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 AICan 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.
TrackMem: Seguimiento de creencias cambiantes en el diálogo financiero a largo plazo
Se presenta TrackMem, un sistema de memoria basado en grafos por hablante diseñado para rastrear la historia de las figuras en diálogos financieros a largo plazo. Este sistema busca superar a los métodos existentes al preservar las acciones cronológicas de cada hablante y separar perspectivas por entidad y lente. Los resultados indican que TrackMem logra una alta precisión en la recuperación de información, superando a los sistemas previos en pruebas específicas.
ZeroGraph: Entrenamiento por bloques composicional mediante supervisión de límites materializados
Se presenta ZeroGraph, una transformación de sistemas para convertir y destilar modelos preentrenados. Esta técnica materializa la trayectoria de frontera de un modelo profesor congelado como un conjunto de datos versionado para reemplazar las dependencias de gradiente en línea con supervisión persistente. Los experimentos demuestran que esta aproximación puede mejorar la calidad y el uso de contexto en modelos como GPT-2 Large y Qwen2.5.
ChatDify automatiza la síntesis de flujos de trabajo de Dify de extremo a extremo desde lenguaje natural mediante colaboración multi-agente
Se presenta ChatDify, un marco multi-agente diseñado para automatizar la síntesis de flujos de trabajo en Dify a partir de descripciones en lenguaje natural. Este sistema utiliza tres agentes especializados (Planificador, Ejecutor y Revisor) para generar flujos de trabajo complejos. Los resultados evaluados demuestran la robustez y aplicabilidad práctica de la herramienta para reducir la dificultad técnica en la creación de aplicaciones LLM.
Razonamiento de nivel de inundación guiado por conocimiento para monitoreo colaborativo en la nube y el borde
Se propone HydroReasoner, un marco de razonamiento visual para la detección de niveles de agua de inundación, diseñado para la colaboración en la nube y el borde. Este modelo mejora el rendimiento de detección en comparación con métodos convencionales al incorporar un grafo de conocimiento para supervisar el proceso de razonamiento. Se implementan optimizaciones como la cuantización de 4 bits para reducir el uso de memoria y la latencia en el despliegue en el borde.
Ajuste por fases de MLLM para generación de código WebUI multi-framework
Se estudia el ajuste fino supervisado para la generación de código WebUI en múltiples frameworks (React, Vue, Angular) utilizando un método de ajuste por fases para MLLMs. El método propuesto utiliza señales de compatibilidad y heterogeneidad para derivar grupos de entrenamiento y su orden. Los experimentos demuestran que este método mejora la calidad de generación y la tasa de éxito de compilación en comparación con los métodos de referencia.
Usando cabezales de OCR para verbalizar semántica de imágenes
Se investiga cómo los Modelos de Lenguaje Visual (VLMs) realizan el reconocimiento de caracteres ópticos (OCR) al identificar cabezales de atención necesarios. Se demuestra que estos cabezales son cabezales de propósito general que generan características semánticas interpretables en las representaciones de imagen. El estudio sugiere que las representaciones de imagen están alineadas con el lenguaje en las capas iniciales de los modelos.
ZT-DAC: Política de control de acceso dinámica basada en ML para Zero Trust en redes DER
Se propone un marco de control de acceso dinámico (ZT-DAC) para implementar principios de Confianza Cero (ZT) en redes de Recursos de Energía Distribuida (DER). La solución combina RBAC basado en OPA con ABAC basado en ML para evaluar continuamente la puntuación de confianza. Los resultados experimentales validan la viabilidad práctica de este modelo en entornos DER reales.
SWE-Opt: Un punto de referencia para evaluar LLMs en la optimización a nivel de repositorio
Se presenta SWE-Opt, un punto de referencia a nivel de repositorio basado en 102 optimizaciones expertas para evaluar el rendimiento de los LLMs en la optimización de código. La evaluación revela que los LLMs actuales tienen dificultades significativas, mostrando ganancias de tiempo de ejecución escasas y optimizaciones de memoria casi inexistentes. Las implementaciones expertas alcanzan aceleraciones significativas, superando ampliamente las capacidades de los modelos actuales.
El costo social de un compañero de IA: Cómo un compañero artificial remodela la comunicación humana en la toma de decisiones en equipos pequeños
Se investigó el impacto de un compañero de IA en la comunicación entre compañeros humanos durante una tarea de toma de decisiones. Los resultados sugieren que la presencia de la IA pudo haber afectado negativamente la participación, receptividad e integración social de los estudiantes en los equipos. Esto indica un posible costo social en la experiencia de pertenencia y la integración relacional de los estudiantes en equipos con IA.
Investigadores de Inteligencia Artificial supervisada por humanos en sistemas de energía eléctrica: conocimiento, física, simulación y gobernanza para modelos de lenguaje grandes
Se revisan las aplicaciones de LLM en la investigación de sistemas de energía eléctrica, enfocándose en la colaboración entre investigadores de IA supervisada por humanos y estudios de IA fundamentados en la física. Se propone un marco de conocimiento-física-simulación-gobernanza donde los LLM coordinan tareas y los expertos validan las conclusiones críticas. El objetivo es mejorar la eficiencia de la investigación científica asegurando trazabilidad y reproducibilidad de los resultados.
