4092 artículos
Este artículo propone un Marco de Datos Múltiples Adaptativo (AMDF, por sus siglas en inglés) que integra tres conjuntos de datos de referencia con Sentence-BERT y XGBoost para detectar y filtrar eficazmente ataques de inyección de prompts y de jailbreak, alcanzando un 84% de precisión y mejorando la generalización de las defensas de los LLM contra amenazas en evolución.
Este artículo propone una optimización de enjambre de partículas mejorada de inspiración cuántica (QI-PSO) que reemplaza el movimiento clásico impulsado por la velocidad con leyes de desplazamiento cuántico de potencial limitado para superar eficazmente las mesetas de penalización en la optimización multimodal restringida, demostrando reducciones de error significativas en evaluaciones comparativas difíciles mientras retiene la superioridad del enfoque clásico en problemas dominados por la explotación.
Este artículo demuestra empíricamente las limitaciones de los métodos de aprovisionamiento estático en la nube para gestionar cargas de trabajo dinámicas y restricciones de SLA utilizando trazas de Google Cluster, abogando así por la adopción del Aprendizaje por Refuerzo Profundo como un enfoque superior, adaptativo y centrado en el ser humano para la orquestación automatizada de recursos.
Este artículo presenta un marco de preservación de la privacidad que genera datos sintéticos clínicamente precisos para entrenar un modelo DistilBERT para la detección del control coercitivo, superando eficazmente la "brecha de datos forenses" al lograr un alto rendimiento en evaluaciones de redes sociales y legales del mundo real sin comprometer la privacidad del usuario.
Este artículo propone un novedoso método de "Colapso Cartesiano Simétrico" que simula circuitos cuánticos no Clifford en tiempo y almacenamiento lineales al modelar los sistemas cuánticos como trayectorias discretas únicas en lugar de matrices densas, lo que teóricamente permite la simulación de más de mil cúbits en hardware de consumo.
Este artículo demuestra que en los modelos de pensamiento continuo, la interpretabilidad basada en la lectura (readout) a menudo falla al reflejar la computación subyacente porque los estados latentes requeridos para cambiar la respuesta del modelo son significativamente mayores que los necesarios para alterar la lectura proyectada, lo que requiere curvas de dosis-respuesta en lugar de intervenciones de magnitud única para un análisis causal preciso.
Este artículo propone un sistema de gestión de identidad de Confianza Cero descentralizado y potenciado por IA que mejora la seguridad en los ecosistemas fintech al reemplazar los vulnerables OTP con biometría multimodal resistente a deepfakes y defensa cibernética predictiva, logrando una precisión del 99,2% en la detección de amenazas.
Esta revisión sistemática y metaanálisis demuestra que los sistemas de colaboración de múltiples agentes superan significativamente a los modelos de lenguaje extensos únicos en la respuesta a preguntas médicas, a pesar de las brechas críticas en la transparencia de la información, la concentración geográfica en China y los EE. UU., y la rentabilidad variable.
Este artículo presenta BCSDBT-Seg, un conjunto de datos de acceso abierto que cuenta con máscaras de segmentación de lesiones a nivel de vóxel en 3D anotadas por expertos e informes BI-RADS estructurados para 396 volúmenes de tomosíntesis digital mamaria de 201 pacientes con biopsia confirmada, diseñado para avanzar en la investigación de segmentación automatizada, radiómica y aprendizaje profundo en el cribado del cáncer de mama.
JUDICATA es una arquitectura neurosimbólica agéntica y agnóstica al modelo que integra la recuperación adaptativa, cadenas de razonamiento lógico, defensa adversarial y una salida estructurada basada en Toulmin para reducir significativamente las alucinaciones y mejorar la fiabilidad, la seguridad y la contestabilidad procesal del razonamiento jurídico automatizado.