3467 artículos
Este artículo presenta el modelo de artefactos AM4RRE como una propuesta para integrar la ingeniería de requisitos regulatorios en el ciclo de vida del desarrollo de software, con el objetivo de lograr un cumplimiento normativo sistemático y basado en el diseño que aborde la complejidad de la coordinación entre múltiples perspectivas.
El artículo presenta SurgFed, un marco de aprendizaje federado multi-tarea que utiliza guías lingüísticas para la selección de canales y la agregación hiperparamétrica, mejorando la segmentación de escenas quirúrgicas y la estimación de profundidad en entornos clínicos heterogéneos.
El artículo presenta EmbC-Test, un pipeline basado en RAG y modelos de lenguaje grande que automatiza la generación de pruebas para software embebido en C, logrando una corrección sintáctica del 100 %, una tasa de éxito del 85 % en validación y reduciendo hasta un 66 % el tiempo de prueba manual.
Este artículo presenta TalisMan2.0, una herramienta de verificación algebraica híbrida que utiliza razonamiento multimodular en paralelo para evitar el uso de enteros grandes y mejorar significativamente la eficiencia en la verificación de circuitos aritméticos.
El artículo presenta Context-Nav, un enfoque sin entrenamiento específico que mejora la navegación de instancias mediante la integración de descripciones contextuales completas en la exploración y la verificación de candidatos a través de un razonamiento espacial 3D consciente de la perspectiva, logrando así un rendimiento superior en entornos 3D complejos.
Este trabajo investiga la fiabilidad de los Modelos Visuales-Lingüísticos (VLM) como asistentes de conducción, identificando problemas de inconsistencia y razonamiento temporal limitado, y propone el benchmark FutureVQA junto con un método de ajuste auto-supervisado para mejorar la coherencia y la capacidad de inferencia futura sin necesidad de etiquetas temporales.
Este trabajo presenta RuleSafe, un nuevo benchmark de manipulación articulado con tareas no markovianas de largo alcance, y propone VQ-Memory, una representación temporal compacta basada en VQ-VAE que mejora significativamente la planificación y generalización de modelos de visión-idioma-acción en entornos de simulación complejos.
El artículo presenta RESBev, un método robusto y plug-and-play que mejora la percepción en vista cenital (BEV) para la conducción autónoma al reformular la recuperación de características corruptas como un problema de predicción semántica latente mediante un modelo de mundo, logrando así una mayor resistencia a degradaciones de sensores y ataques adversarios sin modificar la arquitectura base.
El artículo presenta DCAU-Net, un nuevo marco de segmentación de imágenes médicas que mejora la precisión y la eficiencia mediante una Atención Cruzada Diferencial para resaltar estructuras discriminativas y reducir la complejidad computacional, junto con una estrategia de Fusión de Características Espacio-Canales para integrar adaptativamente la información semántica y espacial.
Este estudio propone un método impulsado por modelos de lenguaje grande para generar expresiones multimodales dinámicas en agentes pedagógicos de realidad virtual, demostrando mediante experimentos subjetivos que la alineación semántica entre el habla y los gestos mejora significativamente la experiencia de aprendizaje, la participación y la percepción de presencia social.
Este trabajo propone una estrategia de entrenamiento post-inicial basado en aprendizaje por refuerzo, que utiliza una optimización de política grupal adaptada (GRPO) y recompensas híbridas para habilitar la generación intercalada de texto e imágenes en modelos unificados sin depender de grandes conjuntos de datos específicos.
Este trabajo introduce el conjunto de datos DynHiL-EQA y el marco de entrenamiento DIVRR para abordar los desafíos de la respuesta a preguntas encarnadas en entornos dinámicos mediante la refinación de vistas y la selección de memoria, mejorando la robustez y la eficiencia en comparación con los métodos existentes.
El artículo presenta NS-VLA, un marco neuro-simbólico que integra un codificador simbólico, un solucionador y aprendizaje por refuerzo en línea para superar las limitaciones de los modelos VLA actuales, logrando una mayor eficiencia de datos, generalización cero-shot y capacidad de exploración en tareas de manipulación robótica.
Este trabajo presenta un marco de reparación automática de programas basado en modelos de lenguaje grande, diseñado específicamente para identificar y corregir vulnerabilidades en las interfaces entre compartimentos de software mediante un ciclo de retroalimentación que integra un fuzzer especializado, técnicas de análisis para dotar de conciencia de compartimentación a los modelos y una validación de parches.
Este estudio presenta un análisis exhaustivo y unificado de diversos métodos de imagen no lineal de tiempo de vuelo (ToF NLOS), estableciendo un marco común de formulación y hardware para evaluar sus similitudes, diferencias y limitaciones de rendimiento, con el objetivo de servir como referencia para comparaciones objetivas en futuras investigaciones.
El artículo presenta MASSE, un esquema de cifrado buscable simétrico (SSE) dinámico y multiusuario que integra el control de acceso basado en atributos para permitir búsquedas seguras y granulares en la nube sin revelar información sensible al servidor, garantizando además privacidad, revocación eficiente y escalabilidad superior a soluciones existentes como OXT.
El artículo presenta GeoSolver, un marco innovador que mejora el razonamiento paso a paso en la interpretación de teledetección mediante el uso de un modelo de recompensa de proceso (GeoPRM) y un algoritmo de aprendizaje por refuerzo (Process-Aware Tree-GRPO) para lograr un escalado robusto en el tiempo de prueba y alcanzar el estado del arte en diversas pruebas.
Este estudio demuestra que, en un escenario de forrajeo con un presupuesto de evaluación limitado, la especialización de tareas en enjambres de robots no garantiza una mayor eficiencia y puede incluso resultar en un rendimiento inferior al de comportamientos generalistas evolucionados.
Este artículo presenta un marco de optimización de trayectorias que integra explícitamente el auto-envolvente de cables y las restricciones de tensión implícitas para manipular objetos planares deformables, demostrando que la relajación de modo implícito (IMR) supera a los enfoques conservadores al permitir que la evolución del estado genere dinámicamente envolturas que optimizan el par de giro durante las maniobras.
Este artículo avanza hacia la resolución de la conjetura de que los conjuntos de reglas de profundidad de derivación acotada (bdd) son finitamente controlables (fc), demostrando que sus modelos universales no pueden contener torneos arbitrariamente grandes sin implicar una consulta de bucle, lo que reduce el espacio de posibles contraejemplos.