Buscar noticias
Buscá por texto y descubrí noticias relacionadas con tu consulta.
Noticias relevantes
Hasta 10 noticias relacionadas por su significado, ordenadas por relevancia.
No encontramos noticias relacionadas por su significado.
Noticias encontradas
Coincidencias por palabras en títulos, resúmenes, temas, personas, lugares o firmas.
Resultados para «Soledad Tassi Modelos»
Más recientes primero · Hasta 30 noticias por página
Replay Counterfactual: Entornos Forkables como Recompensas de Proceso Gratuitas para Agentes de Ingeniería de Software
Se presenta el Counterfactual Rollout Replay (CRR), un procedimiento de entrenamiento que utiliza entornos ejecutables forkables para obtener contrastes de retorno a nivel de paso en agentes de ingeniería de software. Este método mejora el rendimiento en benchmarks como SWE-bench Verified, logrando una mejora del 5.0 puntos porcentuales en comparación con métodos anteriores. El CRR no requiere etiquetas de proceso humanas ni modelos de recompensa aprendidos, enfocándose en la eficiencia del cómputo.
Índice de Salud de Benchmarks: Un marco sistemático para comparar los puntos de referencia de los LLM
Se presenta el Índice de Salud de Benchmarks (BHI), un marco basado en datos para auditar la fiabilidad de los puntos de referencia utilizados para medir el progreso de los Modelos de Lenguaje Grande (LLM). Este índice evalúa la capacidad de discriminación, la anti-saturación y el impacto de estos benchmarks en los ecosistemas académico e industrial. El objetivo es proporcionar una base sólida para la selección de benchmarks y la gestión dinámica de los protocolos de evaluación.
Lectura y decodificación adaptativa de escenas en difusión impulsando VLAs
Se propone un marco de lectura y decodificación adaptativa para modelos VLAs impulsados por difusión, buscando mejorar la calidad de la planificación al evitar decodificaciones innecesarias. El método pondera y combina predicciones de trayectoria de capas tardías después de un solo barrido de la columna vertebral, aplicando refinamiento solo cuando es necesario según la escena. Los resultados muestran una mejora en el rendimiento y una aceleración de velocidad de hasta 6.0x en benchmarks de Waymo E2E y reducción del error de trayectoria en nuScenes.
Temperatura, no conocimiento: Lo que el autoentrenamiento recursivo y sus remedios hacen a la confianza de un modelo de lenguaje
Se investiga cómo el autoentrenamiento recursivo afecta la confianza de los modelos de lenguaje, encontrando que la confianza se agudiza y las respuestas más seguras se vuelven menos fiables. Se comparan diferentes remedios para mitigar este efecto, observando que algunos métodos mejoran la discriminación pero provocan subconfianza.
Reconstrucción como Evaluación Espacial: Diagnostizando la Inteligencia Espacial entre Múltiples Vistas en Modelos de Lenguaje-Visión Grandes
Se presenta RECONSPATIAL, un punto de referencia para evaluar la inteligencia espacial de los modelos de lenguaje-visión (LVLM) mediante la reconstrucción 3D de escenas multi-vista. Se investiga la brecha entre la estructura relativa de la escena y la precisión métrica de la reconstrucción. Los resultados indican que la consistencia relacional no asegura la exactitud métrica, limitando el éxito de la navegación.
Skill++: Hacia agentes de aprendizaje permanente a través de la refinación de habilidades consciente del enrutamiento
Se presenta Skill++, una solución para el enrutamiento de habilidades en modelos de lenguaje grande (LLM) que aborda el problema del aprendizaje continuo incremental. Skill++ reescribe el nombre y la descripción de las habilidades entrantes para mantener la selectibilidad de habilidades anteriores mientras se incorporan nuevas. Este método logra una selección de habilidades significativamente mayor en comparación con enfoques previos.