OmniPiano: Desafíos de manipulación de piano con múltiples agentes de RL
Se presenta OmniPiano, un punto de referencia para el aprendizaje por refuerzo (RL) que aborda el desafío de la manipulación robótica diestra en la ejecución de tareas de piano. Este benchmark soporta de una a cinco manos sombra y permite la evaluación de RL robusto y multiagente con configuraciones de seguridad y cooperación descentralizada. Las evaluaciones indican que los algoritmos de RL de vanguardia y los agentes basados en LLM aún enfrentan dificultades con tareas complejas de toque de piano.
LLM en bucle de anotación iguala a agentes de codificación a la mitad de costo
Se compara un agente de modelo de lenguaje grande (LLM) con agentes de forma libre para la anotación de imágenes médicas (TC de aorta). Se desarrolló un arnés llamado Taurus para automatizar la revisión de etiquetas, buscando mejorar la precisión y reducir el costo de la anotación. El resultado final mostró que la automatización del pase de revisión es clave para la competitividad del sistema.
Dual Dimensionalidad para Atención Local y Global
Se propone la Representación Adaptativa a la Distancia (DAR) para arquitecturas de atención, donde los tokens locales reciben representaciones de alta dimensión y los distantes reciben representaciones de menor dimensión. Este enfoque busca preservar la capacidad de representación local mientras optimiza la memoria a largo plazo, reduciendo el tamaño de la caché KV durante la inferencia. Los resultados demuestran que este método mejora el rendimiento y reduce significativamente el tamaño de la caché KV en comparación con métodos que reducen la dimensionalidad uniformemente.
Razonamiento basado en conceptos con localización impulsada por prompts para generación de informes estructurados
Se propone el marco CORAL para mejorar la generación de informes médicos mediante un proceso de razonamiento basado en conceptos con localización. Este marco integra la fundamentación espacial y la supervisión a nivel de concepto para lograr una mejor alineación con los procesos de decisión clínica. Los experimentos demuestran mejoras en la precisión diagnóstica y la calidad del informe en comparación con otros modelos MLLM.
MOPDA: Destilación On-Policy para Detección de Anomalías Industrial Guiada por Lenguaje
Se presenta MOPDA, un marco que utiliza destilación propia on-policy para la detección de anomalías industriales (IAD) basada en modelos visión-lenguaje (LVLM). El método combina trayectorias del estudiante y del profesor para mejorar la detección y localización de anomalías. MOPDA supera a las líneas base existentes en métricas clave, manteniendo competitividad con métodos basados en CLIP.
Decodificación del habla interna mediante EEG a través de tres corpus con una arquitectura y protocolo fijos
Se presenta un estudio controlado para decodificar el habla interna mediante EEG utilizando un Transformer dual-atención (VC-DATNet) en tres corpus públicos. Los resultados muestran que el rendimiento depende de la calidad de la señal y el tamaño del conjunto de datos más que de la capacidad del modelo. Se sugiere que la elección de representación debe ser individualizada para mejorar la comunicación no invasiva.
Estratega: Evolucionando el Razonamiento con Agentes
Se presenta Strategist, un meta-agente diseñado para evolucionar estrategias de inferencia a través de diferentes tareas. Este sistema utiliza un enfoque donde las estrategias se guardan como planos reutilizables, permitiendo que las tareas posteriores se construyan sobre descubrimientos previos. En pruebas, Strategist superó a la mejor línea base en 24 y mostró una menor inversión en costo de inferencia.
Pensar antes de localizar: Supervisión de Cadena de Pensamiento Clínica para la localización de imágenes médicas secuenciales
Se investiga si el razonamiento explícito basado en imágenes puede mejorar la localización en modelos vision-lenguaje para imágenes médicas secuenciales. Se introduce el método MedChain y se utiliza supervisión de cadena de pensamiento deliberativa (dCoT-SFT) para mejorar el rendimiento en modelos como Qwen3.5. El modelo de 27B alcanzó un mIoU de 77.24 y un [email protected] de 85.20, superando modelos previos.
Seleccionar hipótesis generadas por LLM eleva la verdad más allá de lo que espera un panel de LLM
Un estudio preregistrado evaluó sistemas de ideación de LLM para generar hipótesis verdaderas y no obvias en benchmarks como NAS-Bench-201 y HPOBench. Se encontró que un paso de dos etapas, donde se redacta un gran conjunto de afirmaciones y luego se selecciona un subconjunto, incrementa la verdad excesiva. Además, se observó que GPT utiliza eficientemente los resultados de sondas baratas, aunque optimizar el juez de LLM redujo la precisión.
