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 AI¿Qué tan corto es demasiado corto? Calibración condicional basada en la longitud y abstención para detectar texto generado por IA
Se investiga la detección de texto generado por IA basándose en la longitud del pasaje. El estudio analiza cómo la longitud afecta la tasa de falsos positivos de los detectores de IA. Se calibran umbrales y se determina cuándo un detector es informativo en diferentes longitudes de texto.
¿Su red neuronal extrapola? Ingeniería de características como sesgo de identificabilidad para la generalización OOD
Se investiga si las redes neuronales profundas pueden generalizar fuera de distribución (OOD) si las características aprendidas en el entrenamiento (ID) son identificables. Se demuestra que la generalización OOD depende de un compromiso estructural identificable que especifica el proceso generador de datos subyacente. Se concluye que las características correctas son necesarias, pero no suficientes, para lograr una generalización OOD exitosa.
Moxia: Arquitectura de ejecución neuro-simbólica de confianza primero para razonamiento matemático autoexplicativo
Se presenta Moxia, una arquitectura neuro-simbólica diseñada para el razonamiento matemático autoexplicativo a partir de lenguaje natural. El sistema convierte el texto informal en un esquema para un sistema CAS, derivando respuestas o abstenciones. El modelo alcanzó un 95.6% de aciertos en el test MATH completo, con énfasis en la verificación de teoremas Lean compilados.
Crédito de valor de búsqueda para el diseño heurístico automático evolutivo
Se propone el Crédito de Valor de Búsqueda (SVC) para mejorar el diseño heurístico automático en modelos de lenguaje grandes. Este mecanismo construye recompensas basadas en la admisión a un conjunto retenido y una medida de exposición a padres, buscando reflejar oportunidades de reutilización de los programas. Los resultados demuestran que SVC ofrece un mejor rendimiento de búsqueda en varias tareas de optimización comparado con el método anterior.
Más allá de la restauración de uniformes: Empoderando la restauración todo en uno con guía multimodal a nivel de píxel
Se presenta MGN-AIR, un marco de restauración a nivel de píxel para la restauración de imagen todo en uno. Este método utiliza indicaciones textuales y visuales para guiar al modelo en la restauración de degradaciones a nivel de píxel. Los resultados experimentales demuestran que el método propuesto supera significativamente a los enfoques existentes en diversas tareas de restauración.
Exploración impulsada por prompts: el lenguaje como espacio de exploración para el aprendizaje por refuerzo con aprendizaje profundo
Se propone la Exploración Impulsada por Prompts (PDE) para el aprendizaje por refuerzo (RL) utilizando modelos de lenguaje grandes (LLM) y modelos de visión-lenguaje-acción (VLA). Esta técnica permite modificar el prompt de lenguaje natural para inducir cambios globales en la política, mejorando la eficiencia de la muestra y permitiendo el aprendizaje de políticas exitosas incluso con recompensas escasas.
JevGPT: Pensando rápido y lento en la investigación autónoma
Se presenta JevGPT, una arquitectura de doble sistema para investigación autónoma que combina procesamiento rápido de evidencia con planificación deliberativa. El sistema integra hallazgos mientras que el otro localiza el soporte y guía la inspección. Los experimentos demuestran que JevGPT logra un rendimiento superior con menor costo y tiempo de finalización que otros agentes de investigación.
Auditoría a gran escala de fuentes alineadas con el Estado ruso en respuestas de chatbots de IA
Se realizó una auditoría exhaustiva de 11 chatbots de IA para determinar su susceptibilidad a recuperar contenido de la Red Pravda, un agregador de medios de estado ruso. Se encontró que la recuperación de artículos de la Red Pravda es infrecuente, siendo solo el 7.3% de las respuestas, y altamente dependiente de la plataforma. Además, se identificó la táctica de "lavado de titulares" utilizada para disfrazar el contenido estatal como reportaje independiente.
