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 AIPrueba programable inspirada en memoria de trabajo para el seguimiento de estado acumulativo en modelos de lenguaje grandes
Se presenta una sonda inspirada en memoria de trabajo para evaluar el seguimiento de estado acumulativo en modelos de lenguaje grandes (LLM). Los resultados indican que la precisión depende significativamente de los protocolos de salida y la cantidad de actualizaciones permitidas. Se demuestra que una fuerte aritmética de un solo paso no asegura un seguimiento acumulativo fiable.
División justa en línea de tareas con recurso de mejora
Se estudia la división justa en línea de tareas indivisibles entre agentes con recurso de mejora. Se demuestra que una adaptación del sistema de ronda mantiene la imparcialidad hasta una tarea (EF1) y una aproximación de la porción maximin (MMS). Se concluye que el conocimiento parcial del número de tareas es suficiente para mejorar el factor MMS.
Optimización de política proximal para muestreo discreto amortizado
Se presenta un artículo que explora algoritmos de gradiente de política para entrenar políticas estocásticas con el marco GFlowNet. El trabajo deriva equivalentes de algoritmos de gradiente de política estándar y aplica la optimización de política proximal a GFlowNets. Esto demuestra una velocidad de convergencia y eficiencia de datos mejoradas en comparación con los objetivos de entrenamiento estándar.
Autorización en el momento del compromiso para agentes de LLM
Se propone la autorización en el momento del compromiso (CTA) para agentes de LLM, exigiendo una justificación completa y actual para el efecto exacto. Esto busca prevenir efectos no autorizados en servicios como GPT, Fable y Sonnet mediante avisos oportunos. Los estudios demuestran que la CTA ayuda a mantener la integridad de los efectos al validar las condiciones en tiempo real.
No se identificaron personas.
Evaluación sin juez del llamamiento a funciones consciente del efecto
Se presenta una evaluación consciente del efecto para el verificador de llamadas a funciones del Leaderboard de Berkeley (BFCL). Este método infiere los efectos de las funciones ejecutándolas en simuladores para identificar cambios de estado. Los resultados muestran que la conciencia del efecto revela diferencias significativas en la calidad de ejecución de los modelos, especialmente en la distinción entre pedir aclaración y obtener permiso antes de acciones destructivas.
VCoT-SQL: Mejorando la generación de Text-to-SQL mediante entrenamiento con validación de Cadena de Pensamiento Dual
Se presenta VCoT-SQL, un marco diseñado para mejorar la generación de Text-to-SQL mediante la supervisión de pasos intermedios validados de Cadena de Pensamiento (CoT) y un validador SQL dedicado. Este enfoque busca permitir que modelos pequeños de código abierto superen a modelos de código cerrado al verificar rigurosamente los pasos de razonamiento. El sistema logra altas tasas de precisión en conjuntos de datos desafiantes, demostrando la efectividad de la validación a nivel de paso sobre el escalamiento del modelo maestro.
Marco de detección de defectos fotovoltaicos autoevolutivo
Se propone SEPDD, un marco de detección de defectos fotovoltaicos autoevolutivo para escenarios industriales en evolución. Este marco optimiza la tubería de entrenamiento y evaluación mediante un mecanismo que reoptimiza el proceso ante indicadores de fallo o cambio en el entorno. Los experimentos demuestran que SEPDD supera a las líneas base existentes en la detección de defectos en conjuntos de datos públicos y privados.
Descubrimiento guiado por conjeturas: SCOPE y ClosureBench
Se presenta SCOPE, un marco que permite múltiples trayectorias de investigación guiadas por conjeturas mediante agentes científicos que modelan ecuaciones y prueban hipótesis. Se introduce ClosureBench, un punto de referencia interactivo para tareas de descubrimiento de cierre, incluyendo métricas para evaluar la fidelidad de la evidencia y la efectividad experimental. SCOPE demuestra una mayor precisión en el descubrimiento de ecuaciones tanto en benchmarks como en casos científicos reales.
MAS-Guard: Barreras unificadas desde agentes individuales hasta sistemas de LLM multiagente
Se presenta MAS-Guard, un marco unificado para proteger aplicaciones de IA de agentes individuales y multiagentes. Este sistema aborda riesgos como acciones inseguras y manipulación adversaria mediante capas de defensa local y a nivel de sistema. Las evaluaciones indican que MAS-Guard reduce significativamente la tasa de éxito de ataque en comparación con agentes sin protección.
Predicción de Atención en Investigación (RAP) en Agentes de Lenguaje
Se presenta el RAP, un punto de referencia para evaluar la capacidad de los agentes de LLM para inferir cambios en campos de investigación a partir de la evidencia recuperada. Los resultados indican que la búsqueda mejora el reconocimiento de cambios recientes, pero la capacidad de predecir cambios futuros sigue siendo limitada o negativa. Los agentes pueden reconocer cambios recientes, pero anticipar con fiabilidad la actividad de investigación futura resulta difícil.
