✓ Revisados

Artículos revisados por autores

Artículos en los que los autores originales han revisado nuestra explicación divulgativa.

Para cada artículo de esta página, al menos uno de los autores originales ha visto nuestra explicación divulgativa y se ha implicado con ella — ya sea confirmando su precisión o solicitando correcciones que después aplicamos. Una confirmación no significa que los autores aprueben formalmente cada frase, pero sí que la explicación ha pasado por los ojos de quienes escribieron el artículo.

607 artículos revisados por autores · 201–210 / 607

Micro-Swarm Locomotion Optimization in Dynamic Flow using Multi-Objective Multi-Agent Reinforcement Learning

Este artículo presenta un marco híbrido de Dinámica de Fluidos Computacional y Aprendizaje por Refuerzo Multi-Agente Multi-Objetivo que coordina con éxito enjambres de microrrobots accionados magnéticamente en flujos dinámicos y pulsátiles mediante el uso de PCGrad para resolver conflictos de gradiente, logrando así la optimización simultánea del progreso aguas arriba, la eficiencia energética y la suavidad del movimiento a través de comportamientos hidrodinámicos emergentes.

Josef Berman, Oren Gal2026-05-26✓ Author reviewed ⓘ⚡ eess

Measuring Reasoning Quality in LLMs: A Multi-Dimensional Behavioral Framework

Este artículo presenta un marco conductual unificado multidimensional que evalúa el razonamiento de los LLM a través de seis dimensiones distintas: Correctitud, Consistencia, Robustez, Coherencia Lógica, Eficiencia y Estabilidad, para revelar conocimientos críticos y prevenir errores de clasificación que las métricas tradicionales basadas únicamente en la precisión pasan por alto.

Ali Şenol, Garima Agrawal, Huan Liu2026-05-26✓ Author reviewed ⓘ🤖 cs.AI

Habermolt: Delegating Deliberation to AI Representatives

Este artículo presenta Habermolt, una plataforma pública para la deliberación delegada a la IA donde agentes representan a humanos en la toma de decisiones colectivas, y evalúa su eficacia a través de las dimensiones de representación, agregación y revisión para abordar los nuevos desafíos de diseño y alineación de representantes de IA escalables y confiables.

Joseph Low, Oscar Duys, Claude Formanek, Michiel Bakker, Lewis Hammond2026-05-26✓ Author reviewed ⓘ💻 cs

The Concept Allocation Zone: Tracking How Concepts Form Across Transformer Depth

Este artículo introduce la Zona de Asignación de Conceptos (CAZ), un marco que redefine la formación de conceptos en los modelos transformadores como un proceso extendido en profundidad que ocurre a través de una región contigua del flujo residual en lugar de en una única capa "óptima", utilizando nuevas métricas para identificar estas zonas y revelando que muchos conceptos residen en regiones de asignación sutiles y multimodales que son causalmente activas pero invisibles para los métodos estándar de detección de picos.

James Henry2026-05-26✓ Author reviewed ⓘ🤖 cs.LG

Forgotten Words: Benchmarking NeoBERT for Dementia Detection in Low-Resource Conversational Filipino and English Speech

Este artículo presenta la primera evaluación sistemática de la detección de demencia basada en transformadores en el habla con cambio de código filipino-inglés, demostrando que, aunque los modelos monolingües no logran generalizar entre idiomas, el ajuste fino bilingüe elimina eficazmente la degradación del rendimiento transcultural y alcanza una alta precisión independientemente de la arquitectura del modelo.

Rez Samantha Z. Floresca, Edric Castel C. Hao, Hannah Grachiella Buñales, Chelsea Dominique E. Temprosa, Georgianna Z. Reyes, Kervin Gabriel L. Chua2026-05-26✓ Author reviewed ⓘ💬 cs.CL

'Si'multaneous 'S'patial-'T'emporal Message Passing for Dynamic Graph Representation Learning

Este artículo presenta SiST-GNN, una red neuronal de grafos dinámica novedosa que unifica el paso de mensajes espacial y temporal en una única operación al enriquecer el grafo con aristas cruzadas en el tiempo, logrando así un rendimiento de vanguardia en la predicción de enlaces y la clasificación de nodos en diversas pruebas de referencia.

Shubhajit Roy, Anirban Dasgupta2026-05-26✓ Author reviewed ⓘ🤖 cs.LG

Learning in Low-Dimensional Subspaces: Orthogonal Bottlenecks for Reinforcement Learning

Este trabajo introduce cuellos de botella ortogonales, un mecanismo ligero y agnóstico a la arquitectura que restringe las representaciones del aprendizaje por refuerzo a subespacios de baja dimensión mediante proyecciones ortonormales fijas, demostrando tanto teóricamente como empíricamente que las funciones de valor relevantes para la tarea pueden preservarse y a menudo mejorarse con una dimensionalidad mínima mientras se estabiliza la geometría de las características.

Aleksandar Todorov, Matthia Sabatelli2026-05-26✓ Author reviewed ⓘ🤖 cs.LG

Geometric Workspace Analysis and Transmission-Aware Dynamics of a Serial Spherical Tool for Microsurgery

Este artículo presenta un marco de diseño cinemático y consciente de la transmisión para una herramienta microquirúrgica esférica serial, que incluye una formulación analítica del espacio de trabajo y una metodología informada por la dinámica para transmisiones de auto-bloqueo, las cuales se validan mediante experimentos en un sistema robótico construido específicamente para cirugía vitreorretiniana.

Anestis Mablekos-Alexiou, Lyndon da Cruz, Christos Bergeles2026-05-26✓ Author reviewed ⓘ💻 cs

Cross-Domain Generalization Limits of Vision Foundation Models in Facial Deepfake Detection

Este artículo evalúa sistemáticamente los límites de generalización entre dominios de los Modelos Fundacionales de Visión en la detección de deepfakes faciales, revelando que, aunque estos modelos sobresalen en la identificación de síntesis de rostro completo, tienen dificultades con las técnicas de edición localizada debido a las compensaciones inherentes entre los paradigmas de preentrenamiento y las estructuras de evaluación mediante sonda lineal.

Ibrahim Delibasoglu2026-05-26✓ Author reviewed ⓘ🤖 cs.AI

Scaling up Energy-Aware Multi-Agent Reinforcement Learning for Mission-Oriented Drone Networks with Individual Reward

Este artículo propone un modelo de Aprendizaje por Refuerzo Multiagente consciente de la energía que utiliza Redes Q Profundas con funciones de recompensa individuales para mejorar la robustez, la eficiencia energética y la tasa de éxito de las redes de drones orientadas a misiones, especialmente al escalar el tamaño del entorno y el número de agentes en comparación con los enfoques tradicionales de recompensa compartida.

Changling Li, Ying Li2026-05-26✓ Author reviewed ⓘ🤖 cs.AI