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 · 381–390 / 607
Este artículo introduce las Pullbacks Semánticas, un método fundamentado teóricamente que interpreta las redes profundas como operadores afines condicionados por la entrada para generar explicaciones post-hoc perceptualmente alineadas, estables y fieles mediante la reconstrucción de estructuras locales coherentes a partir de neuronas objetivo.
Este artículo propone el Marco Estadístico de UX Dinámico Adaptativo (ADUX-Stat), un modelo de evaluación novedoso que sustituye las métricas de usabilidad estáticas por construcciones probabilísticas, concretamente el Índice de Entropía de Interacción, el Coeficiente de Deriva Temporal y la Puntuación de Confianza de Usabilidad Bayesiana, para evaluar eficazmente la naturaleza estocástica y sensible al contexto de los sistemas mediados por IA.
Este artículo propone PARSE, un marco de generalización de dominio que mejora la robustez de la clasificación mediante el aprendizaje explícito de primitivas visuales y sus composiciones relacionales espaciales diferenciables a través de una arquitectura de extremo a extremo, logrando ganancias significativas de rendimiento en conjuntos de pruebas composicionales.
Este artículo presenta un estudio exhaustivo de Monte Carlo que demuestra que el método de Adaptación del Piso de Ruido Espectral Temporal (TSNFA), que combina de manera única la selección de bandas espectrales, el filtrado de persistencia temporal y el seguimiento adaptativo del piso de ruido, logra una detección perfecta con cero falsos positivos en una red malla IoT de 200 nodos, superando a seis algoritmos alternativos que fallan debido a la ausencia de al menos una de estas defensas críticas.
Este trabajo establece una conexión entre la dinámica cuántica de grano grueso y el formalismo de estados cuánticos condicionales desde una perspectiva bayesiana, abordando la existencia de dinámicas emergentes mediante soluciones analíticas y programación semidefinida, al tiempo que introduce una nueva medida de robustez para cuantificar la tolerancia al ruido en estas descripciones efectivas.
Este artículo desafía la noción de que el razonamiento temporal es el principal cuello de botella para los modelos de lenguaje grandes, proponiendo en cambio que los fallos se originan en una representación texto-a-evento no estructurada e introduciendo un marco neuro-simbólico con una Señal de Inconsistencia Probabilística que logra una precisión perfecta en los puntos de referencia al desacoplar la extracción semántica del razonamiento simbólico.
Este artículo presenta un marco de red neuronal de grafos transferible que predice coeficientes de orbitales moleculares optimizados directamente a partir de la geometría, permitiendo una aceleración escalable y sin reentrenamiento de los flujos de trabajo del eigensolver cuántico variacional al reducir significativamente la sobrecarga de preprocesamiento clásico y mejorar la convergencia para sistemas de hidrógeno más grandes.
Este artículo demuestra que incorporar trazas de Pensar en Voz Alta a la descubrimiento automatizado de modelos cognitivos mejora significativamente el rendimiento predictivo y desplaza las estructuras de modelos identificadas hacia mecanismos de utilidad más integrados, revelando procesos cognitivos que los datos conductuales por sí solos no pueden recuperar.
Este artículo demuestra que en un universo de Einstein, el acoplamiento conforme () es el único valor del parámetro que garantiza la estabilidad termodinámica para campos escalares sin masa en todas las temperaturas y radios, al tiempo que establece que la presencia de radiaciones electromagnéticas y de neutrinos exige al menos un campo escalar para mantener la estabilidad.
Analizando más de un millón de observaciones de seguimiento de vehículos del conjunto de datos NGSIM, este estudio revela que la intensidad de la desaceleración dicta si los conductores priorizan la tasa de cierre de la distancia o la inminencia visual para las decisiones de frenado, volviendo así insignificante el espacio de separación tradicional, lo que desafía los modelos convencionales de comportamiento del conductor y ofrece perspectivas críticas para el control de vehículos autónomos.