Fusión temprana de imágenes H&E y transcriptómica espacial a resoluciones variables con aprendizaje auto-supervisado
Se propone una arquitectura de transformador de visión temprana fusión para integrar la transcriptómica espacial con imágenes de todo el portaobjetos, capturando arquitectura morfológica y actividad molecular. El modelo entrenado demuestra que la combinación de ambas modalidades supera el rendimiento de cada modalidad por separado en tareas de predicción de expresión génica.
Mezcla de capas: Enrutamiento de capas dinámico para el razonamiento visual
Se propone Mixture of Layers (MoL), un enfoque de enrutamiento de capas condicionado por instrucciones a nivel de parche para agregar dinámicamente representaciones latentes de capas intermedias del codificador de visión. Este método busca mejorar el acceso a características visuales específicas para el razonamiento visual de grano fino en Modelos de Lenguaje Grande Multimodales (MLLMs). Los experimentos muestran mejoras significativas en tareas de razonamiento visual, superando a los MLLMs de referencia sin aumentar la complejidad de la entrada.
Prompting espectral latente para el seguimiento de objetos multimodal
Se propone SProTrack, un marco multimodal que transfiere conocimiento temporal de rastreadores RGB preentrenados al dominio hiperespectral mediante prompting espectral latente. Este enfoque desacopla el modelado temporal de la adaptación espectral, permitiendo aprender información hiperespectral de forma auto-supervisada. Los experimentos demuestran que SProTrack logra el mejor rendimiento general en todos los dominios espectrales.
Usar Geometría de Dirección de Activación para Reducir la Búsqueda de Hiperparámetros
Se presenta un método basado en la geometría de dirección de activación ($d'$) para controlar el comportamiento de los Modelos de Lenguaje Grande (LLM) y reducir la búsqueda de hiperparámetros. El estudio demuestra que $d'$ es eficaz para identificar capas de rendimiento en tareas de respuesta a preguntas de opción múltiple y en la selección de capas para la generación de texto abierto. Se concluye que las conclusiones obtenidas en escenarios de un solo token no siempre son aplicables a la generación de texto abierto.
EEFA: Un marco para la evaluación ética de agentes de IA
Se aborda el desafío de gobernanza al desplegar agentes de IA autónomos en dominios críticos como la salud y la gestión financiera. Se presenta el Marco de Evaluación Ética para Agentes de IA (EEFA), un instrumento diseñado para evaluar dimensiones éticas como la autonomía y la privacidad. El marco busca llenar la brecha al proporcionar un instrumento operacionalizable para desarrolladores y reguladores, alineado con normativas como el Reglamento de IA de la UE.
Limitado a un modelo, abierto al siguiente: Solvencia solo con opción en evaluaciones de opción múltiple legal
El texto analiza el rendimiento de diferentes modelos de lenguaje en evaluaciones de opción múltiple legal, midiendo si los modelos seleccionan la opción correcta. Se compara el rendimiento de modelos como Claude Haiku 4.5 y GPT-5.6 en conjuntos de datos con claves oficiales. Se evalúa cómo la capacidad del modelo afecta la extracción de información y se comparan las puntuaciones de varios modelos en el conjunto de datos.
Marco de diagnóstico formal para sistemas de reparación de grafos
Se presenta un marco de diagnóstico formal para métodos de reparación de grafos, abordando la necesidad de rigor en la calidad de las representaciones de datos basadas en grafos. El método propuesto utiliza un sistema de reescritura abstracta para introducir sistemáticamente violaciones del esquema y evaluar el rendimiento de diferentes métodos de reparación. Los resultados demuestran la efectividad del marco para diferenciar el rendimiento de distintos métodos bajo diversas restricciones.
Distorsión no conformal y reversión de orientación local en el circuito de adición modular en el transformador de Fourier
Se estudia la geometría diferencial local de un circuito de adición modular basado en Fourier en un transformador, analizando la distorsión no conforme y la reversión de orientación local en sus mapas. Los resultados cuantitativos indican una reducción en la magnitud de Beltrami tras el entrenamiento, proporcionando una caracterización de la deformación local en un componente del circuito neuronal.
De las búsquedas a las lecciones: Convirtiendo el conocimiento recuperado en memoria paramétrica
Se presenta ResMem, un método que utiliza al LLM para generar objetivos de profesor leyendo texto recuperado sin conexión, buscando reutilizar conocimiento recuperado sin depender de recuperación en línea. Este enfoque reduce significativamente el almacenamiento requerido para la construcción de la memoria paramétrica y mejora el rendimiento en conjuntos de datos de respuesta a preguntas. Los resultados validan el uso de la recuperación como recurso de aprendizaje para moldear la memoria paramétrica del modelo.
EarthJev: Respuestas calibradas y no generativas a preguntas en lenguaje natural sobre cobertura terrestre Sentinel-2
Se presenta EarthJev, un modelo de 0.8B de parámetros diseñado para responder preguntas sobre parches de Sentinel-2 multispectrales sin generar tokens. El modelo demuestra una velocidad significativamente mayor que otros modelos multimodales y generativos, alcanzando un 86.0% de precisión en 36,028 preguntas de prueba.
