2403 artículos
Este artículo presenta bio2C, un referente compatible con FAIR de 2.500 pares curados de lenguaje natural-Cypher, y un marco de Generación Aumentada por Recuperación modular que mejora significativamente la precisión de Text2Cypher para grafos de conocimiento biomédico mediante el aprovechamiento de ejemplos recuperados sobre el uso de prompts basados en esquemas.
Este estudio demuestra que los modelos de lenguaje de gran escala de vanguardia exhiben una "autocorrección performativa" al generar un extenso discurso crítico sin revisar sustantivamente sus respuestas iniciales a lo largo de 72 rondas de revisión iterativas, desafiando así la eficacia de las estrategias de corrección basadas en el prompting para mejorar la fiabilidad de la IA.
Este artículo presenta un marco transparente y asistido por recuperación que fundamenta la evidencia numérica en lenguaje natural en esquemas de optimización estructurados, demostrando que si bien la recuperación de esquemas es altamente efectiva, el cuello de botella principal para automatizar la instanciación de problemas de optimización reside en la tarea de seguimiento de emparejar con precisión los números extraídos con sus correspondientes espacios.
Este estudio introduce BoneNet, un marco de aprendizaje profundo multimodal que integra una arquitectura base YOLOv8m con bloques de atención residual dilatada y fusión de datos tabulares para lograr la detección automatizada de alta precisión, la gradación de la severidad y la estimación de profundidad explicable de la pérdida ósea periimplantaria, identificando de manera transparente las limitaciones de rendimiento en casos severos.
Este artículo presenta la primera implementación y evaluación de algoritmos de recorrido BFS y DFS eficientes en espacio sobre grafos de de Bruijn sucintos, demostrando reducciones significativas en el uso de memoria auxiliar (hasta 11×) y en la huella de memoria total (hasta 2.36×) en un grafo con 800 millones de aristas.
Este artículo presenta un estudio longitudinal de un mes que demuestra que, si bien tanto los comportamientos persuasivos como los instructivos de los robots mantienen el compromiso de los adultos mayores en actividades cognitivas, un estilo de interacción persuasivo es más eficaz para fomentar respuestas positivas y conexión emocional, lo que sugiere que un enfoque híbrido puede ser la mejor manera de apoyar la motivación a largo plazo.
Este artículo propone un modelo de Sistema de Coordenadas Topológicas del Ciberespacio (CTCS, por sus siglas en inglés) y un marco tridimensional correspondiente que utilizan relaciones lógicas, informativas y sociales para visualizar y analizar eficazmente estructuras de red complejas, superando a los métodos tradicionales al integrar diversos tipos de datos y revelar atributos de los nodos y rutas de propagación.
Esta revisión sistemática de la literatura sintetiza investigaciones desde 2010 hasta 2026 para demostrar que los incidentes de ciberseguridad surgen de la compleja interacción de factores cognitivos, sociales y organizacionales en lugar de errores aislados del usuario, proponiendo finalmente un marco integrador centrado en el ser humano para abordar estas vulnerabilidades.
Este artículo presenta un marco de trabajo basado en aprendizaje profundo utilizando TensorFlow y MediaPipe para permitir el reconocimiento de gestos manuales sin contacto y en tiempo real para diversas aplicaciones como el control de medios, los juegos y la accesibilidad, ofreciendo una alternativa precisa y rentable a los dispositivos de entrada tradicionales.
Este artículo propone un marco de simulación de roles múltiples utilizando Modelos de Lenguaje de Gran Escala y validación de Humano en el Bucle para generar un conjunto de datos sintéticos de alta calidad y verificados por expertos sobre casos de divorcio de la Ley de Familia Saudí, superando eficazmente la escasez de registros judiciales reales causada por las restricciones de privacidad.