3899 artículos
Este artículo demuestra que a medida que los transformadores se acercan a su capacidad de memoria, la degradación causada por la cuantificación de pesos se amplifica porque la reducción de los márgenes para los hechos almacenados coincide con un aumento del ruido de cuantificación impulsado principalmente por las ganancias de las capas descendentes de la red.
Este artículo presenta el Optimizador de la Íbice Nubia (NIO), un nuevo algoritmo metaheurístico inspirado en la naturaleza que demuestra una convergencia, robustez y adaptabilidad superiores al resolver problemas de optimización complejos a través de 23 funciones de referencia y 8 desafíos de diseño de ingeniería.
Este artículo propone un marco de inteligencia artificial explicable impulsado por un gemelo digital cognitivo que mejora la detección adaptativa de amenazas cibernéticas de día cero mediante el modelado continuo de estados de seguridad y la provisión de predicciones interpretables, logrando métricas de rendimiento superiores en evaluaciones simuladas en comparación con modelos estáticos, al tiempo que destaca la necesidad de validación en el mundo real.
Este artículo establece un marco estadístico riguroso para las redes de Memoria a Largo Corto Plazo al modelarlas como sistemas de espacio de estados estocásticos no lineales y derivar sus límites de EDO neuronal en tiempo continuo, proporcionando al mismo tiempo garantías teóricas de estabilidad, consistencia del estimador y límites de riesgo predictivo bajo supuestos específicos.
Este artículo presenta una revisión sistemática de la literatura de seis taxonomías de estimación del esfuerzo de software, revelando una fragmentación estructural significativa, una falta de cobertura para dominios de aplicación emergentes como la telefonía móvil y la IA, y una ausencia general de validación externa, resaltando así la necesidad urgente de una taxonomía unificada y validada por la industria.
Este artículo propone un marco inteligente que aprovecha la IA generativa y los sistemas multiagente colaborativos para automatizar y optimizar el diseño de edificios sostenibles mediante la generación y evaluación iterativa de soluciones arquitectónicas, estructurales y de eficiencia de costos basadas en los requisitos del usuario y las restricciones del sitio.
Este estudio de falsificación preespecificado demuestra que, bajo un protocolo temporal bloqueado y líneas de base clásicas emparejadas en el conjunto de datos Elliptic++, los núcleos cuánticos no lograron mostrar una ventaja predictiva repetible sobre los modelos clásicos, con su rendimiento limitado fuertemente dependiente del ajuste de ancho de banda y colapsando en ventanas de tiempo posteriores.
AXAI-MH es un marco de IA adaptativo y explicable que aprovecha un mecanismo de interpretabilidad híbrido y un motor de reglas sensible al contexto para ofrecer evaluaciones de riesgo de salud mental personalizadas y específicas para cada parte interesada, logrando una alta precisión predictiva mientras mejora significativamente la confianza y la usabilidad del clínico en comparación con los estándares de referencia habituales.
Aunque el estudio planteó la hipótesis de que el modelo especializado en el dominio MedGemma 4B superaría a un LLM Council multimodelo, los resultados mostraron que MedGemma logró una mayor precisión general que el marco del Consejo, mientras que el modelo de propósito general único Qwen3-4B-2507 superó independientemente a ambos, lo que sugiere que un razonamiento general sólido puede superar tanto a los enfoques basados en consenso como a los especializados en medicina en el análisis de informes de radiología clínica.
Este artículo demuestra empíricamente que, para modelos de pesos abiertos ajustados por instrucciones de tamaño pequeño (3.8–8B) que resuelven problemas matemáticos de nivel de escuela primaria, el prompting de Cadena de Pensamiento (Chain-of-Thought) de pocos disparos (few-shot) supera significativamente a las líneas base de cero disparos (zero-shot), mientras que estrategias de deliberación más complejas como la consistencia de la auto-consistencia (self-consistency) y el árbol de pensamiento (tree-of-thought) no logran proporcionar mejoras de precisión estadísticamente fiables sobre los métodos más simples.