El valor de primer orden de covariables libres en el monitoreo de riesgo presupuestado
Se estudia cómo gestionar el presupuesto de etiquetas para detectar rápidamente un aumento de riesgo mientras se controlan las falsas alarmas. Se demuestra que ciertas reglas pueden detectar cambios en las entradas de manera eficiente, incluso cuando el riesgo permanece por debajo de un umbral de seguridad. Los experimentos sugieren que las covariables libres pueden ahorrar rondas al calibrar el presupuesto en la fuente de datos.
Comportamiento similar al de un solucionador en Modelos de Lenguaje Grandes como Formalizadores
Se investiga el comportamiento similar al de un solucionador (SLB) en modelos de lenguaje grandes (LLMs) que actúan como formalizadores. Se encontró que el rastro de razonamiento realiza gran parte del trabajo del solucionador, aunque el programa generalmente recalcula la respuesta. Se sugiere evaluar a los formalizadores por el camino que siguen sus programas, no solo por el resultado final.
SQL-o1: Síntesis de programas Text-to-SQL automático mediante búsqueda heurística con auto-recompensa
Se presenta SQL-o1, un marco de búsqueda heurística basado en agentes y búsqueda MCTS para mejorar las capacidades de razonamiento de los modelos Text-to-SQL. Este método logra una mejora de 10.8 puntos en la precisión de ejecución en el conjunto de datos BIRD, superando a modelos basados en GPT-4. SQL-o1 demuestra una fuerte generalización few-shot y una robusta transferibilidad entre diferentes LLMs de código abierto.
SCOUT: Planificación bajo oclusión mediante despliegues de modelo de mundo centrado en objetos
Se presenta SCOUT, un marco de planificación consciente de la oclusión diseñado para robots que operan en espacios con objetos superpuestos. Este marco utiliza una representación centrada en objetos para reconstruir geometría oculta y determinar corredores de accesibilidad. SCOUT utiliza un LLM para proponer acciones y MCTS para evaluarlas, superando a otros modelos de planificación en tareas complejas.
Creencias en la retroalimentación: Representaciones factorizadas de agentes interactuantes en transformadores
Se desarrolla un marco de mecánica computacional para estudiar agentes interactuantes en bucles de retroalimentación. Se demuestra que el comportamiento conjunto puede ser generado por un modelo de Markov oculto cuyas creencias bayesianas factorizan por agente. Los experimentos indican que los transformadores entrenados con estas secuencias aprovechan esta separabilidad, lo que permite desentrañar las creencias subyacentes. Esto establece bases para investigar la arquitectura predictiva composicional en modelos preentrenados.
AttentionIndex: Acelerando la Atención Escasa Aprendida con un Índice Invertido Causal
Se presenta AttentionIndex, un método para acelerar la atención dispersa aprendida en modelos de IA. Este índice dirige las consultas a través de un índice de archivo invertido que agrupa claves por similitud. El método mejora el rendimiento de prellenado y la precisión en benchmarks de contexto largo en comparación con HiSA.
Investigación sobre los efectos del tamaño del parche en modelos fundacionales de series temporales
Se investiga cómo el tamaño del parche afecta a los modelos fundacionales de series temporales basados en parches, analizando su interacción con arquitecturas transformer. Los resultados indican que los modelos encoder-only se benefician de parches más pequeños, mientras que los modelos decoder-only funcionan mejor con tamaños intermedios de parche. La elección del tamaño del parche y la arquitectura debe ajustarse según el horizonte de pronóstico y las limitaciones de despliegue.
SpeechEQ: Evaluación del Coeficiente de Inteligencia Emocional en Modelos Conversacionales de Voz Socialmente Conscientes
Se presenta SpeechEQ, un marco para evaluar el razonamiento sociolingüístico de Modelos de Lenguaje Hablados (SLMs) mediante un conjunto de datos validado y un protocolo de evaluación basado en la teoría EQ-i 2.0. El estudio demuestra que los modelos multimodales actuales están limitados por dependencias textuales, lo que constituye una barrera para lograr una IA verdaderamente emocionalmente consciente.
