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 AIMCPGuard: Encontrando lagunas de conformidad en los SDKs de MCP mediante análisis de doble vía y adjudicación dinámica
Se presenta MCPGuard, un marco automatizado basado en LLM diseñado para detectar lagunas de conformidad entre las especificaciones del Protocolo de Contexto del Modelo (MCP) y sus SDKs. Esta herramienta utiliza análisis estructural y de comportamiento para verificar si los modelos de SDKs cumplen con las restricciones de especificación. El sistema confirma fallos en SDKs oficiales de Python y TypeScript, indicando que las brechas de conformidad pueden propagarse en aplicaciones posteriores.
Cuando el debate amplifica el riesgo: Vulnerabilidades de sesgo social en la deliberación de seguridad multiagente
Se investiga cómo la estructura social de la deliberación multiagente (MAD) en aplicaciones web puede amplificar riesgos de seguridad latentes debido a sesgos sociales como la presión de conformidad y la deferencia a la autoridad. Se demuestra que el MAD estándar puede llevar a una adopción insegura del 100.0% al permitir que la presión social anule la evidencia de seguridad. Se propone un marco de auditoría llamado RiskTrace-Debias para mitigar esta fragilidad, buscando suprimir la adopción insegura a un 2.0% sin afectar la capacidad de rechazo de la guía.
Aprendizaje por refuerzo Multi-Axis Max@K para la diversidad representativa en la generación de texto a imagen
Se presenta MultiMaxPO, un método de post-entrenamiento basado en aprendizaje por refuerzo para modelos de difusión de texto a imagen. Este método busca mejorar la diversidad representativa de las imágenes generadas, midiendo qué tan bien las muestras cubren modos visuales como colores o categorías raciales. Se demuestra que MultiMaxPO mejora la puntuación de equidad en Stable Diffusion 3.5 Medium y FLUX.1-dev, manteniendo la calidad y la alineación con el texto.
LeanPRM: Supervisión de procesos basados en Lean para la verificación de pruebas en lenguaje natural
Se presenta LeanPRM, un marco que utiliza el asistente de pruebas Lean para etiquetar pasos de pruebas en lenguaje natural. Este sistema permite a un modelo escribir pruebas junto con su versión formal, y luego utiliza un segundo modelo para marcar errores matemáticos. El entrenamiento en LeanPRM mejora la precisión de los verificadores de IA en diversos tamaños de parámetros.
Límites de escalado de transformadores de contexto largo
El estudio analiza el límite de contexto largo de la atención auto-atención con una consulta fija y un contexto aleatorio de claves i.i.d. en la esfera. Se determina la escala crítica para la emergencia de selectividad y se caracterizan las leyes límite de los pesos de atención en diferentes regímenes de temperatura inversa. Se explora el caso subcrítico donde la salida se reduce a un promedio local con sesgo determinista y fluctuaciones gaussianas.
Free Draft-and-Verification: Hacia un Decodificado Paralelo sin Pérdida para Modelos de Lenguaje de Difusión
Se presenta el algoritmo Free Draft-and-Verification (FreeDave), un método de decodificación rápida y sin entrenamiento para Modelos de Lenguaje de Difusión (dLLMs). Este algoritmo busca acelerar la inferencia mediante la verificación rigurosa de predicciones de tokens futuros, logrando una aceleración algorítmicamente sin pérdida. Las evaluaciones demuestran que FreeDave puede aumentar el número de tokens generados y los tokens por segundo significativamente, manteniendo la calidad de la generación.
CausalBind: Modelado Causal y Aprendizaje para Cribado Virtual de Proteínas-Moléculas
Se propone CausalBind, un modelo causal para el cribado virtual de proteínas-moléculas, enfocándose en los patrones de interacción dispersos en lugar de estructuras globales. Los experimentos demuestran que las variantes del modelo superan a las líneas base y generalizan bien a divisiones de datos fuera de distribución. El trabajo aborda la identificación de conceptos latentes en la interacción proteína-molécula.
