6606 artículos
Este artículo introduce el nuevo paradigma de generalización de dominio de vocabulario abierto en segmentación semántica (OVDG-SS) para entornos urbanos, presentando un primer benchmark y proponiendo el mecanismo S2-Corr para mitigar las distorsiones en las correlaciones texto-imagen causadas por cambios de dominio y mejorar la robustez en escenarios no vistos.
El artículo presenta INDUCTION, un nuevo benchmark en lógica de primer orden diseñado para evaluar la capacidad de los modelos para sintetizar conceptos a partir de estructuras finitas, revelando gradientes de dificultad, familias estructurales persistentemente complejas y una correlación positiva entre la concisión de las fórmulas y su capacidad de generalización.
Este artículo presenta SKYLIGHT, una arquitectura escalable de núcleo tensorial fotónico en memoria de 3D con cien canales que supera las limitaciones de escalabilidad y fiabilidad existentes para lograr una inferencia de IA en tiempo real altamente eficiente energéticamente, capaz de realizar actualizaciones de pesos in situ y superar el rendimiento por vatio de las GPU más avanzadas.
El artículo presenta UniMatch, un marco de aprendizaje profundo que establece correspondencias densas semánticas entre formas 3D no isométricas de diferentes categorías mediante un enfoque de dos etapas que combina segmentación semántica agnóstica a la clase, orientación mediante modelos de lenguaje multimodal y un esquema de aprendizaje contrastivo basado en rangos.
El documento argumenta que iCloud falla al integrar herramientas de desarrollo y copias de seguridad debido a un error categórico fundamental: proyectar un grafo causal distribuido sobre una cadena temporal lineal bajo suposiciones de "solo hacia adelante en el tiempo", un problema estructural que, al igual que el parpadeo de enlaces en redes, provoca un colapso epistémico que solo puede resolverse mediante semánticas transaccionales como las de Open Atomic Ethernet, las cuales alinean el comportamiento del protocolo con la realidad física.
InfScene-SR es un enfoque de superresolución basado en difusión que utiliza la fusión de corrección de varianza y la corrección de varianza desacoplada espacialmente para lograr una superresolución de imágenes de tamaño arbitrario sin costuras ni inconsistencias espaciales, eliminando así los límites de memoria y permitiendo inferencia distribuida eficiente.
Este artículo propone un esquema de descomposición y recomposición en línea de objetos, escenas y cámaras para generar datos de entrenamiento sintéticos diversos y eficientes, mejorando así la detección 3D de objetos monocular con menos datos y anotaciones.
Este trabajo presenta un marco de descomposición de imágenes en contexto que utiliza modelos de difusión preentrenados adaptados mediante LoRA y una estrategia de ajuste cíclico para separar eficazmente logotipos de sus superficies subyacentes, mejorando la robustez mediante la consistencia de reconstrucción y un proceso progresivo de auto-mejora.
Este trabajo presenta un marco iterativo y sin entrenamiento que mejora el razonamiento multimodal en modelos de visión y lenguaje grandes mediante la supervisión de cada paso de razonamiento con evidencia visual dinámica, reduciendo así las alucinaciones y aumentando la precisión sin necesidad de reentrenamiento.
El artículo presenta ARLArena, un marco unificado para analizar la estabilidad en el aprendizaje por refuerzo agéntico (ARL), y propone SAMPO, un método de optimización que garantiza un entrenamiento estable y de alto rendimiento en diversas tareas.
Este artículo presenta un enfoque unificado para la segmentación semántica en imágenes y videos que utiliza modelado de lenguaje para generar máscaras como secuencias de tokens discretos mediante codificación de longitudes de ejecución (RLE), incorporando estrategias de compresión y detalles de instancias para lograr resultados competitivos con el estado del arte.
El artículo presenta EmoOmni, un marco unificado que mejora la comprensión y expresión emocional en modelos de lenguaje multimodales mediante la introducción de una Cadena de Pensamiento Emocional (E-CoT), junto con un conjunto de datos anotados y una nueva evaluación para abordar las limitaciones actuales en escenarios del mundo real.
CryoNet.Refine es un modelo de difusión de un solo paso que automatiza y acelera el refinamiento de estructuras moleculares a partir de mapas de densidad de criomicroscopía electrónica, superando en velocidad y precisión a los métodos tradicionales como Phenix y Rosetta.
Este artículo introduce el concepto de "investigación de ambiente" (vibe researching) mediante agentes de IA equipados con habilidades especializadas, argumentando que, aunque estos sistemas pueden automatizar gran parte del proceso investigativo, su delegación óptima depende de una frontera cognitiva basada en la codificabilidad y el conocimiento tácito, lo que plantea riesgos de estratificación y una crisis pedagógica que requieren principios de uso responsable.
El estudio descompone la discrepancia entre médicos en la evaluación de IA médica, revelando que la mayor parte de la varianza es estructural y no explicada por factores observables, aunque la incertidumbre reducible (como la falta de contexto) duplica las probabilidades de desacuerdo, lo que sugiere que mejorar el diseño de las evaluaciones para cerrar brechas de información podría reducir el conflicto en casos no inherentemente ambiguos.
WISER es un marco de recuperación de imágenes compuestas sin entrenamiento que supera las limitaciones de los métodos existentes mediante una búsqueda más amplia, un pensamiento más profundo y una fusión adaptativa que unifica las búsquedas basadas en texto e imagen para lograr un rendimiento superior en diversos escenarios.
El artículo presenta PackUV, un nuevo método de representación 4D que mapea atributos gaussianos en atlas UV compatibles con códecs de video estándar para lograr almacenamiento compacto y transmisión eficiente, junto con un conjunto de datos masivo (PackUV-2B) que demuestra una reconstrucción temporalmente consistente y de alta fidelidad en secuencias de larga duración.
Este trabajo propone un enfoque de planificación generalizada que aprende modelos de transición explícitos mediante redes neuronales para predecir estados intermedios, logrando una mayor generalización fuera de distribución y una mayor eficiencia en el uso de muestras en comparación con los métodos actuales basados en Transformers que predicen secuencias de acciones directamente.
El artículo presenta HART, un marco de aprendizaje por refuerzo sin anotaciones que mejora el razonamiento visual de modelos multimodales de alta resolución mediante la optimización de la localización de regiones clave y la auto-verificación, logrando un rendimiento superior en diversas tareas sin depender de etiquetas de anclaje costosas.
El artículo presenta PEPA, un agente encarnado con arquitectura cognitiva de tres capas que utiliza rasgos de personalidad para generar objetivos internos y lograr una autonomía persistente en entornos dinámicos, validado mediante el despliegue de un robot cuadrúpedo en un edificio de oficinas sin intervención humana continua.