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 «Science Alert»
Más recientes primero · Hasta 30 noticias por página
arXiv Computer Science AIGrounding en la oscuridad: Entrenamiento solo con texto para localización temporal de video
Se investiga si un LLM solo con texto puede realizar localización temporal de video utilizando descripciones textuales, eliminando la necesidad de datos de video emparejados durante el entrenamiento. Se propone el método NER (Reemplazo de Entidad Vecina) para mapear fotogramas de video a entidades textuales, logrando mejores resultados en métricas de localización temporal. El estudio demuestra que el NER permite una transferencia parcial de información de texto a video.
EcoGEO: Ecosistemas de Evidencia Sensibles a la Trayectoria para Agentes de Búsqueda LLM habilitados para la Web
Se propone EcoGEO, un enfoque para la Optimización de Motor Generativo (GEO) que considera la influencia a nivel de entorno para agentes LLM que navegan por la web. El método TRACE coordina páginas de soporte para mejorar la adquisición de evidencia en tareas de recomendación de productos. Los resultados demuestran que este enfoque supera a los métodos basados en páginas individuales en métricas de recomendación.
ASTRA-bench: Evaluando el razonamiento y la planificación de acción de agentes con uso de herramientas y contexto de usuario
Se presenta ASTRA-bench, un benchmark diseñado para evaluar el razonamiento y la planificación de acción de agentes de IA que utilizan herramientas y contexto personal. El benchmark unifica el contexto personal evolutivo con una caja de herramientas interactiva para generar 2,413 escenarios. Los resultados indican una degradación significativa del rendimiento de modelos de vanguardia bajo alta complejidad, señalando limitaciones en la capacidad de los agentes para fundamentar el razonamiento en contextos personales complejos.
Taming the Entropy Cliff: Cuantización de tamaño de código variable para generación visual autoregresiva
Se propone la Cuantización del Tamaño del Código Variable (VCQ) para mejorar la generación visual autoregresiva al abordar el problema del "Acantilado de Entropía". Esta técnica permite que el tamaño del libro de código crezca monótonamente a lo largo de la secuencia, lo que resulta en mejores métricas de FID en comparación con los métodos de código constante. Los resultados demuestran que la distribución de la capacidad del código es tan importante como su capacidad total.
Fuzzing de Alucinaciones Unificadas para Modelos de Lenguaje Grande Multimodales
Se presenta un marco de evaluación sistemático para abordar el desafío de las alucinaciones en Modelos de Lenguaje Grande Multimodales (MLLMs). El trabajo introduce UniHall, un conjunto de datos detallado, y SAMF, un marco de fuzzing autoadaptativo para explorar las fronteras de las alucinaciones. Los experimentos demuestran que los MLLMs de vanguardia muestran una degradación del rendimiento al someterse a fuzzing, evidenciando una desconexión entre el razonamiento y el fundamento fáctico.
El precio de la seguridad: Utilidad benigna y sobrecarga de tokens de defensas de envenenamiento de memoria en agentes LLM
El estudio evalúa el costo de utilidad benigna y la sobrecarga de tokens de las defensas de envenenamiento de memoria para agentes LLM cuando no hay ataques. Se probaron cuatro defensas en la mitad de LoCoMo, encontrando que la detección de anomalías y la condición apilada mejoraron la precisión. Se reporta el costo de tokens asociado a estas defensas, indicando que la detección de anomalías tuvo un 1.5% de sobrecarga.
Regresión Barycéntrica Profunda para la Estimación de Mapas de Transporte Óptimo y su Optimalidad Estadística
Se propone BROT (Regresión Barycéntrica para el Transporte Óptimo), un método de dos pasos que utiliza una red neuronal profunda para ajustar objetivos barycéntricos derivados del plan de transporte óptimo no regularizado. Se demuestra que el estimador basado en DNN alcanza la tasa de convergencia minimax cuando el mapa de transporte óptimo es Lipschitz. Los estudios numéricos indican que BROT ofrece estimaciones precisas y costes de transporte competitivos en comparación con métodos existentes.
