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 de Centralidad Tipificada para Agentic GraphRAG: Un Enfoque Simbólico para el Razonamiento Agéntico
Se propone un sistema GraphRAG basado en agentes que incorpora una capa simbólica para integrar el razonamiento determinista con las similitudes textuales. Este método utiliza centralidades tipificadas para KGs para construir una representación simbólica que mejora la consistencia de las respuestas del LLM al usar el contexto. El sistema fue validado en un conjunto de datos POLE, mostrando mejoras en la recuperación de información y el razonamiento.
SCDBench: Un punto de referencia para descompiladores de contratos inteligentes basados en LLM
Se presenta SCDBench, un conjunto de datos y metodología de benchmark para evaluar la descompilación de contratos inteligentes mediante Modelos de Lenguaje Grandes (LLM). El estudio evalúa la capacidad de modelos como Claude Opus 4.7 y GPT-5.3-Codex para recuperar código fuente de contratos Solidity a partir de su bytecode. Los resultados sugieren que, aunque los LLM pueden generar código compilable, lograr la consistencia semántica perfecta sigue siendo un desafío significativo.
Evaluación empírica del estado de adopción de criptografía post-cuántica en TLS
Se presenta una evaluación empírica del despliegue de criptografía post-cuántica (PQC) en diversos protocolos TLS, como HTTPS y LDAPS. Los resultados muestran que el soporte de algoritmos PQC es bajo en la mayoría de los protocolos, con porcentajes significativos solo en HTTPS y LDAPS a nivel de servidor y entidad. El estudio correlaciona estas tendencias con la huella digital y los sectores industriales, ofreciendo una visión sobre la preparación actual de PQC en TLS.
Aprendiendo a simular individuos a partir de señales sociales macro
Se propone aprender el razonamiento conductual de mercados de predicción para simular cómo los individuos responden a nuevas situaciones. Se introduce macro2mind, un modelo de lenguaje entrenado con GRPO usando señales de mercado para inferir y predecir las interacciones de los participantes. El modelo demuestra un rendimiento de vanguardia en benchmarks de simulación de usuarios y mejora la precisión de simuladores posteriores.
Estimación de contacto mediante visión y propiocepción para manipulación hábil en mano
Se presenta un marco multimodal basado en transformadores llamado NoContactNoWorries que fusiona visión RGB-D con la propiocepción del robot para inferir estados de contacto binario. Este enfoque busca ofrecer una alternativa escalable al hardware táctil para la estimación de contacto en interacciones mano-objeto. Los experimentos validan la capacidad del modelo para inferir contacto a partir de visión y propiocepción, lo que soporta agentes de aprendizaje por refuerzo para la reorientación de objetos.
Arena de hardware embebido: Optimización iterativa mediante retroalimentación de hardware
Se presenta una arena de agente hardware-in-the-loop para optimizar modelos de IA en hardware de borde, buscando resolver restricciones de memoria, potencia y temperatura. El método permite la optimización iterativa del modelo y el firmware mediante compilación y medición en hardware real. Se demuestra que esta formulación logra despliegues exitosos y una compresión significativa en modelos de visión y audio, superando resultados de expertos humanos.
LEMMO: Un modelo electromagnético grande que aprovecha LLMs preentrenados para la comprensión de señales con millones de muestras
Se presenta LEMMO, un modelo de EM grande diseñado para el reconocimiento y la descripción guiados por instrucciones de grabaciones IQ largas sin procesar. Este modelo procesa hasta ocho millones de muestras complejas mediante un codificador de atención lineal y remuestreo temporal. LEMMO mejora significativamente la precisión en tareas de reconocimiento y descripción de señales EM en comparación con modelos previos. Se libera un corpus unificado de señales EM reales y sintéticas para investigación.
Guía de flujo que conserva la probabilidad
Se analiza la guía en modelos generativos basados en difusión y flujo, enfocándose en la Guía sin Clasificador (CFG) y métodos basados en extrapolación. Se demuestra que la Guía de Manifold Adaptativa (AdaMaG) mejora el realismo y reduce artefactos visuales en la generación de imágenes bajo guía fuerte.
