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.
1276 artículos revisados por autores · 641–650 / 1276
Este artículo introduce una implementación de redes neuronales bayesianas dentro del marco de trabajo aenet-PyTorch y compara sistemáticamente sus capacidades de cuantificación de la incertidumbre frente a los ensambles profundos en estructuras de TiO para guiar el desarrollo de potenciales interatómicos de aprendizaje automático fiables.
Este artículo desafía la suposición de que una baja información mutua entre las entradas y las representaciones implica compresión geométrica, revelando en su lugar una relación compleja y no lineal donde la generalización actúa como un factor de confusión en lugar de una consecuencia directa.
El artículo presenta BabelJudge, un marco de referencia de código abierto y de auditoría de fiabilidad que evalúa los modelos de LLM-as-a-Judge a través de múltiples idiomas y trayectorias de agentes mediante la generación de etiquetas de estándar de oro a través de perturbaciones controladas para exponer modos de falla ocultos, como los sesgos de posición y de verbosidad, que las métricas de precisión bruta no logran capturar.
Este artículo investiga las similitudes y diferencias entre las historias generadas por LLM y las escritas por humanos mediante la aplicación de definiciones narratológicas para analizar ocho dimensiones intrincadas de la caracterización, con el objetivo de determinar si los modelos de IA producen personajes con una variedad y profundidad comparables a las de los autores humanos.
Este artículo demuestra que los modelos de lenguaje pequeños, compactos y adaptados a tareas (con menos de 3 mil millones de parámetros), pueden superar significativamente a los LLM de frontera en modo zero-shot tanto en la extracción de relaciones generales como literarias cuando se entrenan con datos de un dominio específico, ofreciendo una alternativa eficiente en hardware y privada sin requerir el escalado generativo.
Este artículo demuestra que las ondas helicon lanzadas externamente pueden suprimir eficazmente el crecimiento de electrones fugitivos en el tokamak DIII-D mediante la dispersión resonante del ángulo de cabeceo tanto en configuraciones de antena ideales como no ideales, al tiempo que destaca que la resonancia anómala aumenta las poblaciones de fugitivos y que persisten desafíos significativos de propagación para aplicaciones post-disrupción.
Este artículo corrige un supuesto de complejidad erróneo en la versión cuántica del algoritmo del perceptrón de espacio de versiones y propone dos nuevos algoritmos de plano de corte mejorados por computación cuántica para el aprendizaje del perceptrón que aprovechan la búsqueda de Grover y la búsqueda de caminata cuántica para establecer límites de complejidad mejorados bajo condiciones idealizadas.
Este artículo presenta SCENIC, un marco de extremo a extremo que permite el despliegue de modelos transformer altamente eficientes de escala inferior a 0.2B en dispositivos IoT de borde con recursos limitados para la generación de comandos estructurados de hogar inteligente, logrando una precisión casi perfecta (99.0% EM@1) al reducir significativamente el tamaño del modelo y la latencia de inferencia mediante poda avanzada, cuantización y optimización consciente del hardware.
OTTER es un marco de red teaming de caja negra que demuestra la fragilidad de las defensas de los LLM basadas en toxicidad al optimizar los prompts para evadir la detección mediante cambios mínimos de tokens, logrando así un aumento significativo en las tasas de éxito de ataque y ofreciendo conocimientos accionables para el endurecimiento de los clasificadores.
Este artículo desafía las prácticas estándar del PLN al proponer la hipótesis de la Inversión de Densidad de Emergencia (EDI), la cual demuestra que descartar el "ruido" de baja densidad en las ofertas de empleo pasa por alto indicadores adelantados críticos de ocupaciones emergentes, como lo evidencia la rápida estabilización de roles novedosos relacionados con la IA, tales como Ingeniero de Prompts e Investigador de Seguridad de IA, dentro del conjunto de datos analizado.