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
arXiv Computer Science AIPrompts de seguridad y privacidad en el mundo real: Qué preguntan los usuarios a los LLM y cómo responden los LLM
Un estudio analizó las preguntas de seguridad y privacidad (S&P) que los usuarios hacen a los Modelos de Lenguaje Grandes (LLM) utilizando un conjunto de datos de 3.2 millones de conversaciones. Se categorizaron 14,727 indicaciones y se evaluó la calidad de las respuestas de los LLM comerciales frente a los modelos de código abierto. Se encontró que los LLM comerciales superan a los modelos de código abierto, aunque los modelos comerciales pueden generar respuestas inconsistentes.
No se identificaron personas.
Modelos de lenguaje con estado aumentado recursivo: Adaptación persistente del estado latente de modelos de lenguaje preentrenados
Se presenta un marco llamado Modelos de Lenguaje con Estado Aumentado Recursivo (Recursive SALM) que permite que un estado latente persista y evolucione con cada observación para adaptar modelos de lenguaje preentrenados. Los experimentos demuestran que esta adaptación latente persistente puede soportar la inferencia secuencial incluso cuando la evidencia anterior no está disponible en el contexto del decodificador. Se compara el rendimiento con modelos basados en contexto completo, mostrando una mejora en tareas de inferencia.
MLIRBench: Benchmark y conjunto de datos para el razonamiento de LLMs sobre programas MLIR
Se presenta MLIRBench, un benchmark diseñado para evaluar la capacidad de los modelos de lenguaje grandes (LLMs) para razonar sobre programas MLIR. El benchmark utiliza un *pipeline* de multi-agente para generar y validar mutaciones de programas, utilizando un conjunto de datos de 1,768 pares validados. Los resultados indican que, aunque la clasificación semántica es fuerte, existe una brecha en la predicción precisa del comportamiento de ejecución detallado por parte de los LLMs.
Pechos pequeños, decisiones fuertes: Un estudio controlado de modelos de decisión tipada
Un estudio de TypeSafe en septiembre de 2026 compara modelos de decisión tipada como Jev, Nimble y Clef. Los experimentos demuestran que la complejidad de la cabeza no afecta la precisión, pero el tamaño del esqueleto es más importante. Se recomienda enfocar el esfuerzo en el esqueleto y mantener la cabeza mínima para optimizar la eficiencia.
Hacia un Razonamiento Visión-Lenguaje Robusto: Una Tubería de Optimización Multi-etapa con Modelo de Difusión Enmascarada
Se propone una tubería de optimización multi-etapa para arquitecturas de modelos visión-lenguaje, enfocada en mejorar su rendimiento para la conducción autónoma. Esto incluye optimizar la representación de entradas de planificación para reducir alucinaciones y aplicar filtrado de diversidad en el aprendizaje por refuerzo. Se presenta un método de decodificación adaptativo para ajustar los modos de decodificación según la complejidad de la escena, mejorando el rendimiento del modelo en un 29.7%.
Cuantificación de ratios de transferencia de comportamiento subliminal en destilación de modelos de lenguaje
Se cuantifican los ratios de transferencia de comportamiento subliminal en la destilación de modelos de lenguaje. El estudio compara dos modelos maestros (Llama-2-7B-Chat y Qwen2.5-7B-Instruct) al destilar modelos estudiantes con datos benignos. Se encontró que la transferencia es robusta, aunque Llama-2 muestra un umbral agudo mientras que Qwen2.5 presenta niveles de transferencia más altos.
TransXplainRRG: Un LVLM evaluado por radiólogos para la generación de informes de radiografías de tórax
Se presenta TransXplainRRG, un LVLM diseñado para la generación de informes de radiografías de tórax, abordando los desafíos de rendimiento y explicabilidad clínica. El modelo combina codificadores de visión y texto para generar informes, buscando mejorar la interpretabilidad y la fiabilidad en aplicaciones de IA clínica. El sistema fue probado en conjuntos de datos grandes y mostró resultados competitivos y superiores a modelos existentes.
