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 AIBenchmark Parametric CAD v3 evalúa la creación de modelos CAD paramétricos a partir de texto y planos de ingeniería
Se presenta el Parametric CAD Bench v3, un benchmark de 100 tareas diseñado para evaluar la capacidad de agentes de IA para crear modelos CAD a partir de texto y planos de ingeniería. La evaluación se centra en la similitud geométrica y la consistencia de las especificaciones, no solo en el éxito binario. Se reportan resultados con Claude Code y Claude Opus 5.5, mostrando una recompensa media de imagen a CAD de 84.66%.
Revisión silenciosa: Midiendo el cambio no revelado en los marcos de seguridad de desarrolladores de IA de vanguardia
Investigadores miden la tasa de cambio no revelado en los marcos de seguridad de desarrolladores de IA de vanguardia. Se encontró que el 64% de los cambios materiales son silenciosos bajo un estándar estricto, y el 75% de los cambios trazados debilitan o eliminan un compromiso. Se argumenta que los deberes de publicación deben incluir un requisito de enumeración para hacer la revisión de los marcos más auditable.
NeMo-DCR: Refit Delta-Comprimido Exacto para RL Agéntico Escalable a Escala de Trillones de Parámetros
Se presenta NeMo-DCR, un método de refit delta-comprimido exacto para el aprendizaje por refuerzo (RL) escalable a escalas de trillones de parámetros. Este método envía solo los cambios, permitiendo a los receptores obtener los bits de un refit denso. Se demuestra que NeMo-DCR es 7 veces más rápido que AReaL-DTE y es significativamente más rápido en escenarios de estrés.
Replay Counterfactual: Entornos Forkables como Recompensas de Proceso Gratuitas para Agentes de Ingeniería de Software
Se presenta el Counterfactual Rollout Replay (CRR), un procedimiento de entrenamiento que utiliza entornos ejecutables forkables para obtener contrastes de retorno a nivel de paso en agentes de ingeniería de software. Este método mejora el rendimiento en benchmarks como SWE-bench Verified, logrando una mejora del 5.0 puntos porcentuales en comparación con métodos anteriores. El CRR no requiere etiquetas de proceso humanas ni modelos de recompensa aprendidos, enfocándose en la eficiencia del cómputo.
Índice de Salud de Benchmarks: Un marco sistemático para comparar los puntos de referencia de los LLM
Se presenta el Índice de Salud de Benchmarks (BHI), un marco basado en datos para auditar la fiabilidad de los puntos de referencia utilizados para medir el progreso de los Modelos de Lenguaje Grande (LLM). Este índice evalúa la capacidad de discriminación, la anti-saturación y el impacto de estos benchmarks en los ecosistemas académico e industrial. El objetivo es proporcionar una base sólida para la selección de benchmarks y la gestión dinámica de los protocolos de evaluación.
Lectura y decodificación adaptativa de escenas en difusión impulsando VLAs
Se propone un marco de lectura y decodificación adaptativa para modelos VLAs impulsados por difusión, buscando mejorar la calidad de la planificación al evitar decodificaciones innecesarias. El método pondera y combina predicciones de trayectoria de capas tardías después de un solo barrido de la columna vertebral, aplicando refinamiento solo cuando es necesario según la escena. Los resultados muestran una mejora en el rendimiento y una aceleración de velocidad de hasta 6.0x en benchmarks de Waymo E2E y reducción del error de trayectoria en nuScenes.
Generación automática de teoremas en lógica de primer orden por construcción a partir de contradicciones estándar triangulares
Se propone un marco constructivo para la generación automática de teoremas (ATG) en lógica de primer orden basado en contradicciones estándar triangulares. El método construye conjuntos de cláusulas mínimamente insatisfacibles para formar teoremas con garantía lógica. Se extiende la familia de generadores $\Delta$ para ofrecer una base para el descubrimiento automático de teoremas.
WaiT para la señal: Acoplamiento de flujo consciente de la frecuencia
Se presenta WaiT, un Transformer de imagen consciente de la wavelet diseñado para mejorar la calidad de la generación de imágenes al manejar la jerarquía de frecuencias. Este modelo aborda las limitaciones del *flow matching* estándar al separar la generación en bandas gruesas y finas mediante wavelets sin pérdida. Los resultados demuestran que WaiT alcanza un FID de 1.43 en ImageNet 512x512 y establece un nuevo estado del arte en fidelidad de textura.
Modelado generativo con flujos continuos: Complejidad de muestra del Flow Matching
Se presenta un análisis libre de minimizador de riesgo empírico para el Flow Matching, abordando el error estadístico de muestra finita y el error de optimización empírica de tiempo finito. El estudio demuestra una garantía con alta probabilidad sobre el conjunto de datos de entrenamiento finito y en expectativa sobre la aleatoriedad del gradiente estocástico. El resultado separa el error de aproximación, el error estadístico y el error de optimización.
