6717 artículos
El artículo presenta ReMeDI-SAM3, una extensión sin entrenamiento de SAM3 que mejora la segmentación de instrumentos quirúrgicos mediante filtrado de memoria, interpolación y reidentificación para superar los desafíos de oclusión y movimiento, logrando mejoras significativas en métricas de precisión en comparación con enfoques anteriores.
Este estudio demuestra que, aunque la percepción subjetiva de la vegetación urbana no siempre coincide con las mediciones objetivas, las diferencias se explican principalmente por el lugar de residencia de las personas y no por su demografía o personalidad, lo que sugiere que factores culturales y experienciales moldean significativamente cómo se observa el verde en las ciudades.
El artículo presenta VOIC, un marco innovador que mejora la Completación Semántica de Escenas 3D a partir de una sola imagen mediante una estrategia de extracción de etiquetas de regiones visibles y una red de doble decodificador que desacopla y optimiza por separado la percepción de zonas visibles y el razonamiento de zonas ocluidas, logrando así un rendimiento superior en benchmarks como SemanticKITTI.
Este artículo demuestra que, en entornos de nube como Google BigQuery, la optimización de la velocidad de ejecución no garantiza la eficiencia de costos en sistemas Text-to-SQL, revelando que los modelos de razonamiento reducen significativamente el consumo de datos manteniendo una precisión equivalente, mientras que los modelos no de razonamiento presentan una variabilidad de costos extrema debido a patrones de ineficiencia en las consultas.
NashOpt es una biblioteca de código abierto en Python que utiliza las condiciones KKT conjuntas y técnicas como la diferenciación automática y la programación lineal mixta-entera para calcular equilibrios de Nash generalizados, diseñar juegos inversos y de Stackelberg, y resolver problemas de control óptimo en sistemas no cooperativos.
El marco de Codificación Congruente con la Conservación (CCE) propone una teoría física unificada e independiente del sustrato que vincula la inteligencia con procesos termodinámicos irreversibles, derivando límites universales para el cómputo y estableciendo un vínculo dinámico entre la disipación termodinámica, la medición cuántica y la geometría del espacio-tiempo.
El artículo presenta DrivingGen, el primer benchmark integral para modelos de mundo generativos en conducción autónoma, que aborda las limitaciones actuales mediante un conjunto de datos diverso y nuevas métricas para evaluar de forma rigurosa la realismo visual, la plausibilidad de las trayectorias, la coherencia temporal y el control en la simulación de escenarios de conducción.
Este artículo presenta un marco de aprendizaje automático guiado por la física que, utilizando datos operativos del superordenador Frontier, identifica y propone ajustes en los puntos de control del sistema de refrigeración para recuperar hasta un 96% del exceso de energía consumido, ofreciendo una vía práctica para optimizar la eficiencia en centros de datos de alto rendimiento.
El artículo presenta "Batch-of-Thought" (BoT), un método sin entrenamiento que mejora el razonamiento de los modelos de lenguaje al procesar consultas relacionadas de forma conjunta para aprovechar patrones compartidos y verificaciones de consistencia, logrando así mayores precisión y eficiencia en comparación con el procesamiento independiente.
El artículo presenta R^4, un marco de agentes auto-mejorables que descompone el análisis de imágenes médicas en cuatro etapas coordinadas (enrutamiento, recuperación, reflexión y reparación) para generar informes clínicos y localizaciones más precisos y seguros sin necesidad de ajuste fino basado en gradientes.
Este estudio audita y realiza una etnografía del predictor LAION-Aesthetics, revelando que su enfoque algorítmico de la calidad estética refuerza sesgos occidentales, masculinos e imperiales al filtrar desproporcionadamente imágenes que representan a mujeres y personas LGBTQ+, lo que subraya la necesidad de transitar hacia evaluaciones más plurales en lugar de medidas prescriptivas de "estética".
El artículo presenta CaMeLs, un marco de seguridad para agentes de uso informático que utiliza planificación de un solo disparo para lograr aislamiento arquitectónico y garantizar la integridad del flujo de control frente a inyecciones de instrucciones y ataques de desviación de ramas, logrando un equilibrio entre seguridad rigurosa y rendimiento funcional.
Este estudio analiza cómo los usuarios detectan y responden a la conducta sycophántica en la IA conversacional, revelando que, aunque emplean diversas estrategias de mitigación, ciertos grupos vulnerables valoran este comportamiento como apoyo emocional, lo que sugiere la necesidad de un diseño de IA contextual en lugar de su eliminación universal.
El artículo presenta BoxMind, un sistema de IA de bucle cerrado que transforma datos de video no estructurados en inteligencia estratégica mediante un modelo predictivo basado en grafos, el cual fue validado durante los Juegos Olímpicos de París 2024 y contribuyó directamente al éxito histórico del equipo nacional chino de boxeo.
El artículo presenta MSAHG, un marco de aprendizaje en hipergrafos que mejora la recomendación de puntos de interés futuros al dividir los datos en escenarios específicos para capturar patrones de movilidad distintos y resolver conflictos entre ellos mediante un mecanismo de división de parámetros.
El artículo presenta S2DiT, un modelo de Transformador de Difusión en sándwich optimizado para generar video de alta fidelidad en tiempo real en dispositivos móviles mediante mecanismos de atención eficientes y un marco de destilación, logrando más de 10 FPS en un iPhone con calidad comparable a los modelos de servidor más avanzados.
Este artículo estudia el diseño de contratos de pago igualitario para equipos de agentes, proporcionando algoritmos de aproximación y resultados de dureza para diversas funciones de recompensa, resolviendo problemas abiertos en contratos sin restricciones y cuantificando el costo de la equidad mediante un precio de igualdad de .
El artículo presenta ReViP, un marco de modelos de visión-idioma-acción que mitiga las "completaciones falsas" mediante un reequilibrio entre visión y propiocepción, utilizando señales visuales conscientes del progreso para mejorar la robustez y el rendimiento en tareas de manipulación robótica.
Este artículo presenta ScenePilot-Bench, un nuevo benchmark a gran escala basado en el dataset ScenePilot-4K diseñado para evaluar y analizar las capacidades de los modelos de visión-linguaje en la comprensión, percepción espacial y planificación de movimiento para la conducción autónoma.
Este trabajo presenta QSTar, un nuevo método de interacción espacial-temporal-frecuencial guiado por consultas que integra información textual desde etapas tempranas y explota las características de frecuencia del audio para superar las limitaciones de los enfoques existentes en la respuesta a preguntas audiovisuales (AVQA), logrando mejoras significativas en diversos benchmarks.