FARR: Refinamiento de Residuales Sensible al Pronóstico con Evidencia de Punto Final para Pronósticos de Series Temporales a Largo Plazo
Se presenta el método FARR (Forecast-Aware Residual Refinement) para corregir pronósticos de series temporales a largo plazo utilizando evidencia de punto final. Este método busca mejorar la precisión de los pronósticos al ajustar los errores residuales basándose en el contexto temporal observado. Los experimentos demuestran que FARR supera a otros métodos en métricas clave como MSE y MAE.
EvoWorld: Hacia la evolución del mundo fuera de la vista en modelos de video generativos
Se propone EvoWorld, un marco de colaboración de renderizado cerebral que utiliza un modelo visión-lenguaje como cerebro del mundo para mantener un registro evolutivo y razonar sobre transiciones de estado plausibles. Este modelo mejora la evolución causal condicionada por eventos sobre modelos recientes, manteniendo la calidad visual y la coherencia. Se introducen también EvoWorld-Data y EvoWorld-Bench para el entrenamiento y la evaluación de estas capacidades.
Optimización de ruido inicial con restricciones de manifold para alineación eficiente de modelos generativos
Se presenta ZeNOVA, un método estable y eficiente para la alineación de ruido inicial en un marco libre de gradiente, diseñado para superar las limitaciones de los métodos existentes en escenarios de caja negra. Este método utiliza guía de valor suave anillada y dinámica de Langevin con restricciones de manifold para optimizar el ruido inicial hacia recompensas más altas de manera estable. Los experimentos demuestran que ZeNOVA supera a las líneas de base de orden cero en modelos generativos de imágenes y video.
Aprendizaje activo en contexto para modelos fundacionales tabulares
Se investiga el aprendizaje activo en contexto para Modelos Fundacionales Tabulares (TFMs) para mejorar la adquisición de datos etiquetados. El estudio evalúa la diversidad, la incertidumbre predictiva y la ganancia de información a medida que el modelo adquiere contexto. Se encontraron hallazgos sobre cuándo y dónde aplicar reglas de adquisición basadas en diversidad y vecino más cercano para optimizar el proceso de etiquetado.
Modelos del mundo como adversarios: Ajuste fino por auto-juego multi-agente para la planificación de movimiento robusta
Se propone el Modelado del Mundo Adversarial (AWM), un marco de ajuste fino por auto-juego multi-agente para lograr una planificación de movimiento robusta en tráfico denso. Este enfoque aborda las limitaciones de métodos previos al integrar el aprendizaje adversarial con planificadores autoregresivos. Los experimentos demuestran que el método genera interacciones adversarias transferibles y produce un planificador robusto con rendimiento competitivo en escenarios complejos.
SeVerus: Evaluación Gamificada y Contexto para la Verificación de Rust
Se presenta SEVERUS, una técnica consciente del contexto para generar benchmarks de Verus que organiza las tareas de verificación en misiones gamificadas. Esta técnica utiliza dependencias de prueba para crear niveles progresivos, desafiando a agentes de codificación con diferentes niveles de dificultad. Los experimentos demuestran que la retirada del contexto de la prueba afecta el éxito y el costo de los agentes.
Evaluación de un Cyber Range de Agentes de Respuesta a Incidentes de Redes Autónomas Inductivas
Se aplicó una combinación de modelado de bases de datos relacionales y aprendizaje por refuerzo para la respuesta automatizada a intrusiones en redes. El enfoque permite a los agentes manejar activos de red variables sin reentrenamiento. Se evaluó el rendimiento en una red virtualizada con topologías variables y automatización de red roja. Los agentes de aprendizaje por refuerzo resultaron ser más eficientes en la defensa que la política heurística.
Abstención Agéntica: ¿Saben los agentes cuándo parar en lugar de actuar?
Se investiga el problema de la abstención agéntica, es decir, cuándo un agente de LLM debe detener su acción ante la incertidumbre. Se analiza cómo la escala del modelo y el andamiaje afectan esta capacidad de detenerse a tiempo. Se presenta el método CONVOLVE para mejorar la abstención oportuna sin modificar los parámetros del modelo.