Propuesta de rúbrica para evaluar el razonamiento clínico expresado en respuestas de modelos de lenguaje grandes
Se propone una rúbrica para evaluar el razonamiento clínico expresado por los modelos de lenguaje grandes. Esta rúbrica integra marcos de evaluación médica, *benchmarks* clínicos y taxonomías de evaluación de razonamiento de LLM. El objetivo es hacer explícitas las decisiones de evaluación antes de la prueba empírica.
Agentes dependientes necesitan reglas duras y difusas
El artículo argumenta que los agentes dependientes requieren tanto reglas duras (código) como reglas difusas (aprendidas) para cubrir las capacidades de un agente. Se prueban estos enfoques en dominios como compra y delegación de autoridad, demostrando que las reglas difusas pueden manejar juicios complejos que las reglas exactas no pueden capturar. Se concluye que una regla pequeña puede lograr el objetivo, aunque no necesariamente lo haga mejor que un sistema más complejo.
ClinFusion: Un sistema LLM multimodal centrado en la visión para la comprensión médica holística
Se presenta ClinFusion, un MLLM centrado en la visión diseñado para la comprensión médica holística, abordando desafíos en el manejo de imágenes médicas 2D y 3D. El sistema supera a modelos líderes en múltiples benchmarks médicos y demuestra capacidades multimodales superiores a modelos propietarios. La evaluación por radiólogos confirma que produce los informes mejor clasificados y valida su métrica de evaluación basada en la región de interés.
InterFuse: Fusión Adaptativa Guiada por Interacción de Modelos Heterogéneos para la Clasificación de Riesgo de Pago
Se presenta InterFuse, un marco de fusión diseñado para guiar la agregación adaptativa de transacciones mediante la interacción entre modelos heterogéneos. Este método utiliza un estado de fusión compartido derivado de la interacción entre modelos para mejorar la clasificación de riesgo de pago. Los resultados indican que InterFuse supera a las líneas de base existentes, mejorando significativamente el recall y el AUC en múltiples conjuntos de datos.
Ataques de inyección de prompt en entornos CI/CD impulsados por IA
Se presenta GitInject, un framework de código abierto para evaluar ataques de inyección de prompt en flujos de trabajo de GitHub Actions. Este framework ejecuta flujos de trabajo reales para exponer vulnerabilidades como la exfiltración de credenciales y la manipulación de juicios. Se demuestra que varios proveedores de IA son susceptibles a ataques de alta severidad en configuraciones probadas.
B[FM]$^2$: Modelo de Fundación Cerebral mediante Flow Matching con SplitUNet
Se presenta B[FM]$^2$, un Modelo de Fundación Cerebral mediante Flow Matching, que aprende representaciones generalizables de EEG a partir de grandes conjuntos de datos para tareas de interfaz cerebro-computadora. Este modelo utiliza *flow matching* de tiempo continuo sin discretización, reduciendo significativamente el presupuesto de preentrenamiento necesario en comparación con modelos anteriores. Además, genera datos EEG sintéticos que son indistinguibles de datos cerebrales reales por expertos.
Tactile MNIST: Benchmarking de Percepción Táctil
Se presenta el Conjunto de Pruebas Tactiles MNIST, un punto de referencia de código abierto para tareas de percepción táctil activa. Este conjunto incluye escenarios de simulación y un conjunto de datos con modelos 3D sintéticos y muestras táctiles del mundo real. El objetivo es facilitar el progreso en la sensación táctil y la percepción activa mediante protocolos estandarizados.
DARE: Alineando agentes LLM con el ecosistema estadístico R mediante recuperación consciente de la distribución
Se propone DARE, un marco de aprendizaje de representación que incorpora características de distribución de datos en la recuperación de funciones de R para mejorar la automatización de flujos de trabajo de ciencia de datos con LLM. Los experimentos muestran que DARE mejora el NDCG@10 y duplica la precisión del análisis posterior en RStatBench al integrar DARE en RCodingAgent.
Representaciones Matryoshka Hash para Recuperación Semántica Compacta con Conciencia del Modelo
Se presenta la introducción de las Representaciones Matryoshka Hash (MHR) para mejorar la eficiencia de la recuperación semántica en sistemas RAG. Este método busca reemplazar vectores completos por códigos cortos de pocos bytes, optimizando el costo del índice mientras se mantiene la calidad de la recuperación. Los resultados demuestran que MHR logra un rendimiento superior en métricas como NDCG@10 en comparación con métodos compactos existentes.
¿Puedes romper RLVER? Explorando la robustez adversaria de agentes empáticos entrenados con RL
Se evalúa el modelo de lenguaje empático entrenado con aprendizaje por refuerzo a partir de recompensas de emoción verificables (RLVER) frente a usuarios simulados. Se introduce la Puntuación de Consistencia Emocional (ECS) para determinar si el modelo mejora el estado emocional sin hacer que el estado del usuario sea más legible. Los resultados muestran que RLVER-PPO-Think supera a la línea de base sin ajustar en detección de intención oculta.