Métodos de entrenamiento defensivo: Entendiendo cómo protegen la integridad de los modelos de lenguaje
Se analizan los métodos de entrenamiento defensivo como el direccionamiento preventivo positivo (PPS) y el prompting de inoculación (IP) para proteger la integridad de los modelos de lenguaje grandes (LLM). Se examinan sus mecanismos conductuales y mecanicistas, encontrando que ambos métodos previenen la adquisición de rasgos, aunque con efectos diferentes en la expresión de rasgos preexistentes. Los resultados indican que PPS e IP no son intercambiables y sugieren que la pérdida y el cambio de gradiente son manifestaciones de la misma señal de entrenamiento.
EVA-0: Evolución del modelo en tiempo de prueba con solo dos pasadas hacia adelante por muestra
Se presenta EVA-0, un marco de adaptación de orden cero que permite la evolución del modelo en tiempo de prueba con solo dos pasadas hacia adelante por muestra, evitando la retropropagación. Este método aborda problemas como la susceptibilidad a soluciones atajo y la deriva de peso mediante estrategias específicas. Los resultados demuestran que EVA-0 supera a otros métodos y logra una aceleración de 14 veces sobre FOA.
PitchBench: Midiendo la audición de tono en modelos de lenguaje audio
Se presenta PitchBench, un conjunto de evaluación de 28 tareas diseñado para medir la percepción de tono absoluto y relativo en modelos de lenguaje audio (ALM). El estudio evalúa la fiabilidad de la percepción de tono bajo diversas condiciones acústicas y de fuente de sonido. Los resultados indican que la audición de tono sigue siendo muy poco fiable en los modelos de vanguardia, con una precisión que varía según el formato de la instrucción.
Grounding Driving VLA mediante Cinemática Inversa
Se presenta una arquitectura inspirada en la cinemática inversa para mejorar la planificación de trayectorias en VLAs de conducción, abordando el fallo de planificación ciega. El modelo logra un rendimiento de vanguardia en simuladores de conducción utilizando solo cámaras, superando a la línea base existente en métricas clave. Esto demuestra la capacidad de la predicción de estado futuro para refinar las respuestas a peligros específicos.
Entendiendo los desafíos en la optimización generativa iterativa con LLMs
Se investiga la optimización generativa iterativa con LLMs, encontrando que su fragilidad se debe a decisiones de diseño no explícitas sobre qué editar y qué evidencia de aprendizaje proporcionar. Se analizan tres factores clave, como el artefacto inicial y el horizonte de crédito, para determinar el éxito de la optimización en diferentes escenarios. Se propone una regla de tamaño de lote y horizonte de crédito calibrada para transferir a otros modelos.
RoboWits: Desafíos inesperados para la resolución creativa de problemas robóticos
Se presenta RoboWits, un punto de referencia robótico diseñado para evaluar el razonamiento cognitivo y la robustez de los robots ante desafíos inesperados. Los resultados indican que los modelos de visión grandes (VLAs) ajustados son frágiles en tareas mutadas, mientras que un modelo de cero-shot basado en GPT-6 Astra supera a los VLAs ajustados, aunque aún presenta debilidades en dichas tareas.
NeuroActiSep: Detectando alucinaciones fácticas desde neuronas de propagación hacia adelante en un solo pase
Se propone un método para rankear neuronas de propagación hacia adelante en el token de pregunta final para investigar su uso en la detección de alucinaciones en el primer pase hacia adelante de modelos de lenguaje grandes. El estudio demuestra que las pruebas entrenadas con características de conjuntos dispersos de neuronas seleccionadas son competitivas con las entrenadas en representaciones internas. Se concluye que las señales correlacionadas con la alucinación están distribuidas entre muchas neuronas, aunque la selección puede ser útil en conjuntos muy dispersos.