OmniOPD: Destilación On-Policy para Generación Conjunta de Audio-Video
Se presenta OmniOPD, un marco de destilación on-policy diseñado para mejorar la generación conjunta de audio y video mediante el aprendizaje por refuerzo. Este método busca resolver la interferencia entre modalidades al transferir capacidades de modelos especializados. Se proponen técnicas como la construcción de información visual privilegiada y el muestreo de ruido agrupado para lograr una generación estable y equilibrada. Los resultados demuestran que OmniOPD mejora la generación de video manteniendo la calidad del audio.
Medición de la estabilidad de la explicación mediante la separabilidad
Se propone un marco basado en la distribución para medir la estabilidad de las puntuaciones de atribución en modelos de caja negra. El enfoque busca entender la separabilidad del vector de atribución clasificado y determinar el índice para el cual la clasificación de características es fiable. Este método extiende la comparación de métodos de atribución basándose en la robustez de sus clasificaciones en diferentes conjuntos de datos.
Descomponiendo series temporales irregulares en patrones temporales interpretables con mezcla de expertos
Se presenta MoTIF, un marco interpretable basado en atención de mezcla de expertos (MoE) para descomponer series temporales irregulares en patrones temporales de diferentes escalas. El método demuestra alta precisión en la recuperación de patrones y supera a modelos de secuencia estándar en predicción de valores futuros. Los resultados indican que descomponer la estructura temporal en patrones específicos y auditables no compromete la precisión predictiva.
AgentHop: Un punto de referencia diagnóstico para la respuesta a preguntas multi-salto de agentes sobre grafos de citación científica
Se presenta AgentHop, un punto de referencia diagnóstico de 1,011 preguntas de opción múltiple diseñado para evaluar fallos en tareas de agentes que utilizan modelos de lenguaje grandes. El benchmark analiza las vulnerabilidades de los modelos a través de cuatro ejes: recuperación, síntesis, llamada a herramientas y gestión de recursos. Los resultados indican que el comportamiento de los modelos varía según su familia, revelando patrones distintivos en la forma en que utilizan las herramientas.
JailbreakOPT: Optimización Iterativa de Prompts de Jailbreak con Macro-Acciones
Se presenta JailbreakOPT, un método que optimiza la optimización iterativa de prompts de jailbreak mediante la composición de transformaciones de prompts en macro-acciones. Este método utiliza muestreo Thompson contextual para aprender una política de selección de acciones, mejorando la tasa de éxito del ataque en comparación con métodos basados en acción única o iterativos. El objetivo es explorar vulnerabilidades residuales para mejorar las defensas contra ataques.
Memoria de lado del agente como guía para modelos de acción direccionables en manipulación a largo plazo
Se presenta el modelo 2AM, donde la memoria de la tarea reside en el agente, y un Modelo de Acción basado en RGB ejecuta el movimiento. Los resultados demuestran que la memoria de la tarea puede permanecer en el lado del agente y que la capacidad del Modelo de Acción depende de la precisión con la que el agente puede dirigirlo. Se logró una mejora significativa en la finalización de tareas en comparación con las líneas base existentes.
Color canónico como lente para la decodabilidad del concepto en codificadores de visión y VLMs
Se investiga el uso del color canónico como prueba para determinar si los codificadores de visión hacen accesible la información de color canónico incluso cuando se elimina el color de la imagen de entrada. El estudio demuestra que el color canónico sigue siendo decodificable a partir de imágenes en escala de grises y está vinculado a la identidad del objeto predicha. Se concluye que el entrenamiento posterior de los VLMs puede influir significativamente en la decodificabilidad del color en el codificador de visión.
RSIFlow: Flujos de trabajo de auto-mejora adaptativa con un meta-agente en evolución
Se presenta RSIFlow, un marco de auto-mejora recursiva que integra la orquestación adaptativa de flujos de trabajo con la evolución de la capacidad del meta-agente. Este marco diagnostica cuellos de botella de rendimiento para seleccionar dinámicamente flujos de trabajo de mejora específicos. Los experimentos demuestran que RSIFlow alcanza el rendimiento promedio SOTA en todos los puntos de referencia evaluados.
