5206 artículos
Este artículo presenta GRAMPUS, un lenguaje basado en teoría de tipos modales graduados que utiliza grados temporales para especificar formalmente y semánticamente los programas de pulsos de microondas necesarios para controlar computadoras cuánticas de qubits superconductores.
Este artículo demuestra que un marco basado en modelos de lenguaje grande (LLM) que extrae y compara cambios semánticos contextuales en los informes corporativos logra predecir alfa con más del doble de eficacia que los métodos tradicionales basados en reconocimiento de entidades nombradas.
Este artículo presenta un estudio de caso pionero sobre el caso R v F (2025) que ilustra cómo los investigadores de informática forense pueden desmontar la defensa de "hacking" mediante evidencia empírica, ofreciendo lecciones prácticas para ayudar a los tribunales a distinguir entre inocentes y culpables.
Este trabajo inicia un estudio sistemático de la complejidad computacional en la prueba de propiedades, estableciendo teoremas de jerarquía entre consultas y tiempo, y demostrando mediante conjeturas de complejidad que la aproximación de la distancia a semiespacios requiere un tiempo significativamente mayor que el número de consultas, revelando así una brecha fundamental entre ambas complejidades.
El artículo presenta CompassNav, un nuevo paradigma que traslada el entrenamiento de agentes de navegación de la mera imitación de trayectorias a la comprensión de decisiones mediante el uso del dataset Compass-Data-22k y una función de recompensa híbrida, logrando así un estado del arte en la navegación hacia objetivos tanto en simulación como en robots físicos.
El artículo presenta SDGraph, una arquitectura de aprendizaje profundo basada en grafos dispersos y densos que, mediante un esquema de representación de múltiples niveles (boceto, trazo y punto), identifica y explota la información efectiva de los bocetos manuales para mejorar significativamente el rendimiento en tareas de clasificación, recuperación y generación.
El artículo presenta InstantSfM, un sistema global de Fotogrametría desde el Movimiento (SfM) totalmente nativo de GPU y compatible con PyTorch que integra profundidades métricas como priores para resolver la ambigüedad de escala, logrando una aceleración de hasta 40 veces frente a COLMAP en escenas a gran escala sin sacrificar la precisión de reconstrucción.
UltraGen es un marco novedoso que permite la generación eficiente y escalable de imágenes ultra de alta resolución (superiores a 8K) mediante una atención local jerárquica con guía global de baja resolución, logrando una reducción de la complejidad computacional a casi lineal, un uso de memoria significativamente menor y una aceleración de más de 10 veces en comparación con los modelos de difusión actuales.
El paper presenta REALM, un marco innovador basado en agentes MLLM que realiza segmentación y edición 3D en entornos abiertos sobre representaciones de Gaussian Splatting mediante una estrategia de anclaje espacial de global a local para interpretar instrucciones complejas sin necesidad de un entrenamiento específico extenso.
Este artículo aborda la maximización de la opinión pública en redes sociales mediante la modificación estratégica de las opiniones internas de nodos clave, proponiendo algoritmos eficientes basados en muestreo y un método determinista asíncrono que supera a las técnicas tradicionales en velocidad y precisión, incluso en redes de gran escala.
Este estudio demuestra que los nodos superpuestos en estructuras de círculos dentro de redes complejas ejercen una influencia significativamente mayor que los nodos no superpuestos durante procesos de contagio simple y complejo, destacando su importancia estratégica en la dinámica de difusión.
El artículo presenta Compiler.next, un compilador basado en búsqueda diseñado para la era de la Ingeniería de Software 3.0 que transforma intenciones humanas en software funcional mediante la optimización dinámica de arquitecturas cognitivas y modelos de IA, democratizando así el desarrollo de software y permitiendo sistemas automatizados, escalables y adaptativos.
El artículo presenta ADC-SID, un marco que mejora la generación de identificadores semánticos robustos en sistemas de recomendación mediante la descomposición adaptativa del ruido colaborativo y la ponderación dinámica de los identificadores conductuales para mitigar los sesgos de la cola larga.
El artículo presenta EyeAgent, el primer marco de IA agéntica para el soporte de decisiones clínicas en oftalmología, que integra un modelo de lenguaje grande con 53 herramientas validadas para ofrecer diagnósticos interpretables y precisos, mejorando significativamente el rendimiento tanto de los sistemas automatizados como de los oftalmólogos, especialmente los menos experimentados.
El artículo evalúa varios códecs de compresión de audio comunes mediante mediciones de rendimiento, visualizaciones y puntuaciones PEAQ para demostrar que, al elegir un códec, los usuarios deben considerar no solo la eficiencia de compresión sino también la calidad perceptual sónica.
El artículo presenta X-WIN, un modelo de mundo para radiografías de tórax que supera las limitaciones de las imágenes 2D al aprender a predecir proyecciones en un espacio latente distilando conocimiento volumétrico de tomografías computarizadas (CT), lo que permite una representación más rica del anatomía 3D y un rendimiento superior en diversas tareas de diagnóstico médico.
El artículo presenta MergeVLA, un modelo agente generalista de visión-lenguaje-acción que supera las limitaciones de fusión de expertos mediante una arquitectura diseñada para la fusión, que utiliza adaptadores LoRA activados de forma dispersa y bloques de atención cruzada para lograr un rendimiento robusto y generalizable en múltiples habilidades y entornos robóticos.
El artículo presenta COVec, un marco de vectorización consciente de la iluminación que, inspirado en el principio de claroscuro, introduce por primera vez la descomposición de imágenes intrínsecas en el dominio vectorial para lograr una mayor fidelidad visual y editabilidad en imágenes del mundo real.
El artículo presenta AD-R1, un marco de aprendizaje por refuerzo en bucle cerrado que utiliza un Modelo Mundial Imparcial entrenado mediante síntesis contrafactual para predecir con honestidad los peligros y reducir las violaciones de seguridad en la conducción autónoma.
El artículo presenta TEAR, un marco de red teaming automatizado y consciente del tiempo diseñado para identificar riesgos de seguridad en modelos de texto a video mediante la explotación de dinámicas temporales, logrando una tasa de éxito de ataque superior al 80% en diversos sistemas.