Ejecución en tiempo real con políticas autorregresivas
Se demuestra que las políticas autorregresivas pueden lograr la ejecución en tiempo real ajustando el horizonte de tokenización y aplicando decodificación restringida. Estos métodos garantizan límites de latencia estrictos que permiten la decodificación de múltiples trayectorias para maximizar el rendimiento. Los resultados indican que las políticas autorregresivas superan a las políticas de *flow-matching* en velocidad de finalización de tareas.
Evaluación de la robustez del descubrimiento causal de series temporales en escenarios mal especificados
Se presenta CausalCompass, un marco de puntos de referencia para evaluar la robustez de métodos de descubrimiento causal de series temporales (TSCD) ante violaciones de suposiciones de modelado. Los resultados indican que los enfoques basados en aprendizaje profundo suelen tener el mejor rendimiento en la mayoría de los escenarios evaluados. El trabajo busca facilitar la adopción de estos métodos en aplicaciones del mundo real mediante una evaluación sistemática.
Hoy el trabajo de hoy, la fuerza laboral del mañana: Incentivando el aprendizaje en el trabajo asistido por IA
El artículo analiza cómo la asistencia de la Inteligencia Artificial afecta el desarrollo y retención de habilidades en el trabajo. Se compara a trabajadores que priorizan la utilidad inmediata con trabajadores estratégicos que valoran sus habilidades futuras. Se concluye que las organizaciones deben enfocarse en cómo mantener la experiencia humana y qué habilidades invertir para asegurar la sostenibilidad del trabajo independiente.
Defensa contra jailbreaks para LLMs mediante aprendizaje conjunto de selección y escalado de cabezales de atención dispersa
Se presenta AttentionSwitch, una defensa contra jailbreaks para LLMs que optimiza conjuntamente los sitios de intervención y las fortalezas de los cabezales de atención dispersa dentro de un LLM congelado. Este método aprende un conjunto disperso de cabezales de atención con factores de escalado condicionados por la consulta para atenuar o amplificar sus salidas sin cambiar las direcciones de sus representaciones. AttentionSwitch supera a defensas existentes en modelos populares y muestra resultados fuertes, especialmente con datos de entrenamiento limitados.
No se identificaron personas.
Mecanismos de mala generalización en el modelado de secuencia física
El artículo aborda el problema de la mala generalización física en modelos de secuencia generativos utilizados para planificar movimiento en dominios físicos como la robótica. Se identifica que los errores locales del modelo pueden propagarse, alterando la distribución agregada de una cantidad física como la distancia o la energía. Se proponen mecanismos y mitigaciones, incluyendo la transformación del sistema de coordenadas, para reducir esta deriva.
Metas como capa representacional para la colaboración humano-IA
Se propone que las metas deben funcionar como una capa representacional que medie la interacción entre humanos, sistemas de IA y organizaciones. Esta capa debe ser multidimensional, basada en la articulación humana e inferida de evidencia, y actualizada constantemente. Esta capa podría mejorar la conexión entre solicitudes inmediatas y resultados amplios, facilitando la coordinación y evaluación de sistemas de IA centrados en el ser humano.
Benchmark de Contaminación: Una Taxonomía Organizada por Mitigaciones Derrotadas
Se presenta una taxonomía organizada por la mitigación que derrota diferentes tipos de fuga de información, incluyendo fuga directa, derivada, temporal, distributiva y adquirida. El estudio evalúa la fiabilidad de la medición y la divulgación de resultados en el contexto de la detección automatizada de contaminación en modelos. Se detallan los resultados de pruebas con documentos y variables específicas relacionadas con la robustez de la prevalencia.