RubricWorld: Optimización de rúbricas guiada por modelo mundial para calificadores de LLM
Se presenta RubricWorld, un marco diseñado para optimizar la calificación de Modelos de Lenguaje Grande (LLM) mediante el aprendizaje de evaluaciones previas de ediciones. Este modelo predice las tasas de corrección y degradación de las ediciones para guiar la búsqueda de candidatos. Se reporta que RubricWorld mejoró la precisión de gpt-5-mini en ASAP2.0 de 18.20% a 46.70%, superando el mejor punto de referencia en 22.60 puntos porcentuales.
Optimización de consultas multimodales mediante agrupación de operadores y reutilización de código
Se presenta KathDB-FAO, un sistema de evaluación de consultas diseñado para datos multimodales, que descompone consultas complejas en pasos granulares (FAOs). El sistema optimiza el costo de ejecución al buscar subconjuntos de estos operadores y reutilizar funciones sintetizadas para reducir el costo total por consulta en un 76%.
Diferencia entre evaluación y despliegue en modelos de lenguaje ajustados
Se investiga la discrepancia entre la evaluación de la seguridad de los modelos de lenguaje y su comportamiento en el despliegue. Se propone una auditoría para reducir esta brecha entre la evaluación y el despliegue en modelos ajustados. La intervención logró reducir la brecha en más de 0.12 en diez configuraciones y la cerró en cuatro.
Robótica inspirada en el sistema nervioso: lo que el aprendizaje robótico puede tomar del cerebro sensorimotor
Un estudio propone diseñar modelos de robots de próxima generación basándose en el sistema nervioso para superar las fallas actuales en la manipulación cotidiana. Se proponen componentes como conformidad, un sistema de visión rápida para el comportamiento motor, un predictor del cerebelo y un modelo del córtex motor para lograr una acción autónoma y auto-mejora recursiva.
Ley SIMPLE para el costo energético de la inferencia de LLM
Se presenta la ley SIMPLE para predecir el consumo energético de LLMs, un modelo de cuatro parámetros que diferencia el prellenado del decodificado. El modelo demuestra una precisión alta (R2 = 0.969) al comparar con modelos SOTA, explicando cómo el crecimiento de la dimensión oculta afecta la energía y cómo la agrupación GQA reduce el consumo por token. También se analiza el impacto del presupuesto de razonamiento y el costo energético en escenarios de servicio agentico.
No se identificaron personas.
Exo: Arquitectura para sistemas auto-mejorables en tiempo de ejecución
Se presenta Exo, una arquitectura de tiempo de ejecución de agente diseñada para el aprendizaje seguro durante el trabajo continuo. Esta arquitectura permite a los agentes revisar sus políticas y estrategias para una mejora continua. Exo reduce significativamente el costo del modelo en entornos de juego y tareas de codificación, manteniendo tasas de finalización de tareas comparables.
Alineación de seguridad en la etapa de preentrenamiento con reflexión
Se propone el Pretraining-stage Alignment de Reflexión de Seguridad para mejorar la alineación de seguridad en LLMs al insertar reflexiones de seguridad entre las oraciones durante el preentrenamiento. Los experimentos indican que este método mejora la precisión de clasificación de seguridad y reduce los ataques en etapas posteriores. Los hallazgos sugieren que la alineación debe moldear los comportamientos que los modelos adquieren, no solo hacer los datos seguros.
Marco unificado de discriminación, calibración y clasificación
El texto presenta un marco de matriz indicador que unifica las medidas de discriminación, calibración y clasificación. Se introducen operadores de celda adicionales para definir marcos de calibración y clasificación, heredando la arquitectura de agregación micro/macro/ejemplar. Se detallan las relaciones entre diferentes métricas como Brier, nDCG y AUC.