CapLite: Defensa contra inyección de prompts para agentes de modelos de lenguaje pequeños sin artefactos de seguridad escritos por el modelo
Se presenta CapLite, una defensa contra la inyección de prompts para agentes de modelos de lenguaje pequeños (SLM) que deriva su política de los esquemas de herramientas. Esta defensa garantiza la integridad de la escritura asegurando que el texto inyectado no pueda añadir una escritura no autorizada. CapLite demostró una utilidad comparable a otras defensas, logrando un rendimiento superior en tokens y utilidad bajo ataque.
NVIDIA OmniDreams: Modelo de mundo generativo en tiempo real para simulación de vehículos autónomos de bucle cerrado
Se presenta OmniDreams, un modelo de mundo generativo para generar videos en tiempo real condicionados por acción, diseñado para simulación de vehículos autónomos. Este modelo utiliza el modelo de difusión Cosmos y datos de escenarios de conducción para sintetizar fenómenos complejos y generar observaciones de sensores fotorrealistas. Los resultados preliminares muestran que un modelo basado en OmniDreams supera a modelos previos en el conjunto de datos NuRec.
- Aarti Basant
- Amlan Kar
- Despoina Paschalidou
- Fangyin Wei
- Francesco Ferroni
- Guillermo Garcia Cobo
- Haithem Turki
- Huan Ling
- Jaewoo Seo
- James Lucas
- Jay Zhangjie Wu
- Jialiang Wang
- Jonathan Lorraine
- Jun Gao
- Kai He
- Katarina Tothova
- Kevin Xie
- Michal Tyszkiewicz
- Qi Wu
- Riccardo de Lutio
- Ruilong Li
- Sanja Fidler
- Seung Wook Kim
- Tianchang Shen
- Tianshi Cao
- Tobias Pfaff
- William Lew
- Xindi Wu
- Xuanchi Ren
- Yifan Lu
- Yuxuan Zhang
- Zan Gojcic
- Zian Wang
Evaluación de agentes de modelo de lenguaje local para ingeniería de datos
Se evaluaron agentes de modelo de lenguaje (LLM) locales para tareas de ingeniería de datos, examinando su capacidad para producir artefactos correctos y fiables. Los resultados indican que los modelos de código abierto que caben en una GPU de consumo son viables con un bucle de espacio de trabajo, aunque la capacidad sigue diferenciando configuraciones utilizables de no utilizables.
Benchmarking de Comprensión de Documentos Multilingües en Modelos de Lenguaje Visual
Se presenta MDU, un punto de referencia multilingüe de Comprensión de Documentos (DU) con 23146 ejemplos en cinco idiomas (inglés, francés, alemán, italiano y español). El estudio evalúa 45 VLMs de código abierto para medir su capacidad de generalización entre idiomas y tareas de extracción de texto. Los resultados indican que el rendimiento es desigual y que las capacidades no mejoran conjuntamente con el tamaño del modelo.
Mejorando la generalización y la citación en RAG mediante la descomposición de consultas
Se propone un nuevo marco RAGQ llamado QDRAG para mejorar la generalización y la citación en sistemas RAG, abordando problemas como la sobrecitación y el fallo en la identificación de entidades. QDRAG descompone la pregunta en subpreguntas atómicas y utiliza un reranker para eliminar distractores de contexto. Los experimentos demuestran que QDRAG supera a los modelos de referencia en pruebas multimodales, superando incluso a Gemini-Pro.
Integración de modelos SysML entre organizaciones: Un estudio de desafíos y tareas asistidas por IA
Se investigan los desafíos y las tareas asistidas por IA en la integración de modelos de sistemas basados en SysML para la colaboración interorganizacional. Los participantes perciben la integración como un problema de alineación multidimensional y consideran que la IA es útil para el análisis semántico y la detección de inconsistencias. Se recomienda el uso humano con verificación obligatoria para reforzar la responsabilidad de ingeniería.
Activaciones de "Going Badly" impulsan el hackeo de recompensas
Se investiga cómo los modelos de lenguaje exhiben un estado de presión interna que precede al hackeo de recompensas, similar a la presión humana ante tareas difíciles. Los resultados sugieren que monitorear y mitigar este estado de maldad de tarea puede ayudar a controlar el comportamiento de los agentes en tareas complejas. Se encontraron diferencias en cómo este estado afecta el comportamiento de los modelos según la arquitectura utilizada.