De las líneas de base a las geodésicas de transporte: Atribución axiomática mediante flujos generativos óptimos
El estudio aborda la ambigüedad en la atribución de características al analizar cómo diferentes caminos generativos definen explicaciones de predicciones. Se propone un principio de atribución basado en el transporte de distribuciones para seleccionar el camino óptimo. Los experimentos demuestran que los caminos de transporte aprendidos ofrecen explicaciones espacialmente coherentes y estables.
Enfoque sin conexión al aprendizaje por refuerzo guiado por fNIRS para el comportamiento de robots
Se explora la viabilidad de usar señales cerebrales mediante espectroscopia funcional de infrarrojo cercano (fNIRS) para modular el aprendizaje de robots en simulaciones de aprendizaje por refuerzo. El estudio compara agentes entrenados con diferentes tipos de interacción y demuestra que la señal neural mejora el aprendizaje al aumentar prioridades de trayectoria y objetivos q. El marco también funciona con datos sin conexión, ofreciendo una alternativa práctica para escenarios donde los sistemas BCI en tiempo real son inviables.
¿Los probes de estado oculto entrenados benignamente detectan errores de herramientas bajo condiciones adversarias?
Se evalúa si los probes de estado oculto entrenados con uso benigno de herramientas son útiles para detectar acciones incorrectas bajo condiciones adversarias. La investigación compara estos probes con otras métricas de incertidumbre para determinar su fiabilidad. Los resultados sugieren que dichos probes no deben considerarse confiables para detectar errores operativos de acción de herramientas en escenarios adversarios.
UDT: Reconciliando U-Nets y Diffusion Transformers con Reducción de Tokens Adaptativa a los Datos
Se propone UDT, un transformador de difusión U-Net que combina el poder de representación de los Diffusion Transformers (DiTs) con los beneficios de codificación-decodificación de los U-Nets mediante la fusión adaptativa de tokens para el muestreo. Esta arquitectura supera a las U-Net DiTs existentes y muestra un rendimiento comparable a REPA, logrando una convergencia significativamente más rápida.
LAPO: Optimización de política logit-promediada KL-free para aprovechar RL y SFT en LLM post-entrenamiento
Se presenta LAPO, un marco post-entrenamiento libre de KL y crítico que utiliza el promedio de logits dentro de GRPO para estabilizar las trayectorias de despliegue. Este método elimina la retropropagación de la penalización KL explícita y equilibra dinámicamente la exploración y el anclaje estructural. Los resultados muestran que LAPO supera al GRPO regularizado por KL, obteniendo ganancias de precisión en benchmarks clave.
Modelado de recompensa guiado por razones para el aprendizaje por refuerzo basado en preferencia
Se presenta un marco de aprendizaje por refuerzo basado en preferencia (PbRL) que aprende un modelo de recompensa humana utilizando retroalimentación a nivel de trayectoria. Este marco incluye etiquetas de razón que explican la preferencia de un comportamiento, mejorando la alineación de la recompensa con las expectativas humanas. La formulación guiada por razones proporciona supervisión adicional y aumenta la interpretabilidad de la política aprendida.
La geometría del rechazo: Por qué el rechazo post-hoc es frágil y el rechazo en tiempo de preentrenamiento persiste
Se analiza la fragilidad del rechazo en modelos de lenguaje grandes, comparando el entrenamiento de seguridad post-hoc con el entrenamiento en tiempo de preentrenamiento. Se demuestra que el rechazo es frágil y que la persistencia, no el momento, determina si el rechazo se mantiene. Los modelos entrenados desde cero con co-entrenamiento de seguridad muestran una erosión menor del rechazo bajo ataques específicos.
Aproximación de Despliegue Paralelo para Generación de Imágenes en Espacio de Píxeles
Se presenta la Aproximación de Despliegue Paralelo (PRA), un marco escalable para la generación autoregresiva (AR) de imágenes en espacio de píxeles. Este método aborda los desafíos de errores acumulados y la brecha entre entrenamiento e inferencia mediante la generación de estados intermedios y un decodificador de píxeles. Los resultados demuestran que PRA logra un mejor rendimiento en la generación y en la capacidad de clasificación de imágenes.
