3481 artículos
Este trabajo presenta un agente generativo neuro-simbólico que supera las alucinaciones físicas en la simulación científica al validar y completar autónomamente los mecanismos físicos faltantes mediante razonamiento deductivo, demostrando su eficacia en la predicción correcta de la respuesta de rocas bajo presurización térmica al identificar y corregir suposiciones teóricas erróneas.
LogoDiffuser es un método sin entrenamiento que genera y estiliza logotipos multilingües integrando la estructura de los caracteres mediante mapas de atención inyectados en transformadores de difusión multimodales, evitando así distorsiones geométricas y la necesidad de reentrenamiento.
El artículo presenta MuxGel, un sensor visuo-táctil de doble modalidad que utiliza un patrón de tablero de ajedrez y reconstrucción profunda para capturar simultáneamente información visual externa y señales táctiles a través de una sola cámara, superando las limitaciones tradicionales de los sensores táctiles basados en visión.
Este artículo demuestra que las defensas actuales contra puertas traseras son insuficientes porque eliminar el desencadenante original no elimina la vulnerabilidad, ya que existen "desencadenantes alternativos" que explotan la dirección latente de la puerta trasera en el espacio de características, lo que sugiere la necesidad de desarrollar defensas que se enfoquen en la representación en lugar de en los desencadenantes de entrada.
Este artículo presenta un método de proyección informado por el gradiente de densidad que elimina eficazmente el desenfoque de los bordes estructurales y suprime las regiones de espesor indeseable en la optimización topológica de espesor variable, mejorando la definición geométrica sin comprometer significativamente el cumplimiento estructural.
El artículo presenta CLIOPATRA, el primer ataque que demuestra cómo un adversario puede eludir las protecciones de privacidad de sistemas de análisis de IA como Clio para extraer información médica sensible de usuarios, revelando que las defensas heurísticas actuales son insuficientes.
El artículo presenta TIMID, una nueva arquitectura de detección de anomalías en video que utiliza aprendizaje débilmente supervisado y un dataset de simulación multi-robot para identificar errores temporales dependientes del tiempo en la ejecución de tareas complejas por parte de robots, superando las limitaciones de los modelos de visión-lingüística actuales.
Este artículo presenta DCPGN, un nuevo método de adaptación en tiempo de prueba que utiliza un módulo de crecimiento de prototipos multi-etiqueta y una consistencia de doble pista visual-textual para anticipar acciones y cerrar la brecha entre las vistas egocéntrica y exocéntrica sin necesidad de datos de entrenamiento en el objetivo.
Este artículo presenta el primer estudio sistemático sobre el poder expresivo del lenguaje de restricciones PG-Keys para grafos de propiedades, estableciendo una jerarquía estricta de expresividad al compararlo con las dependencias funcionales y generativas de grafos (GFD y GGD) dentro de un marco unificado, con el fin de informar la futura revisión del estándar GQL.
Este trabajo introduce la tarea de aprendizaje audio-visual de granularidad fina denominada RA-SSU, respaldada por dos nuevos conjuntos de datos (f-Music y f-Lifescene) y el modelo SSUFormer, para lograr una comprensión detallada, a nivel de marco y consciente de la región de las fuentes sonoras.
El artículo presenta ConfCtrl, un marco de interpolación de video consciente de la confianza que permite a los modelos de difusión generar vistas novedosas geométricamente consistentes y visualmente plausibles a partir de solo dos imágenes, superando las limitaciones de los métodos existentes mediante una proyección ponderada por confianza y un mecanismo de corrección residual inspirado en el filtro de Kalman para manejar grandes cambios de perspectiva.
El artículo presenta EmoSURA, un nuevo marco de evaluación que supera las limitaciones de las métricas tradicionales y los jueces basados en LLM al descomponer las descripciones emocionales de voz en unidades perceptuales atómicas para verificarlas directamente contra la señal de audio, ofreciendo así una evaluación más precisa y correlacionada con el juicio humano para textos largos.
El artículo presenta BrainSTR, un marco de aprendizaje contrastivo espaciotemporal que modela redes cerebrales dinámicas interpretables mediante la identificación de fases críticas y subredes relacionadas con enfermedades, mejorando así el diagnóstico neuropsiquiátrico en trastornos como el autismo, el trastorno bipolar y la depresión mayor.
El artículo presenta VLM-Loc, un marco que utiliza modelos de visión-idioma para mejorar la localización en mapas de nubes de puntos mediante la transformación de datos geométricos y semánticos en representaciones estructuradas que permiten un razonamiento espacial interpretable, validado con el nuevo conjunto de datos CityLoc.
Este trabajo evalúa sistemáticamente la accesibilidad del color en imágenes generadas por modelos de difusión, introduciendo la nueva métrica "CVDLoss" para cuantificar las mejoras estructurales y demostrando que los modelos actuales tienen dificultades para responder eficazmente a instrucciones enfocadas en la accesibilidad para personas con deficiencia en la visión del color.
Los autores presentan un esquema de aproximación óptimo bajo Gap-ETH para el problema del viajante y el árbol de Steiner en espacios hiperbólicos de dimensión fija, logrando un tiempo de ejecución $2^{O(1/\varepsilon^{d-1})}n^{1+o(1)}$ mediante una nueva descomposición jerárquica llamada "cuadrícula híbrida hiperbólica" y un análisis de cruces ponderados.
RecThinker es un marco de agentes que transforma la recomendación de un proceso pasivo a una investigación autónoma mediante un paradigma de Análisis-Planificar-Actuar, el cual utiliza herramientas especializadas y entrenamiento con aprendizaje por refuerzo para identificar y cubrir dinámicamente las brechas de información, logrando así un rendimiento superior en escenarios de recomendación.
Este trabajo mejora el tiempo de ejecución de los algoritmos de aproximación para los problemas de -mediana y -medias en espacios euclídeos de baja dimensión a $2^{\tilde{O}(1/\varepsilon)^{d-1}} \cdot n \cdot \text{polylog}(n)$ y demuestra que este límite es casi óptimo bajo la Hipótesis del Tiempo Exponencial con Brecha para 3-SAT.
El artículo presenta MissBench, un nuevo marco de referencia y conjunto de métricas diagnósticas diseñado para evaluar y detectar inequidades en el análisis afectivo multimodal bajo condiciones realistas de datos faltantes desbalanceados, revelando que los modelos que parecen robustos en escenarios ideales pueden presentar desequilibrios significativos en la práctica.
El artículo propone un Sistema de Coherencia de Capacidades (CCS) que mapea modelos de consistencia de memoria a la revocación de autorizaciones multiagente, demostrando mediante simulación que la estrategia de coherencia dirigida por consistencia de lanzamiento (RCC) reduce drásticamente las operaciones no autorizadas en comparación con los métodos basados en tiempo, garantizando la seguridad independientemente de la velocidad de los agentes.