Inferencia con división consciente para sistemas IoT en el borde
Se propone un enfoque de recuperación consciente de réplicas para mitigar las limitaciones de recursos de hardware en dispositivos IoT mediante la distribución de segmentos de modelos TinyML. Este método utiliza programación lineal entera mixta para minimizar la latencia de inferencia post-reconfiguración. Las simulaciones demuestran que este enfoque reduce la latencia de inferencia en comparación con métodos basados en greedy y aleatorios.
¿Quién construyó este modelo? Trazando el linaje de los LLM a través de huellas dactilares espectrales en el espacio de pesos
Se investiga el linaje de los Modelos de Lenguaje Grandes (LLM) de código abierto mediante el análisis de sus huellas dactilares en el espacio de pesos. Se propone un marco geométrico para distinguir entre modelos de diferente origen y aquellos con bases compartidas. Los experimentos demuestran que la geometría del espacio de pesos ofrece una señal robusta para la discriminación del linaje del modelo.
¿Qué tan profundos son los GPs profundos realmente? Un umbral agudo y un límite no gaussiano para los GPs composicionales
El artículo estudia el comportamiento límite de los priori en modelos bayesianos profundos, específicamente cuando cada capa es un proceso gaussiano valorado vectorial. Se establecen nuevos resultados sobre un umbral de ancho de banda crítico para determinar si el priori degenera, y se demuestra que existen límites no triviales y no gaussianos para estos priori.
AegisVox: Privacidad factorizada y preservación clínica para el habla de larga duración
Se presenta AegisVox, un marco factorizado diseñado para proteger la privacidad en el habla clínica mediante la asignación de voces sustitutas consistentes y la edición de turnos identificadores. El sistema compara la realización de reemplazo entre diferentes renderizadores de texto a voz y evalúa la preservación clínica y el vínculo del hablante. El objetivo es evaluar los compromisos entre la realización de reemplazo y la precisión clínica o el vínculo del hablante.
TFusionOcc: Marco de fusión multi-sensor basado en primitivas T para predicción de ocupación semántica 3D
Se presenta TFusionOcc, un marco de fusión multi-sensor basado en primitivas T para la predicción de ocupación semántica 3D. El trabajo introduce primitivas T basadas en la distribución t y una arquitectura de fusión acoplada para integrar datos de cámara y LiDAR. Los experimentos demuestran un rendimiento competitivo y robusto en escenarios de corrupción en benchmarks como nuScenes y SemanticKITTI.
Capa de dispersión auditable y garantizada por conservación, probada teóricamente en teoría de juegos sobre los caminos de razonamiento de LLM
Se propone la capa de dispersión Deposon para abordar la falta de un registro auditable en los caminos de razonamiento de LLM. Esta capa vincula nodos del grafo de descomposición de conceptos a un estado Deposon y utiliza dispersión de tres canales. Los resultados indican que la capa es indistinguible de un filtro de regla trivial en pruebas reales, sugiriendo que el valor diferencial reside en la verificabilidad por máquina.
Predicción de estructuras proteicas en cualquier etapa de plegamiento a partir de la secuencia
Se presenta FoldScape, un marco de aprendizaje profundo que genera conjuntos conformacionales de C$\alpha$ para proteínas en diferentes fracciones de plegamiento. Este método ofrece una cobertura superior de las etapas de plegamiento en comparación con AlphaFold 3, manteniendo una precisión de reconstrucción estable. Los autores demuestran que los enfoques son complementarios, ya que FoldScape cubre un rango más amplio de estados plegados.
HISA: Indexación Esparsa Jerárquica Eficiente para Atención de Granularidad Fina
Se presenta HISA (Hierarchical Indexed Sparse Attention), un reemplazo para el indexador en mecanismos de atención esparsa para mejorar la eficiencia. HISA transforma la búsqueda de un escaneo de token plano a un procedimiento jerárquico de dos etapas. Esto incluye un filtrado grueso a nivel de bloque seguido de un refinamiento a nivel de token. El método mantiene el patrón de atención esparsa y supera a las soluciones basadas en bloques.
