativos en la visión computacional moderna —desde las CNN y los Vision Transformers hasta los modelos fundacionales y de difusión— argumentando a favor de una perspectiva cohesiva para avanzar hacia una inteligencia visual de propósito general.
Este estudio informa que el modelo de detección de texto de IA WordBinary logró una precisión de clasificación perfecta (100%) en un banco de pruebas específico de 11,000 muestras que comprenden 9,000 textos generados por IA y 2,000 artículos académicos humanos anteriores a 2015, al tiempo que reconoce que estos resultados requieren una validación independiente adicional y pruebas más amplias antes de generalizarse a una precisión universal.
Este artículo introduce y valida un marco sistemático para auditar la fiabilidad de los benchmarks de LLM en bengalí mediante la detección de la contaminación de datos translingüísticos y la medición de la robustez frente a perturbaciones, revelando que los resultados piloto iniciales muestran un rendimiento apenas por encima de los niveles de azar.
Esta revisión examina el impacto transformador de las técnicas de reconstrucción de imágenes 3D impulsadas por IA y las convencionales en la imagenología médica, destacando cómo el aprendizaje profundo, la realidad aumentada y los algoritmos optimizados mejoran la precisión diagnóstica y la planificación quirúrgica al tiempo que abordan desafíos constantes como las demandas computacionales y el ruido.
Este estudio demuestra que JuriBERT, un modelo adaptado al dominio jurídico francés, predice con mayor exactitud los resultados de más de 157.000 decisiones de tribunales administrativos franceses basándose únicamente en los antecedentes fácticos y procesales, alcanzando una puntuación F1 macro de 0,718 y destacando la señal predictiva contenida en los hechos del caso antes de la adjudicación.
Este artículo presenta una evaluación controlada que demuestra que la selección de contexto de grafos de conocimiento con alcance de repositorio genera eficazmente pruebas de validación de ontologías para el artefacto multi-módulo TKTOnto mediante el aislamiento automático de módulos relevantes, el cumplimiento de un contrato de relevancia determinista y la reducción de tokens de entrada en un 2.24%.
Este estudio propone un método de carga de decisión monótono y consciente de la redundancia para la supervisión humana explicable en la colaboración humano-robot que garantiza que las condiciones de seguridad nunca sean anuladas por puntuaciones agregadas, demostrando un rendimiento predictivo mejorado y monotonicidad matemática sobre los modelos no ajustados en extensas simulaciones computacionales, al tiempo que señala la necesidad de una futura validación de campo.
Este artículo propone un marco de optimización automatizada de hiperparámetros para el diagnóstico de fallas de máquinas basado en aprendizaje por transferencia mediante un algoritmo híbrido de Algoritmo Genético–Simulated Annealing, el cual demuestra mejoras de rendimiento robustas sobre los métodos de referencia en diversos escenarios industriales que involucran escasez de datos y cambios de dominio.