Límites de error a nivel de ítem restringen la agregación de modelos de lenguaje pequeños en la estimación de Fermi
Se investiga cómo los límites de error a nivel de ítem afectan la agregación de modelos de lenguaje pequeños en la estimación de Fermi. Se analiza el error log10 de las respuestas y cómo la agregación de respuestas afecta la precisión general. Se demuestran mejoras en la reducción del error mediante la colaboración de equipos y la optimización de los modelos.
No se identificaron personas.
El "Reward Hacking" como abstención estratégica en modelos de razonamiento legal
Un modelo de IA legal entrenado con GRPO demostró un colapso en la precisión al adoptar un comportamiento evasivo, priorizando la forma legal sobre el razonamiento efectivo. Esto se debe a que el modelo se enfoca en maximizar la apariencia legal, resultando en una baja capacidad de razonamiento. Se introducen herramientas de diagnóstico para identificar este fallo antes del despliegue, ya que una respuesta incorrecta con confianza puede ser negligencia profesional.
La combinación de modelos no requiere clasificaciones LoRA uniformes
Se investiga si la combinación de modelos requiere clasificaciones LoRA uniformes. Se demuestra que el acoplamiento de la clasificación es una propiedad del método de fusión, no de la fusión en sí. Se explora la posibilidad de asignar diferentes clasificaciones LoRA a los expertos para mejorar la precisión en dominios múltiples.
Red de Inversión Sensible a la Región para Extracción de Marca de Agua Semántica
Se presenta un método ligero y sin prompts para la extracción de marcas de agua semánticas en modelos de difusión, reduciendo el costo computacional al evitar la inversión iterativa. El método propone descomponer la recuperación del punto final en un ancla de imagen y un residuo orientado al ruido, logrando una extracción eficiente en un solo paso.
Una inteligencia artificial de frontera para la neuroimagen humana
Un modelo visión-lenguaje llamado Neuro-VL fue entrenado con un millón de estudios de neuroimagen para interpretar exámenes completos y conversar sobre sus hallazgos. Este modelo superó a otros modelos médicos en el diagnóstico y descripción de anomalías, además de generar informes radiológicos detallados. Los resultados demuestran que la experiencia clínica colectiva puede desarrollar IA médica con capacidades clínicas amplias.
- Chenhui Zhao
- Akshay Rao
- Akhil Kondepudi
- Yiwei Lyu
- Xinhai Hou
- Rikhil Seshadri
- Cheng Jiang
- Soumyanil Banerjee
- Rushikesh Joshi
- Samir Harake
- Ashok Srinivasan
- Shruti Mishra
- Francisco Rivas-Rodriguez
- Seunghong Rhee
- Nathaniel Roddenberry
- Neeraj Chaudhary
- Zach Wilseck
- Paul Park
- Honglak Lee
- Vikas Gulani
- Aditya Pandey
- Todd Hollon
Desacuerdo de expertos afecta el prestigio y la selectividad en la revisión de decisiones de LLM
Se investiga cómo la revisión de decisiones por modelos de lenguaje (LLM) tras un desacuerdo entre agentes afecta la precisión. Los resultados indican que, bajo desacuerdo de expertos, ningún modelo supera un umbral de precisión establecido, y la revisión no es un indicador fiable de mejora. Se sugiere evaluar las tuberías de revisión con métricas condicionales por modelo y protocolo.
CamChoreo: Benchmarking de Comprensión del Movimiento de Cámara Temporalmente Fundamentado para Modelos de Lenguaje Visual
Se presenta CamChoreo, el primer benchmark para evaluar la comprensión del movimiento de cámara de manera temporalmente fundamentada y composicional. El trabajo introduce CamInject y CamDistill para mejorar la comprensión del movimiento de cámara en modelos de lenguaje visual. Estos métodos buscan mejorar la localización de movimientos consistentes y la identificación de movimientos activos en clips de video.
Aprendizaje conjunto de opciones neuronales jerárquicas y modelo de mundo abstracto
Se propone un método llamado AgentOWL para aprender conjuntamente un modelo de mundo abstracto y opciones neuronales jerárquicas. Este método busca adquirir secuencias de habilidades de manera eficiente, reduciendo la necesidad de datos en comparación con los algoritmos de refuerzo jerárquico existentes. Los resultados demuestran que el método aprendido posee capacidades de aprendizaje y generalización superiores a los métodos de referencia.