Pérdida Log-Correntropía Adaptativa para Aprendizaje Robusto bajo Ruido No Gaussiano
Se propone la Pérdida Log-Correntropía Adaptativa (ALCL) para mejorar la robustez del aprendizaje profundo frente a ruido no gaussiano. Esta pérdida aprende dinámicamente sus parámetros de robustez durante la optimización, superando a pérdidas estáticas como el MSE. Los experimentos demuestran que ALCL ofrece mejor fidelidad de reconstrucción y mayor precisión de clasificación en entornos de alto ruido.
Ventaja de progreso sin costo para agentes de LLM después del entrenamiento
Se demuestra que el aprendizaje por refuerzo (RL) post-entrenamiento proporciona una ventaja implícita, denominada ventaja de progreso, que permite la evaluación a nivel de paso de LLMs sin necesidad de entrenar modelos de recompensa dedicados. Esta formulación es agnóstica al dominio y supera a los modelos de recompensa entrenados, ofreciendo una solución práctica para sistemas de agentes. Los resultados validan esta ventaja en diversas aplicaciones, incluyendo escalado en tiempo de prueba y cuantificación de incertidumbre.
Repensando el paradigma no supervisado en la detección de anomalías de series temporales
Se investiga la detección de anomalías en series temporales (TSAD) comparando modelos no supervisados con modelos supervisados minimalistas. Los resultados empíricos sugieren que los modelos supervisados minimalistas alcanzan una precisión comparable o superior a alternativas no supervisadas complejas. Se concluye que la utilización de etiquetas es beneficiosa cuando están disponibles, complementando la complejidad algorítmica.
TactiNavi: Sirviendo y Revisando un Entrenador de Juego LLM con Condiciones de Estrategia Explícitas
Se presenta TactiNavi, un sistema de servicio para un agente de coaching LLM de un juego comercial de mundo abierto. Este sistema gestiona la aplicabilidad de la estrategia como un artefacto explícito, mejorando la precisión de la estrategia y reduciendo la mala aplicación bajo cambios en el estado del jugador. Los resultados demuestran mejoras significativas en la corrección y la verificación de afirmaciones mediante el uso de paquetes con condiciones.
Geometría compartida como piedra Rosetta: Alineación intermodal sin datos emparejados
Se demuestra que los modelos entrenados independientemente pueden alinear representaciones de diferentes modalidades sin necesidad de datos emparejados. El método GeoWarP logra alinear conjuntos de incrustaciones mediante la estimación de un mapa ortogonal sin pares. Estos resultados indican que los modelos a menudo comparten suficiente geometría para establecer correspondencia intermodal con poco o ningún dato emparejado.
Personalización para persuadir: Los efectos de la contextualización y la calidez en la confianza y la dependencia en la IA conversacional
Un experimento examinó cómo la contextualización y la calidez afectan la persuasión y la dependencia de los usuarios hacia asistentes de IA conversacionales. Los resultados indicaron que el asistente neutral y no contextualizado fue el más persuasivo, aunque la interacción entre contextualización y calidez aumentó la persuasión. Se encontró que la confianza predecía la persuasión y la dependencia, pero ni la contextualización ni la calidez alteraron significativamente la dependencia.
No se identificaron personas.
Revisar rara vez supera al modelo más fuerte: Separando la verificación de la transferencia de capacidad en las tuberías de LLM
Un estudio compara la capacidad de revisión de modelos de lenguaje grandes (LLM) en tareas de matemáticas, conocimiento y razonamiento. Se analiza la diferencia entre la verificación (que añade precisión) y la transferencia de capacidad (donde un modelo más fuerte proporciona la respuesta). Los resultados sugieren que la verificación es menos efectiva que la transferencia de capacidad cuando se compara con el modelo más fuerte.