Mejores respuestas, menor control de evidencia: Omisión de evidencia en destilación de políticas
Se investiga la separación entre la mejora de la precisión de la respuesta y la debilidad en el control de la evidencia en la destilación on-policy (OPD). Los resultados muestran que la OPD estándar aumenta la precisión del documento original, pero también incrementa la omisión de evidencia. Se propone la OPD de Evidencia Emparejada (EP-OPD) para mejorar la recuperación de la precisión de la respuesta mientras se mantiene la ganancia de precisión del documento original.
SFA: Un Transformer de Difusión Inspirado en Física Estadística para Generación de Imágenes Eficiente y de Alta Calidad
Se presenta la Atención de Escala Libre (SFA), un mecanismo inspirado en la física estadística, diseñado para mejorar la eficiencia y la calidad en la generación de imágenes mediante la atención en transformadores de difusión. SFA logra aumentos significativos en la velocidad de atención y mejora la calidad de generación, superando a otros mecanismos de atención en benchmarks como FID-50k. Este método establece la estructura de escala libre como un principio clave para diseñar transformadores de difusión eficientes y de alta calidad.
Reducir errores en los pagos SNAP a menor costo con IA
Una nueva legislación federal obligará a los estados con altos errores de pago en el programa SNAP a compartir costos, generando presión para mejorar la precisión. Se compararon estrategias como la revisión basada en riesgo y la revisión asistida por IA para reducir estos errores. Los resultados sugieren que la revisión de preautorización asistida por IA podría ser una herramienta clave para evitar costos significativos.
No se identificaron personas.
Protocolo de auditoría independiente para IA agente con independencia graduada
Se propone un protocolo de auditoría independiente para sistemas de IA agentes, evaluando su independencia en tres ejes: principal, del sustrato y de la evidencia. El objetivo es graduar estos sistemas basándose en la independencia de quién controla al auditor, la similitud del modelo subyacente y la verificabilidad de la evidencia. El trabajo incluye un protocolo de siete pasos y análisis de detectabilidad estructural para evaluar fallos en estos sistemas.
Aprendizaje por Refuerzo en el Plano de Decisión para Agentes de Lenguaje y LLMs
Se presenta RLiD (Reinforcement Learning in the Decision plane), un marco diseñado para optimizar directamente las probabilidades de opciones de acción ejecutables en modelos de lenguaje grandes (LLMs). Este enfoque busca mejorar la eficiencia del aprendizaje por refuerzo al eliminar la generación de tokens autoregresiva y mejorar la eficiencia del despliegue. Los experimentos demuestran mejoras en el rendimiento y la eficiencia computacional en varios entornos de juegos como ARC, Countdown y Sokoban.
VerifierBench: Evaluación de la generación de verificadores ejecutables para agentes de LLM
Se presenta VerifierBench, un benchmark diseñado para evaluar la generación de verificadores ejecutables por agentes de LLM. El estudio analiza la fiabilidad de estos verificadores para aceptar soluciones válidas y rechazar las inválidas en tareas complejas. Los resultados indican que los verificadores generados son más fiables al rechazar soluciones incorrectas, aunque existen fallos relacionados con suposiciones erróneas en el formato de solución.
De FAIR a AI-FAIR: Infraestructura Metadata-First para la Ciencia habilitada por IA
Se propone una extensión de los principios FAIR para crear criterios de metadatos AI-FAIR, diseñados para la infraestructura necesaria para la ciencia habilitada por IA. Este marco busca facilitar el análisis de contenido a gran escala y asegurar que los científicos se beneficien de los avances de IA construidos sobre sus datos. Se introduce un flujo de trabajo de evaluación para calificar la preparación de los conjuntos de datos para la IA y la trazabilidad.
Pixel: Sistema robótico full-stack co-diseñado para manipulación móvil de propósito general
Se presenta Pixel, un sistema full-stack co-diseñado para el aprendizaje de manipulación móvil de propósito general. Este sistema integra un humanoide con ruedas de bajo costo, interfaces de recolección de datos y un controlador de cuerpo completo unificado. El objetivo es crear una base integrada para el diseño conjunto de hardware, datos, control y aprendizaje para el aprendizaje robótico.
Mixture-of-Models: Inferencia Distribuida sobre LLMs Heterogéneos como Mezcla de Expertos a Nivel de Modelo
Se propone la arquitectura Mixture-of-Models (MoM) como Switch Transformer para escalar la capacidad de los modelos MoE al nivel semántico, componiendo la inferencia a través de LLMs distribuidos entrenados independientemente. El método utiliza un protocolo de Deliberación Auto-Evaluativa N-Way para alcanzar consenso. Los resultados experimentales demuestran que un conjunto de modelos más pequeños puede igualar el rendimiento de un modelo MoE de 120B.
Can Test-Time Reconstruction Cierra el Bucle en el Razonamiento Latente?
Se presenta ReLAT, un método de entrenamiento por prueba auto-supervisado que cierra el bucle del razonamiento latente utilizando la consulta como referencia. Este enfoque busca asegurar que un estado latente fielmente represente la consulta original, permitiendo la recuperación de la consulta a partir del estado latente. ReLAT mejoró la precisión AIME 2024 en Qwen3-8B de 56.7% a 73.3%, superando a la mejor línea base de colaboración latente en bucle abierto.