TriAttention: Atención Mixta Dispersa de Precisión Unificada para Inferencia de LLM de Contexto Largo
Se presenta TriAttention, una técnica que utiliza escasez y cuantificación para reducir el costo de la atención en modelos LLM de contexto largo. El método asigna diferentes niveles de precisión (4-bit o 8-bit) a las interacciones QK para optimizar el rendimiento. Los experimentos demuestran ganancias significativas en la velocidad de generación, alcanzando hasta 7.88x sobre la atención de Torch.
Guía Best-of-N para Alineación en el Tiempo de Prueba
Se presenta Best-of-N Guidance (BoNG), un método que integra el muestreo Best-of-N en el proceso de difusión inversa para mejorar la alineación de las muestras generadas. BoNG ajusta el proceso de difusión para dirigir la población de partículas hacia regiones de mayor recompensa, logrando el mejor rendimiento en el 80.56% de las comparaciones. Este método también soporta capacidad de múltiples salidas con una aceleración de 1.6$\times$.
Robustez de señales internas para la detección de alucinaciones en modelos vision-lenguaje
Se analiza la robustez de los métodos que utilizan señales internas de los modelos vision-lenguaje (VLM) para detectar alucinaciones en la generación de texto. Se demuestra que la dependencia de la posición del token puede reducir la robustez de los métodos de detección, especialmente cuando las alucinaciones ocurren al inicio de la respuesta. Se concluye que, aunque existen señales internas útiles, los métodos actuales tienen limitaciones significativas.
Ramificación Semántica Adaptativa: Regeneración de Trayectorias Cruzadas Localizadas por Desacuerdo para la Expansión de Candidatos de Razonamiento
Se presenta el método Adaptive Semantic Branching (ASB), un procedimiento de inferencia sin entrenamiento diseñado para convertir el desacuerdo entre trayectorias de razonamiento en generación de candidatos dirigidos. El método agrupa trayectorias por respuesta final y alinea sus pasos de razonamiento mediante un programa dinámico monótono. En una evaluación, ASB mejoró la cobertura de candidatos oráculo de 89.0% a 91.0%, recuperando candidatos correctos en problemas previamente no resueltos.
Modelos de lenguaje grandes post-entrenamiento mediante aprendizaje por refuerzo a partir de retroalimentación interna
Se presenta el Aprendizaje por Refuerzo a partir de Retroalimentación Interna (RLSF), una etapa post-entrenamiento para modelos de lenguaje grandes (LLMs). Este método utiliza la confianza intrínseca del modelo como recompensa para refinar la calibración y fortalecer el razonamiento paso a paso. Los resultados muestran que esta técnica mejora el rendimiento en razonamiento aritmético y resolución de preguntas de opción múltiple sin necesidad de etiquetas humanas.
Representación consciente de variables, no tipificación de relación, explica el rendimiento de un modelo de grafos de eventos para la predicción de mortalidad en la UCI
Se evaluó el rendimiento de un modelo de grafos de eventos para predecir la mortalidad en la UCI utilizando registros de pacientes. Se encontró que una representación consciente de variables mejoró significativamente el área bajo la curva ROC, mostrando mejoras en la predicción de mortalidad tanto en validación temporal como externa. El modelo revisado alcanzó un AUROC de 0.878-0.900 en períodos MIMIC-IV, demostrando que la representación de variables es más importante que la arquitectura de propagación de mensajes.
Hipótesis de separación entre predicción de estado
Se propone la hipótesis de separación entre predicción de estado en Transformers, sugiriendo que separar los roles de predicción y almacenamiento de estado mejora el rendimiento del modelado de lenguaje. Los experimentos demuestran que esta separación ofrece mejor eficiencia de datos y cómputo, superando a los Transformers estándar en tareas posteriores.
