1057 artículos
Este artículo propone CG-GNN, un marco de red neuronal de grafos robusto que mitiga el ruido de etiquetas mediante la integración del refinamiento de etiquetas guiado por comunidades con la poda de aristas y un esquema de aprendizaje contrastivo progresivo para superar a los métodos de vanguardia en escenarios ruidosos y de escasez de datos.
Este estudio demuestra que convertir las puntuaciones de importancia de las características basadas en SHAP en acciones gerenciales directas sin considerar los costos de intervención, la validez causal y los riesgos de pérdida crea peligros significativos de rendición de cuentas, revelando que la explicabilidad por sí sola es insuficiente para una toma de decisiones responsable impulsada por la IA.
Esta encuesta revisa sistemáticamente los ataques de envenenamiento y las defensas en la era de los modelos de lenguaje extensos mediante la propuesta de una taxonomía exhaustiva que categoriza las amenazas en envenenamiento de pesos y de contexto, analizando técnicas representativas y estrategias de defensa, y delineando futuras direcciones de investigación para asegurar los sistemas de IA compuestos.
FedDAAW es un marco ligero y de preservación de la privacidad para el aprendizaje federado heterogéneo que emplea la selección dinámica de clientes y la agregación adaptativa a la precisión para mejorar significativamente la eficiencia de convergencia y el rendimiento a través de diversas tareas (clasificación, análisis de sentimiento y regresión) bajo configuraciones no IID sin requerir el intercambio de gradientes ni datos auxiliares.
Este análisis bibliométrico de 1.225 publicaciones desde el año 2000 hasta 2024 revela la evolución de la investigación en deportes robóticos hacia un campo maduro y globalmente colaborativo, impulsado por instituciones clave y un cambio temático desde el fútbol robótico fundacional hacia aplicaciones avanzadas de IA como el aprendizaje profundo y la interacción humano-robot.
Este artículo presenta el Desafío de Tareas Compuestas (CTC, por sus siglas en inglés), una nueva suite de evaluación diseñada para evaluar rigurosamente la división del trabajo y la cooperación en el aprendizaje por refuerzo multiagente, revelando que los métodos actuales de vanguardia fallan al resolver estas tareas y demostrando que un banco de pruebas resoluble pero desafiante es esencial para avanzar en el campo.
SousCoder es un asistente de desarrollo proactivo y de prioridad local que monitorea señales de comportamiento entre aplicaciones a través de VS Code, Chrome y la terminal para detectar la confusión del desarrollador e intervenir con sugerencias conscientes del contexto, logrando baja latencia y alta relevancia en evaluaciones de campo al extender el trabajo previo con memoria persistente y percepción de múltiples fuentes.
Este estudio evalúa un flujo de trabajo de un modelo de lenguaje de gran tamaño para la extracción de 14 variables actuariales de reclamaciones de compensación laboral, revelando una concordancia general moderada con los revisores humanos (kappa ponderado cuadrático de 0,53) y una variabilidad significativa entre dimensiones, lo que subraya la necesidad de calibración y un despliegue gradual antes de la validación formal.
Este estudio demuestra que un modelo de aprendizaje profundo basado en transformadores supera a los algoritmos clásicos de aprendizaje automático en la predicción de la estabilidad de la red eléctrica, logrando una alta precisión tanto en tareas de clasificación binaria como de regresión, al tiempo que apoya los objetivos globales de sostenibilidad para redes inteligentes resilientes.
Este estudio identifica que el menor contraste entre la lesión y el fondo en la piel oscura crea un solapamiento de clases estructurales que provoca que los modelos de IA dermatológicos sobrepredigan sistemáticamente la malignidad y generen un exceso de derivaciones para pacientes de piel oscura, un cuello de botella de equidad que persiste incluso tras corregir las distribuciones de clase de confusión y que se mitiga mejor mediante el equilibrio de clases por tono en lugar del condicionamiento de tono.