La verdad como artefacto de compresión en el entrenamiento de modelos de lenguaje
Se investiga cómo los modelos de transformadores entrenados con datos erróneos prefieren ciertas soluciones matemáticas. El estudio compara la preferencia por soluciones correctas frente a errores, sugiriendo que la compresión es una motivación, no un mecanismo medido. Se analiza la estructura falsa que los modelos pueden aprender, excluyendo la falsedad en sí misma.
Escalando el razonamiento de grafos en modelos de lenguaje con codificaciones posicionales de grafos aprendibles
Se propone mejorar los Modelos de Razonamiento de Lenguaje (LRM) añadiendo codificaciones posicionales de grafos escalables y equivariantes para modular los logits de atención. Este método elimina la necesidad de descripciones serializadas de adjacencias, reduciendo la carga del contexto a $O(N)$. El modelo entrenado muestra mejor generalización en tareas de teoría de grafos y produce menos tokens que los LRM convencionales.
Búsqueda heurística adaptativa asistida por modelo de lenguaje grande para la programación de satélites de observación terrestre ágiles
Se propone un método de búsqueda heurística adaptativa asistido por un modelo de lenguaje grande (LLM) para la programación de satélites de observación terrestre ágiles. El LLM genera una regla heurística inicial que se refina mediante retroalimentación del rendimiento de la búsqueda. Los experimentos demuestran que este método ofrece un beneficio de observación superior al de la mejor línea base.
Los prompts estructurados mejoran la evaluación de los modelos de lenguaje
Un estudio de benchmarking se realizó para cuantificar cómo la elección del prompt afecta los resultados de los modelos de lenguaje (LMs) evaluados bajo el marco HELM. Se encontró que el prompting estructurado mejora el rendimiento en promedio un 6% y altera los rankings en las tablas de clasificación en varios benchmarks. El estudio demuestra que la elección del prompt tiene un impacto material en los resultados de los modelos de lenguaje.
Se simplifica la generación de lenguaje: Algoritmos deterministas, aleatorizados y de múltiples órdenes
Se presenta un marco teórico para estudiar cómo un generador puede aprender a producir cadenas válidas a partir de una secuencia de ejemplos positivos. Se formalizan garantías de validez y novedad respecto a los datos observados. Se desarrollan marcos para obtener garantías de densidad inferior óptimas, incluyendo algoritmos deterministas y aleatorizados.
MuonRec: Cambiando el paradigma del optimizador más allá de Adam en recomendaciones escalables
Se presenta MuonRec, un nuevo *framework* que incorpora el optimizador Muon para el entrenamiento de sistemas de recomendación (RecSys). Este método busca mejorar la eficiencia de la optimización y la calidad del ranking al reducir los pasos de entrenamiento y mejorar la calidad de la recomendación. Los resultados demuestran que MuonRec supera a las líneas base basadas en Adam/AdamW en métricas clave.
Acciones seguras por sí solas no garantizan agentes seguros: Identificando obligaciones no cumplidas con modelos de guardia
Se argumenta que la seguridad de los agentes basados en LLM depende no solo de identificar acciones prohibidas, sino también de identificar obligaciones de seguridad críticas no cumplidas. Se presenta ObligationBench, un nuevo *benchmark* para evaluar la identificación de estas obligaciones, y ObligationGuard, un modelo que mejora significativamente la capacidad de identificación de obligaciones. El estudio sugiere que la identificación de obligaciones no cumplidas es una fuente de riesgo de seguridad subestimada en los agentes.
RecoAtlas: Un Benchmark y Entorno de Aprendizaje por Refuerzo para Agentes de Recomendación LLM
Se presenta RecoAtlas, un benchmark y entorno de aprendizaje por refuerzo diseñado para evaluar agentes de recomendación basados en LLM. Este entorno utiliza herramientas para generar informes de recomendación estructurados, buscando superar la dependencia de la plausibilidad semántica hacia la utilidad fundamentada en el comportamiento del usuario. El sistema permite entrenar agentes para generar conjuntos de productos coherentes y basados en el comportamiento.