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 · 301–310 / 607
Este artículo propone un marco de agrupamiento convexo kernelizado que proyecta los datos en un Espacio de Hilbert de Núcleo Reproductor para manejar eficazmente estructuras no lineales y no convexas, al tiempo que proporciona garantías teóricas sobre la convergencia y cotas de muestra finita junto con evidencia empírica de un rendimiento superior al de los métodos más avanzados.
Este artículo propone un marco finito de teoría de haces que detecta cambios en las teorías científicas de los agentes de IA cuantificando los fallos en el transporte representacional y los costos de obstrucción para distinguir entre deformaciones válidas dentro de un lenguaje existente y extensiones necesarias hacia nuevos regímenes.
Utilizando 17 galaxias de baja masa simuladas del Proyecto Auriga, este estudio revela que, si bien los gradientes de metalicidad estelar son independientes de las propiedades intrínsecas de las galaxias, la dispersión en la metalicidad del halo está impulsada por el momento de la acreción de satélites y los perfiles radiales característicos de edad en forma de U surgen de una combinación de la cesación de la formación estelar exterior y la redistribución estelar impulsada por fusiones.
Este artículo introduce la "Epistemática", una metodología meta-evaluativa para auditar los puntos de referencia de la IA y exponer cómo las suposiciones teóricas no examinadas crean trampas de evaluación que se refuerzan a sí mismas y oscurecen los límites estructurales, demostrando su aplicación al criticar una propuesta reciente que, sin darse cuenta, afianza el mismo paradigma que busca revisar.
Este trabajo revela que, aunque la compresión de la caché KV mejora el rendimiento, puede degradar severamente el desempeño en escenarios de múltiples instrucciones al provocar que se ignoren instrucciones específicas y se filtren los prompts del sistema, pero propone ajustes simples en la política de expulsión para mitigar estos problemas.
El artículo presenta SuperADD, una pipeline de segmentación de anomalías agnóstica a la clase y sin entrenamiento que aprovecha una arquitectura base DINOv3 y técnicas de preprocesamiento robustas para lograr un rendimiento de vanguardia en el conjunto de datos MVTec AD 2 bajo desplazamientos de distribución desafiantes sin requerir ajuste de hiperparámetros por clase.
Este artículo sostiene que asegurar agentes de IA basados en LLM requiere aplicar principios de seguridad de sistemas operativos, demostrando mediante un análisis de arquitectura unificada y un estudio de caso que, aunque algunos riesgos son inherentes, muchas vulnerabilidades pueden mitigarse mediante técnicas establecidas de sistemas operativos como el aislamiento de recursos y la separación de privilegios.
Este artículo demuestra que en el régimen de acoplamiento débil del modelo IKKT, las fluctuaciones cuánticas son despreciables en comparación con las escalas de no conmutatividad, validando así la emergencia de una geometría y gravedad semiclásicas de 3+1 dimensiones a partir de vacíos matriciales específicos.
El artículo sostiene que, aunque un modelo cuántico de dimensión finita del espacio de de Sitter es inherentemente ambiguo debido a las limitaciones de la medición, una descripción matemática precisa de nuestro universo podría seguir siendo alcanzable si puede ser incrustado dentro de una secuencia de modelos que convergen hacia una teoría única de supercuerdas en un espacio asintóticamente plano.
El artículo presenta Chem-GMNet, un transformador geométrico nativo esférico novedoso que reemplaza los módulos transformadores estándar por sus contrapartes esféricas para lograr un rendimiento de predicción de propiedades moleculares de vanguardia en los benchmarks de MoleculeNet, superando a menudo a los modelos basados en SMILES preentrenados a gran escala con significativamente menos parámetros y sin preentrenamiento.