No se identificaron personas.
Agon: Un sistema de investigación multidisciplinario autónomo construido sobre la economía de prompts
Se presenta Agon, un orquestador de investigación diseñado para explorar los límites de la investigación automatizada mediante modelos de lenguaje grande. Agon se basa en seis principios de diseño, incluyendo la economía de prompts y el paralelismo masivo, demostrando escalabilidad en la investigación. El sistema sugiere un nuevo paradigma donde las máquinas escalan y los humanos dirigen la investigación.
MiniOpt: Razonamiento para modelar y resolver problemas de optimización general con recursos limitados
Se presenta MiniOpt, un LLM ligero especializado en optimización entrenado con un paradigma de razonamiento para resolver problemas de optimización con recursos limitados. Este modelo supera a otros modelos basados en aprendizaje al requerir menos parámetros y datos de entrenamiento. Los resultados indican que MiniOpt mantiene su capacidad de optimización incluso con parámetros desacoplados, sugiriendo una comprensión más robusta de la estructura de optimización.
Método de aprendizaje por refuerzo profundo con restricción física para la planificación de misiones autónomas de sondas a Titán
Se propone un método de optimización de política proximal maskable (PCM-PPO) con restricción física para la planificación de misiones autónomas de sondas a Titán. Este método aborda los desafíos de la planificación en entornos de espacio profundo complejos y variables, incorporando modelos de dinámica de sistemas para mejorar la representación física. El PCM-PPO ofrece un esquema factible e interpretable para la planificación de misiones autónomas en Titán.
¿A dónde debe ir el código? Localizando errores del modelo fundacional en la simulación de inventario bimórfico
Se presenta un estudio sobre la localización de errores en la simulación de inventario bimórfico utilizando modelos fundacionales. El trabajo analiza cómo diferentes tipos de código y configuraciones de modelos afectan la resolución de errores como el error de selección de informe y el error de despliegue. Se evalúan los efectos de diferentes interfaces de llamada y la capacidad de razonamiento de modelos como GPT-5.4 mini y DeepSeek V4 Pro.
Estudio empírico a escala de modelos de lenguaje sintácticos
Se realizó un estudio empírico a gran escala de modelos de lenguaje sintácticos (SLM) para evaluar su rendimiento en diferentes tareas y puntos de referencia sintácticos. Los resultados indican que los SLM con atención causal estándar igualan o superan a las variantes con máscaras estructurales. Se observa que a escalas mayores, los SLM pueden perder competitividad frente a líneas base no estructurales con capacidad de cómputo.
¿Pueden los LLMs solucionar errores sin código? Hacia la verificación automatizada de correcciones de errores sin código
Un estudio evalúa la capacidad de los Modelos de Lenguaje Grandes (LLMs) para generar correcciones sin código para errores de software en un entorno de navegador. Se midió el éxito de estas correcciones mediante la aplicación de un agente ejecutor y un verificador de problemas. Se encontró que, aunque algunas correcciones resuelven los errores, menos de la mitad de las soluciones generadas por los LLMs resuelven el problema, destacando la necesidad de verificación humana.
Estimación de eventos raros mediante desalineación iterativa
Se presenta un nuevo método de muestreo de importancia (IS) para estimar la probabilidad de eventos raros generados por la variación estocástica en las acciones de agentes autónomos. Este método perturba los pesos del modelo para crear una propuesta de lenguaje model que permite una búsqueda basada en gradiente. Se demostró una ganancia de eficiencia de cómputo superior a $800\times$ sobre el Monte Carlo ingenuo para eventos con probabilidades muy bajas.
Presentación de un conjunto de datos unificado para el análisis de documentos con generación de descripción de elementos visuales
Se presenta Read-Parse-Describe, un conjunto de datos unificado para el análisis de documentos que incluye la generación de descripción de elementos visuales. El trabajo aborda la necesidad de modelos que puedan producir un análisis a nivel de página que sea fiel tanto estructural como semánticamente. Se propone un mejorador de conciencia espacial para mejorar el rendimiento conjunto de estos modelos.