2456 artículos
Este artículo propone un novedoso esquema de distribución de secretos visuales de umbral (n, n) que utiliza códigos QR de color como partes significativas para cifrar de forma segura y recuperar sin pérdidas imágenes privadas mediante el aprovechamiento de la redundancia de color y las operaciones XOR.
Este artículo presenta un estudio empírico que demuestra que la dificultad de los problemas en los benchmarks de generación de código es una métrica estable y transferible impulsada por características de la especificación (como ejemplos y longitud del prompt) en HumanEval y por la complejidad de la solución en MBPP, ofreciendo perspectivas críticas para mejorar la evaluación, la calificación automática y el diseño de herramientas educativas a medida que las puntuaciones agregadas de los modelos se saturan.
Este artículo presenta un modelo de aprendizaje automático pionero que detecta endometriomas ováricos a partir de imágenes de ultrasonido mediante el uso de transformadores de visión y aprendizaje por transferencia de multimodalidad, logrando un alto rendimiento a pesar de la escasez e imbalance de datos, al tiempo que demuestra la transferibilidad de las características de bajo nivel a través de diversas modalidades de imágenes médicas.
A pesar del atractivo teórico de considerar las alucinaciones como inestabilidades dinámicas en los modelos de lenguaje de gran tamaño, este artículo demuestra que las representaciones estáticas son mucho más efectivas para la detección, ya que añadir características dinámicas no proporciona una mejora estadísticamente significativa sobre las sondas lineales simples.
Este artículo presenta un marco de análisis de causa raíz inteligente para Microsoft Fabric y Power BI que utiliza la correlación de telemetría de múltiples capas y la inferencia basada en el lenguaje de consulta Kusto para mejorar significativamente la precisión y la velocidad del diagnóstico de incidentes en comparación con los métodos manuales tradicionales.
Este estudio emplea la investigación basada en el diseño para demostrar que un asistente de codificación GPT personalizado, al integrarse con prompts estructurados y un flujo de trabajo colaborativo centrado en el ser humano, apoya eficazmente la codificación deductiva del diálogo en el aula, al tiempo que destaca que la colaboración exitosa entre humanos e IA depende de la interacción dinámica entre la arquitectura de los prompts, la secuenciación del flujo de trabajo y la postura del investigador hacia la IA.
Este artículo analiza sistemáticamente el condicionamiento contextual en los modelos de visión y lenguaje a través de diversas arquitecturas y conjuntos de datos, revelando que, si bien el prompting a nivel de dominio es consistentemente beneficioso, el condicionamiento contextual completo por imagen conlleva altos riesgos de varianza y sobreajuste, siendo su utilidad impulsada primordialmente por la escala del modelo y la precisión base.
Este artículo presenta el primer estudio a escala de producción sobre el diseño de cursos asistido por IA mediante la minería de un conjunto de datos que preserva la privacidad de CourseFactory para extraer cuatro superficies de flujo de trabajo, demostrando que el triaje de calidad estructural y los modelos de enrutamiento de ítems a tareas mejoran significativamente la eficiencia y la precisión de la revisión, al tiempo que confirman que el texto de los prompts retenido no añade ninguna señal mensurable.
Este estudio demuestra que, si bien las trayectorias exitosas y fallidas en un modelo de mundo perturbado exhiben dinámicas de recuperación distintas —tales como una menor entropía de trayectoria y menos excursiones estructurales—, estos patrones de trayectoria completa no pueden predecirse de manera fiable a partir de prefijos tempranos, distinguiendo así los desafíos de la detección de regímenes, el monitoreo de la recuperación y la predicción de rollouts individuales.
Este artículo presenta el Momento de H. Dilpriya (HDM), un optimizador de estrategias múltiples novedoso que combina correcciones adaptativas por parámetro con programación de recocido de coseno para lograr garantías de convergencia rigurosas y alineación de gradiente de vanguardia, demostrando un rendimiento superior tanto en problemas sintéticos mal condicionados como en pruebas de referencia de aprendizaje profundo como MNIST y CIFAR-10.