2305 artículos
Este artículo demuestra que la optimización de agentes de aprendizaje por refuerzo para tareas relacionadas con las emociones genera naturalmente señales de recompensa internas que se alinean con las características fundamentales de las emociones biológicas, lo que respalda el principio de que las emociones evolucionan para alterar las acciones en la búsqueda de metas intangibles.
Este estudio evalúa sistemáticamente cuatro modelos de aprendizaje automático tradicional frente a cuatro modelos basados en transformadores a través de cinco conjuntos de datos públicos, demostrando que, si bien las arquitecturas de transformadores como RoBERTa superan significativamente a los métodos tradicionales en la precisión de la detección de noticias falsas, incurren en costos computacionales sustancialmente mayores, ofreciendo así conocimientos críticos sobre el compromiso entre modelos bajo diversas restricciones de recursos.
Este artículo define formalmente el juego de cartas nepalés Dahal Jeet, previamente no documentado, y presenta un benchmark computacional exhaustivo que demuestra que los agentes basados en la búsqueda superan a los métodos de aprendizaje, al tiempo que revela que la longitud de los triunfos es un predictor de victoria más fuerte que las cartas de puntuación y que controlar la varianza del reparto es esencial para medir con precisión las diferencias de rendimiento entre humanos y agentes.
Este estudio demuestra que para detectores de peatones congelados bajo ruido gaussiano y adquisición JPEG, seleccionar los denoisers basándose en la concordancia del modelo de degradación es crítico para la recuperación de la detección, mientras que confiar en métricas tradicionales de fidelidad de restauración como PSNR o SSIM puede conducir a elecciones subóptimas.
AlamX es una plataforma de inteligencia clínica totalmente local y preservadora de la privacidad que combina un sistema de triaje de síntomas y signos vitales basado en Random Forest con un LLM biomédico ejecutado localmente para proporcionar predicciones de enfermedades precisas y conscientes de la incertidumbre, así como orientación de salud conversacional, sin transmitir datos sensibles del usuario a servidores remotos.
Un estudio de escenario intrasujetos con adultos de los EE. UU. encontró que los usuarios perciben las arquitecturas de datos integradas y sincronizadas en el tiempo para sistemas de salud mental digital basados en IA de manera más favorable que los marcos tradicionales aislados en cuanto a calidad del sistema, calidad de la información y beneficios netos, aunque estas modestas ventajas perceptuales justifican una mayor validación mediante pruebas de prototipos funcionales.
Este artículo propone un novedoso marco de aprendizaje federado vertical asíncrono integrado con la tecnología blockchain para superar las limitaciones del entrenamiento sincrónico y la coordinación centralizada, mejorando así la eficiencia, la seguridad y el compromiso de los participantes mediante el consenso descentralizado, la evaluación transparente del modelo y mecanismos de incentivos basados en contratos inteligentes.
Este artículo presenta las Redes de Lógica Bipolar (BLN), un modelo de aprendizaje automático basado en reglas que logra una precisión competitiva con los métodos interpretables de vanguardia, al tiempo que proporciona de manera única una lógica booleana verificable e interrogable y probabilidades calibradas, esenciales para la auditoría de decisiones de alto riesgo.
Este artículo propone una arquitectura de computación determinista y sin estado novedosa que integra la teoría de la Resonancia Topológica Algorítmica, una unidad de procesamiento virtual de 1 millón de cúbits y lógica termodinámica reversible para superar el muro de la memoria, los límites de Shannon y la barrera termodinámica de Landauer, garantizando al mismo tiempo la seguridad del hardware y la permanencia digital a largo plazo.
Este estudio demuestra que, si bien los modelos de aprendizaje automático pueden lograr un alto rendimiento en la detección de la demencia en el conjunto de datos OASIS-2 cuando se evalúan rigurosamente con validación cruzada a nivel de participante para prevenir la fuga de datos, su aparente dependencia de las características de la RM es inconsistente y a menudo se ve eclipsada por el Mini-Mental State Examination (MMSE), lo que resalta la necesidad crítica de una validación independiente para asegurar la explicabilidad clínica y la generalizabilidad.