Expertos entrenados conjuntamente con puerta de percepción para transiciones suaves en terrenos difíciles
Se propone el modelo CTS-MoE para la locomoción multi-terreno mediante aprendizaje por refuerzo, entrenando conjuntamente un actor con puerta de percepción y críticos específicos de tarea. Este enfoque busca componer conocimiento de expertos en comportamiento continuo y aislar objetivos heterogéneos para mantener la especialización durante la optimización conjunta. Los resultados indican mejoras significativas en el éxito del curso y la reducción de la sacudida de acción, evitando transiciones bruscas en los límites del terreno.
Motor de Recompensa: Autoevolución Centrada en la Recompensa para Agentes de Herramientas Abiertas
Se presenta el Reward Engine, un mecanismo diseñado para construir una recompensa a partir de la experiencia existente que identifique fallos en la política actual. Este motor optimiza hacia el éxito al construir un paquete de pruebas y rúbricas para guiar al agente a revisar y seleccionar sus resultados. Los resultados obtenidos en las pruebas mejoran la consistencia de las ejecuciones en comparación con la línea base.
GraspBench: Evaluación de generación de agarres con conciencia de ejecución en robots
Se presenta GraspBench, un protocolo de MuJoCo diseñado para evaluar pipelines completos de generación de agarres en robots, considerando el filtrado de cinemática inversa y la planificación de movimiento. El estudio compara diferentes métodos de generación de agarres en cuatro implementaciones de robot y cinco objetos, determinando que el rendimiento depende de la interacción entre el generador, el robot, la escena y el protocolo de ejecución. GraspGen mostró la mayor tasa de éxito (73.1%), mientras que la calidad de la propuesta por sí sola no garantiza la ejecutabilidad del agarre.
VACE: Aprendizaje de representaciones geométricamente estructuradas para la detección de anomalías en series temporales
Se presenta VACE, un método de detección de anomalías auto-supervisado para series temporales multivariadas. Este método representa la normalidad como una trayectoria suave y coherente en el espacio de incrustación. VACE combina puntuaciones posicionales y direccionales para detectar desviaciones geométricas en los datos. El método logra un rendimiento de vanguardia en la detección de anomalías.
Agentes de IA divergen sistemáticamente de las preferencias humanas en la formalización de pruebas
Un estudio sobre la colaboración entre agentes de IA y humanos en la construcción de pruebas revela que los agentes de IA muestran preferencias distintas a las humanas. Específicamente, los agentes de IA están más atraídos por lagunas marcadas explícitamente y muestran aversión a centros de pruebas densamente conectados. Esto sugiere diferencias fundamentales en cómo los agentes de IA y los humanos abordan la tarea de formalización de pruebas.
¿Pueden los LLMs razonar de manera legalmente significativa? Un estudio a pequeña escala sobre casos de la Corte Europea de Derechos Humanos
Un estudio evaluó el razonamiento de los LLMs en la predicción de casos legales utilizando jurisprudencia de la Corte Europea de Derechos Humanos (ECtHR). Se encontró que el modelo evaluado no alcanza el nivel ideal en razonamiento legal, produciendo análisis superficiales. Se recomienda evitar depender únicamente de la evaluación automatizada de LLMs y no usar la precisión de la tarea como sustituto de la calidad del razonamiento.
BrainPFN: Predicción de comportamiento cerebral amortizada mediante redes ajustadas con datos previos
Se presenta BrainPFN, una Red Ajustada con Datos Previos para la regresión del comportamiento cerebral, que supera a KRR en la predicción de comportamiento a partir de resonancia magnética funcional. Este modelo se entrena meta con datos reales de conectividad funcional y demuestra un rendimiento superior en la predicción de comportamiento en cohortes independientes. El trabajo destaca que un conjunto de datos abierto puede igualar o superar modelos entrenados a escalas mucho mayores.
Exploración del espacio de parámetros para RLVR mediante aprendizaje variacional
Se investiga la exploración en el espacio de parámetros para el aprendizaje por refuerzo en LLM, sugiriendo que esto puede mejorar el rendimiento. Se introduce el método Perturbed Parameter Policy Optimization (3PO) que utiliza diferentes estrategias de muestreo para la estimación de la recompensa. Los experimentos demuestran que estos enfoques mejoran el rendimiento sobre GRPO con un costo computacional similar.