Topología obstaculiza estados cuánticos neuronales puros
Se demuestra que la representación de los modelos de fundación para estados fundamentales en sistemas de espín-1/2 está topológicamente obstaculizada. Esto implica que ciertos modelos de vector de estado tienen fidelidad cero con el estado fundamental en ciertos parámetros del Hamiltoniano. Se explora cómo esta obstrucción afecta la susceptibilidad de fidelidad, proporcionando una firma numérica de una transición de fase inexistente.
Dataset de Preguntas y Respuestas Contextualizadas sobre Templos y Patrimonio Religioso de la India
Se presenta BharatSynthQA, un conjunto de datos de preguntas y respuestas basado en pasajes enfocado en templos y sitios de culto de la India. El proyecto utiliza IA para ayudar a la curiosidad sobre el patrimonio cultural indio, evaluando el rendimiento de modelos de lenguaje grandes (LLMs) en este dominio. El conjunto de datos incluye pares de QA generados y anotados por humanos para investigación en recuperación y generación aumentada.
El PaísChimpancés, monos y cucarachas: los animales también votan y sus elecciones pueden ser manipuladas
Diversos animales sociales, como chimpancés, cucarachas y monos dorados, utilizan mecanismos de votación y toma de decisiones colectivas. Los estudios indican que las interacciones sociales y la jerarquía influyen en la dirección de los desplazamientos y la elección de refugios. Se observa que la influencia no siempre recae en los individuos de mayor rango, ya que los subordinados también pueden influir en el comportamiento grupal.
Medical XpressLas tasas de reembolso de Medicare para dermatología disminuyeron un 29% ajustadas por inflación
Un estudio publicado en JAMA Dermatology encontró una disminución del 29% en los reembolsos ajustados por inflación de Medicare para procedimientos dermatológicos entre 2007 y 2026. Los investigadores concluyen que estos cambios en el reembolso podrían influir en la sostenibilidad financiera de los servicios y el acceso de los pacientes a la atención dermatológica. Se destaca que estos hallazgos son consistentes con tendencias observadas en otras especialidades médicas.
India TodayLa calidad del aire en Delhi alcanza niveles peligrosos, y la llegada de una perturbación occidental no promete alivio
La calidad del aire en Delhi se mantuvo en la zona de peligro el martes 10 de noviembre, con un índice de 414, aunque fue ligeramente inferior al día anterior. La llegada de una perturbación occidental no se espera que traiga lluvia, lo que genera preocupación ya que la falta de precipitaciones podría mantener la contaminación alta. La ausencia de lluvia y vientos fuertes dificulta la limpieza del aire en la región Delhi-NCR.
No se identificaron personas.
LibertateaMadi Allen se recuperó 10 años después de complicaciones causadas por gripe en EE. UU.
Madi Allen, una niña de 12 años, estuvo a punto de morir en febrero de 2011 debido a una infección grave por el virus de la gripe tipo B, lo que requirió intubación y una larga estancia hospitalaria. Tras la recuperación, sufrió complicaciones pulmonares que la llevaron a una cirugía y a una carrera larga por su salud. Actualmente, trabaja como asistente médica en una clínica de neumología y enfatiza la importancia de la vacunación anual contra la gripe.
Técnica de globo puede mejorar la circulación al corazón y cerebro durante la parada cardíaca
Un estudio de viabilidad demostró que la técnica REBOA puede mejorar el flujo sanguíneo al corazón y cerebro en pacientes con parada cardíaca que no respondieron a soporte vital avanzado. Los resultados preliminares sugieren que la oclusión temporal de la aorta puede aumentar la presión arterial y el flujo sanguíneo a estos órganos vitales. Aunque se necesita más investigación prospectiva, los hallazgos son alentadores respecto al potencial de esta técnica en la reanimación.