Modelos de Imputación de Series de Tiempo con Difusión para Series de Tiempo Continuas
Se propone el Modelo de Imputación de Series de Tiempo por Difusión Enmascarada (MDTIM) para mejorar la imputación de series de tiempo, abordando las limitaciones de los métodos existentes. El modelo aprovecha el paradigma de difusión enmascarada para predecir valores faltantes directamente a partir de los datos observados. Se introduce la Discretización Estocástica para manejar la naturaleza continua de las series de tiempo.
Programas de capas en LLMs a través de la lente de las áreas corticales
Se investiga la flexibilidad en los transformadores de lenguaje (LLMs) al tratar sus capas como una biblioteca de funciones en lugar de una secuencia fija. Se demuestra que la ruta dinámica de la información a través de capas adaptativas mejora el rendimiento de la inferencia. Los hallazgos sugieren que combinar la omisión y la repetición de bloques de capas resulta en el mejor rendimiento.
Método para aprender incrustaciones estructuradas para series temporales progresivas
Se presenta un método novedoso para aprender representaciones interpretables de series temporales progresivas mediante un objetivo contrastivo auto-supervisado. Este enfoque permite leer una brújula latente que describe la progresión del estado subyacente, validando la predicción del estado final, el pronóstico de múltiples pasos y la separación de fases interpretable. El método demuestra ser competitivo con arquitecturas complejas al proporcionar transparencia sobre los mecanismos subyacentes.
Razonamiento antes de la traducción: Mejorando la traducción automática legal con razonamiento estructurado
Se compara la calidad de la traducción automática neuronal (NMT) en el ámbito legal mediante el uso de modelos de lenguaje con capacidad de razonamiento. Se evalúan modelos pequeños como Qwen3.5 4B, Qwen3.5 9B y Gemma 3 12B, comparándolos con modelos de razonamiento de vanguardia. Se concluye que el aprendizaje por refuerzo puede superar la calidad del ajuste fino supervisado en este dominio.
Lenguaje como rasgo, cortesía como estrategia: Pruebas controladas de efectos lingüísticos en agentes de deducción social de LLM
Se realizaron pruebas controladas en agentes de modelo de lenguaje grande (LLM) para evaluar cómo la variación en el lenguaje (simple/complejo, directo/cortés) afecta la deducción social. Los resultados indican que estas variaciones lingüísticas no alteran la confianza de otros agentes ni los resultados del juego, aunque un cambio en el rango lingüístico puede influir ligeramente en los votos.
IA supera a humanos expertos en diálogos basados en texto
Experimentos con IA conversacional demostraron que los sistemas de IA son consistentemente más persuasivos que los humanos expertos en diálogos basados en texto. La ventaja de la IA se atribuye a su capacidad para desplegar grandes cantidades de información rápidamente. Estos resultados sugieren implicaciones significativas para la comunicación política y la persuasión en contextos sociales.
No se identificaron personas.
Domando al Centauro(s) con LAPITHS: un marco para una interpretación fundamentada teóricamente de los desempeños de la IA
Se presenta un marco llamado LAPITHS para interpretar los desempeños de modelos de lenguaje como CENTAUR, argumentando que sus afirmaciones no están justificadas teóricamente ni empíricamente. LAPITHS busca contrarrestar la tendencia behaviorista en la investigación de IA al interpretar el rendimiento de estos modelos como evidencia de capacidades cognitivas humanas. El marco utiliza evaluaciones cuantitativas para medir la plausibilidad cognitiva de los sistemas artificiales.
BiG-SURE: Grafo Bipartito para la Estimación de Incertidumbre y Fiabilidad Semántica de LLMs
Se propone BiG-SURE, un estimador de incertidumbre basado en el acuerdo semántico de temperatura cruzada para LLMs y VLMs. El método utiliza un grafo bipartito para medir la alineación semántica entre respuestas de baja y alta temperatura. Los resultados muestran que BiG-SURE mejora la estimación de incertidumbre sobre métodos anteriores en entornos de caja negra.
