7208 artículos
Este estudio investiga cómo la latencia afecta la calidad de experiencia (QoE) en pizarras virtuales de realidad en red, clasificándola en aspectos pragmáticos y hedónicos, y analizando su impacto a través de diferentes modos de colaboración y configuraciones de plataformas (con y sin avatares) en comparación con una pizarra basada en PC.
El artículo presenta CORAL, un marco escalable para el aprendizaje robótico multi-tarea que utiliza expertos LoRA especializados y aislados por tarea para mitigar la interferencia entre gradientes y evitar el olvido catastrófico, logrando un rendimiento superior en robots reales y simulados sin sobrecarga de inferencia.
Este estudio propone un modelo que detecta el momento óptimo para la validación emocional en diálogos hablados japoneses utilizando únicamente señales paralingüísticas y emocionales, sin depender del contexto textual, logrando así mejorar la interacción humano-robot empática.
Este artículo presenta una solución basada en un Entorno de Ejecución Confiable (TEE) de RISC-V que proporciona un servicio de entropía externa para dispositivos IoT con recursos limitados, permitiendo que estos generen claves criptográficas seguras al solicitar entropía de alta calidad a un servidor verificado.
El artículo presenta IntroSVG, un marco generativo introspectivo que utiliza un modelo de lenguaje visual unificado en un bucle cerrado de "generar-revisar-refinar" con retroalimentación visual y optimización directa de preferencias para superar las limitaciones de los métodos actuales y producir gráficos vectoriales escalables (SVG) de mayor calidad, complejidad y alineación semántica.
El artículo presenta NLiPsCalib, un marco de calibración eficiente y consistente con la física que utiliza estereofotometría de luz cercana para lograr una reconstrucción 3D de alta fidelidad en sensores visuotáctiles curvos mediante contactos simples con objetos cotidianos, eliminando la necesidad de dispositivos de calibración costosos y laboriosos.
Este trabajo presenta OddGridBench, un nuevo benchmark que revela la deficiente sensibilidad a discrepancias visuales de los modelos de lenguaje multimodal actuales, y propone OddGrid-GRPO, un marco de aprendizaje por refuerzo que mejora significativamente esta capacidad mediante aprendizaje curricular y recompensas conscientes de la distancia espacial.
Este estudio utiliza honeypots en la red Tor para demostrar que la mayoría de los usuarios humanos descubren sitios a través de Ahmia.fi y que, entre las categorías de contenido ilegal monitoreadas, los sitios temáticos de abuso sexual infantil (CSAM) generan un nivel de interacción significativamente superior, especialmente en sus versiones en inglés.
Este artículo presenta y evalúa un motor de matemáticas de precisión dinámica para microcontroladores ESP32 que combina aritmética de punto fijo, un módulo CORDIC y multiplicación de matrices optimizada para lograr aceleraciones significativas en operaciones trigonométricas y de álgebra lineal mediante la conmutación en tiempo real entre rutas de ejecución de punto fijo y de coma flotante.
Este estudio de caso demuestra que, aunque es posible generar especificaciones de requisitos de sistema sintéticas y realistas con ChatGPT mediante un enfoque iterativo de patrones de prompts, la evaluación automática basada en modelos de lenguaje no puede sustituir completamente la revisión exhaustiva de expertos debido a errores como contradicciones y alucinaciones.
Este trabajo propone la Calibración Espectral Predictiva (PSC), un marco libre de fuentes que mejora la adaptación en tiempo de prueba para regresión de imágenes mediante la alineación de subespacios y la calibración espectral residual, logrando mejoras consistentes sobre métodos existentes bajo cambios de distribución severos.
Este tutorial de ICDE 2026 ofrece una visión integral de la convergencia entre la búsqueda vectorial y la IA, explorando cómo se potencian mutuamente mediante técnicas de aprendizaje automático y marcos de generación aumentada por recuperación (RAG) para establecer un ciclo virtuoso de optimización y mejora de capacidades.
El artículo propone un marco de esteganografía de imágenes robusto y con seguridad demostrable basado en la optimización iterativa en el espacio latente, que mejora significativamente la precisión de extracción de mensajes bajo compresión y procesamiento de imágenes sin comprometer la seguridad teórica.
ProvAgent es un marco de trabajo que mejora la detección y la investigación de amenazas avanzadas persistentes (APT) mediante la combinación de modelos tradicionales para el filtrado de anomalías, un aprendizaje de contraste gráfico para la vinculación de identidad y comportamiento, y un sistema multiagente autónomo que reconstruye procesos de ataque con alta precisión y bajo costo.
El artículo presenta EPPINN, un marco de aprendizaje profundo evidencial basado en redes neuronales informadas por física que mejora la precisión y fiabilidad de la estimación de parámetros de perfusión en la tomografía computarizada para el ictus isquémico agudo al cuantificar la incertidumbre aleatoria y epistémica sin necesidad de muestreo bayesiano.
SinGeo es un marco innovador que utiliza un aprendizaje discriminativo dual y una estrategia de aprendizaje curricular para permitir que un único modelo logre una geo-localización cruzada robusta y adaptable a diversas condiciones de campo de visión, superando el estado del arte en múltiples conjuntos de datos.
Este artículo establece explícitamente que el tamaño óptimo de un circuito cambia como máximo en ante una perturbación de un punto en su tabla de verdad, extendiendo el resultado a distancias de Hamming generales y verificando su optimalidad exhaustiva para mediante un análisis SAT en la base AIG.
Este estudio presenta PixelConfig, un marco de análisis diferencial que revela que la configuración predeterminada del Meta Pixel en miles de sitios web, especialmente en el sector salud, facilita la recolección masiva de datos sensibles y de actividad de los usuarios, mientras que las medidas de restricción implementadas ofrecen una protección limitada y son fácilmente eludibles.
El artículo presenta EventVGGT, un marco innovador que mejora la estimación de profundidad basada en eventos mediante la distilación de conocimientos espaciotemporales y geométricos del modelo VGGT, superando las limitaciones de consistencia temporal y precisión de los métodos anteriores al tratar las secuencias de eventos como videos coherentes en lugar de fotogramas independientes.
El artículo presenta MIDAS, un marco de esteganografía sin entrenamiento basado en difusión que permite ocultar múltiples imágenes con control de acceso específico para cada usuario mediante fusión a nivel latente, superando a los métodos existentes en calidad, robustez y resistencia al análisis.