8510 artículos
Este trabajo presenta EasyText, un marco basado en transformadores de difusión que permite la generación precisa y controlable de texto multilingüe mediante la incorporación de codificaciones de posición de caracteres y el uso de un extenso conjunto de datos sintéticos.
Este estudio evalúa empíricamente la eficacia de modelos de lenguaje preentrenados y grandes modelos de lenguaje en la detección de vulnerabilidades multilingües a nivel de función y línea, demostrando que los grandes modelos de lenguaje, especialmente GPT-4o, superan significativamente a los enfoques anteriores al identificar con mayor precisión vulnerabilidades críticas en múltiples lenguajes de programación.
El artículo presenta SpikeSMOKE, una arquitectura de redes neuronales de espigas para la detección 3D de objetos monocular que, mediante un nuevo mecanismo de codificación de compuertas de escala cruzada y bloques residuales ligeros, logra una alta precisión en conjuntos de datos como KITTI y NuScenes mientras reduce significativamente el consumo energético y la complejidad computacional en comparación con métodos tradicionales.
Este artículo presenta las primeras aproximaciones logarítmicas para problemas de dominación de influencia positiva total y parcial tolerantes a fallos, incluyendo una nueva extensión del marco de aproximación para funciones no submodulares a valores fraccionarios.
Este artículo presenta un conjunto de datos a gran escala y longitudinal que abarca una década (2013-2022) de interacciones en el foro de noticias del periódico austriaco DerStandard, incluyendo más de 75 millones de comentarios y 400 millones de votos anonimizados y representados mediante vectores para preservar la privacidad, facilitando así investigaciones sobre dinámicas de discusión y análisis semántico en alemán.
El artículo PyPitfall presenta un análisis cuantitativo de las dependencias vulnerables en el ecosistema PyPI, revelando que miles de paquetes de Python permiten versiones inseguras y destacando la necesidad de mejorar la seguridad de la cadena de suministro de software.
El artículo presenta FieldLVLM, un marco innovador que mejora la comprensión de los Grandes Modelos Visuales-Lingüísticos sobre datos de campos científicos mediante una estrategia de generación de lenguaje específica del dominio y un ajuste de modelos multimodales con compresión de datos, logrando un rendimiento superior en tareas de investigación científica.
Este artículo presenta el análisis teórico y la discretización mediante elementos virtuales de un modelo acoplado 3D-2D que combina flujo de Stokes y placas poroelásticas Biot-Kirchhoff, demostrando su solvabilidad única, estabilidad y convergencia óptima, y validando su aplicación en la simulación de aislamiento inmune mediante membranas de nanoporos de silicio.
Este artículo propone una estrategia de control robótico robusta y conforme, basada en aprendizaje por refuerzo multi-tarea y destilación de políticas, que logra ensamblajes de alta precisión en lotes con tipos y cantidades de ajuste inciertos mediante la descomposición de tareas y la fusión de visión y fuerza.
Este artículo presenta un algoritmo determinista de tiempo polinomial basado en un marco de cómputo gráfico que, mediante la extensión incremental de aristas y un mecanismo de recorte de inconsistencias globales, demuestra que P = NP al evitar la enumeración explícita de certificados.
El artículo presenta YOPO, un marco unificado de un solo paso basado en transformadores que logra un estado del arte en la estimación de pose 9D de múltiples objetos a nivel de categoría a partir de una sola imagen RGB, eliminando la necesidad de modelos CAD, profundidad o etapas cascada.
Este trabajo presenta Adaptive Tamaraw, un marco unificado que combina técnicas de regularización y agrupación supersecuencial para ofrecer una defensa adaptable contra la huella digital de sitios web, logrando reducir la sobrecarga en un 99% en comparación con Tamaraw clásico mientras mantiene garantías de seguridad demostrables.
El artículo presenta BLAST, una herramienta que combina modelos de lenguaje grandes y pruebas de software basadas en búsqueda para generar automáticamente pruebas que reproducen errores a partir de pares de problemas y parches, logrando un rendimiento superior al estado del arte y validando su utilidad práctica mediante un bot desplegado en repositorios de GitHub.
El artículo presenta CoRe-GS, un marco de dispersión gaussiana de lo grueso a lo fino que optimiza selectivamente solo los objetos de interés en una escena, logrando una reconstrucción 3D más rápida y de mayor calidad al reducir los costos computacionales innecesarios para aplicaciones robóticas.
Este estudio presenta el primer análisis a gran escala del uso de aritmética de punto flotante en repositorios públicos de GitHub para lenguajes estáticamente tipados, revelando que, aunque algunos benchmarks existentes son representativos, el código real presenta matices que requieren nuevas evaluaciones y proporcionando un conjunto de datos de 10 millones de funciones para guiar el desarrollo futuro de técnicas de razonamiento.
Este trabajo presenta AwesomeDE, un enfoque que utiliza modelos de lenguaje grandes (LLM) y el marco para generar y evolucionar automáticamente algoritmos de optimización evolutiva con restricciones, demostrando una mayor eficiencia computacional y precisión en comparación con los métodos existentes.
Este artículo presenta un enfoque de aprendizaje descentralizado que permite a equipos de robots cuadrúpedos cooperar mediante contacto físico para transportar objetos no manipulables, utilizando una arquitectura jerárquica y un diseño de recompensas que fomenta un comportamiento de agarre rígido sin necesidad de comunicación ni acoplamiento mecánico.
Este artículo analiza ocho implementaciones reales de IA en contextos no occidentales para identificar seis factores clave y proponer 12 directrices que priorizan la colaboración interdisciplinaria y el diseño culturalmente alineado para lograr sistemas de IA seguros, equitativos y efectivos en ámbitos de alto impacto.
Este artículo presenta el Sistema de Cámara de Imágenes de Desove y Larvas de Coral (CSLICS), una solución automatizada de bajo costo que utiliza visión por computadora para contar desoves de coral con precisión, reduciendo drásticamente el trabajo manual y facilitando la restauración de arrecifes a gran escala.
Este trabajo propone un método no supervisado para recuperar los mecanismos de codificación y decodificación de conceptos en redes neuronales profundas mediante la identificación de pares de direcciones latentes, lo que permite desvelar conceptos interpretables, explicar predicciones y corregir errores sin depender de la reconstrucción de características.