Glyph: Un motor de interpretabilidad para el descubrimiento científico impulsado por IA en datos clínicos
Se presenta Glyph, un marco automatizado que utiliza modelos fundacionales y autoencoders esparsos para extraer y hacer interpretable conceptos clínicos a partir de datos clínicos multimodales y no estructurados. El estudio aplicó Glyph a datos de 41,628 pacientes, identificando 397 conceptos predictivos con asociaciones significativas. Se demostró que las asociaciones descubiertas son reproducibles y complementan marcadores derivados de la literatura, mejorando el poder predictivo.
- Robbie Holland
- Ashwin Kumar
- Mateus A. Esmeraldo
- David Le
- Andrea Fisher
- Jiazhen Pan
- Louisa Fay
- Magdalini Paschali
- Vasiliki Sideri-Lampretsa
- Ates Fettahoglu
- Stefania Moroianu
- Philipp Wesp
- Ivan Lopez
- Tom Nuno Wolf
- McKenzie S. White
- Eduardo Pontes Reis
- Fatima Rodriguez
- Curtis P. Langlotz
- Vasilis Syrgkanis
- Imon Banerjee
- Akshay S. Chaudhari
- Sergios Gatidis
Control causal de conceptos interdominio en un modelo fundacional de física
Un modelo fundacional de física grande llamado Walrus aprende representaciones linealmente controlables de fenómenos físicos. Se identificaron direcciones en el espacio de activación que permiten controlar causalmente propiedades como la vorticidad, la difusión y la progresión temporal. Estos hallazgos sugieren que los modelos fundacionales científicos pueden adquirir representaciones generales de principios físicos.
No se identificaron personas.
CPU-ARC: Almacenamiento de caché de razonamiento agente para reutilización de razonamiento en CPU
Se presenta el CPU-ARC, un método para construir cachés de razonamiento agente ejecutables en CPU a partir de trazas de razonamiento de LLM. Este método permite aplicar soluciones de tareas previamente razonadas a nuevos problemas de manera eficiente. Los ARCs demuestran un rendimiento comparable con modelos de lenguaje grandes en tareas matemáticas y científicas complejas, siendo significativamente más económicos de usar.
Reformulación del problema de exclusión de caché KV para inferencia de LLM de largo contexto
Se reformula el problema de exclusión de la caché Key-Value (KV) para modelos de lenguaje grandes (LLM) con contexto largo, abordando la sobrecarga de memoria y tiempo. Se presenta LaProx, una estrategia que modela la interacción entre mapas de atención y estados de valor para asignar puntuaciones de importancia globales a los tokens. Los resultados demuestran que el método mantiene el rendimiento del modelo con solo el 5% de la caché KV y supera a métodos previos.
Conocimiento curvo en modelos planos: Construyendo IA experta a escala
El estudio investiga la geometría hiperbólica en modelos de lenguaje, encontrando que los mecanismos de jerarquía en *checkpoints* hiperbólicos son inactivos. Se demuestra que la aritmética y sus límites definen la región computable, y que un *checkpoint* plano no puede probar la inercia de la geometría. El trabajo analiza la relación entre la geometría, la aritmética y la capacidad de los modelos de lenguaje.
VibeLifeBench: ¿Puede tu agente de vida ser proactivo y persistente en un mundo vivo?
Se presenta VibeLifeBench, una medida diseñada para evaluar agentes de modelo de lenguaje (LLM) en tareas de horizonte largo y persistentes en entornos simulados de vida cotidiana. El benchmark mide la capacidad de un agente para ser proactivo, notar cambios silenciosos y mantener la coherencia de un plan a lo largo del tiempo. Los resultados indican que los agentes actuales están lejos de asistir en tareas de vida real complejas.
Análisis de dificultad para la mejora de la reparación
Se propone DARE (Difficulty Analysis for Repair Enhancement) para medir y predecir la dificultad de las tareas de reparación en agentes de codificación basados en LLM. El modelo utiliza 151 características estáticas para predecir la dificultad y analiza grupos de características para seleccionar el soporte de reparación adecuado. Los resultados demuestran que al alinear el soporte con las características más salientes de cada tarea, el éxito de la reparación aumenta significativamente.