Distilación de auto-enseñanza consciente de la búsqueda con alineación de hermanos para recomendación generativa
Se propone un marco llamado SA-OPSD para mejorar la supervisión del entrenamiento en la recomendación generativa mediante la transferencia de conocimiento del auto-maestro a los estados visitados durante la búsqueda en haz del estudiante. Se introducen técnicas como el Muestreo de Límite Evolutivo y la Destilación de Rama Desacoplada por Confianza para manejar desafíos relacionados con la retención de estados y las preferencias de las ramas competidoras. Los experimentos realizados en diferentes dominios demuestran un fuerte rendimiento del método propuesto.
Detección de fraude en el espacio de representación mediante un marco bayesiano IRL
Se audita la detección de fraude en el espacio de representación utilizando un marco bayesiano para evaluar detectores de sistemas de recomendación. Se demuestra que un detector basado en una representación invariante no puede superar la probabilidad contra ataques que imitan perfiles orgánicos. El rendimiento del detector colapsa ante ataques de mimetismo de donante, lo que sugiere que la representación es el factor limitante, no el ataque.
Temperatura, no conocimiento: Lo que el autoentrenamiento recursivo y sus remedios hacen a la confianza de un modelo de lenguaje
Se investiga cómo el autoentrenamiento recursivo afecta la confianza de los modelos de lenguaje, encontrando que la confianza se agudiza y las respuestas más seguras se vuelven menos fiables. Se comparan diferentes remedios para mitigar este efecto, observando que algunos métodos mejoran la discriminación pero provocan subconfianza.
Reconstrucción como Evaluación Espacial: Diagnostizando la Inteligencia Espacial entre Múltiples Vistas en Modelos de Lenguaje-Visión Grandes
Se presenta RECONSPATIAL, un punto de referencia para evaluar la inteligencia espacial de los modelos de lenguaje-visión (LVLM) mediante la reconstrucción 3D de escenas multi-vista. Se investiga la brecha entre la estructura relativa de la escena y la precisión métrica de la reconstrucción. Los resultados indican que la consistencia relacional no asegura la exactitud métrica, limitando el éxito de la navegación.
Skill++: Hacia agentes de aprendizaje permanente a través de la refinación de habilidades consciente del enrutamiento
Se presenta Skill++, una solución para el enrutamiento de habilidades en modelos de lenguaje grande (LLM) que aborda el problema del aprendizaje continuo incremental. Skill++ reescribe el nombre y la descripción de las habilidades entrantes para mantener la selectibilidad de habilidades anteriores mientras se incorporan nuevas. Este método logra una selección de habilidades significativamente mayor en comparación con enfoques previos.
Aprendiendo a evolucionar mediante la coincidencia de velocidades
Se presenta una nueva técnica llamada Velocity Matching (VM) para superar las limitaciones de los objetivos basados en trayectorias en el aprendizaje de sistemas dinámicos no lineales. VM es un objetivo libre de simulación que utiliza interpolación lineal por partes y colocación estocástica para aproximar el riesgo de la población de velocidad. El trabajo demuestra que VM mejora la precisión sobre los métodos basados en trayectorias al evitar el costo de simulación y las inestabilidades de recorridos largos.
Entrevistas moderadas por IA para investigación de mercado y calibración de gemelos digitales
Se investiga si las entrevistas moderadas por Inteligencia Artificial son un método escalable para generar perspectivas de consumidores y construir gemelos digitales. El estudio comparó estas entrevistas con entrevistas humanas y métodos estáticos, encontrando que la moderación por IA es más efectiva para descubrir necesidades del cliente que para predecir respuestas.
TRACER: Reasignación de Tokens para la Borrado de Conceptos en Recomendaciones Generativas
Se presenta TRACER, un marco de olvido de conceptos basado en la reasignación de tokens para sistemas de recomendación generativa. Este método busca eliminar conceptos sensibles de los ítems sin afectar negativamente la utilidad de la recomendación. Los experimentos demuestran que TRACER elimina los conceptos objetivo mientras preserva mejor la utilidad de la recomendación que los métodos existentes.
El valor de primer orden de covariables libres en el monitoreo de riesgo presupuestado
Se estudia cómo gestionar el presupuesto de etiquetas para detectar rápidamente un aumento de riesgo mientras se controlan las falsas alarmas. Se demuestra que ciertas reglas pueden detectar cambios en las entradas de manera eficiente, incluso cuando el riesgo permanece por debajo de un umbral de seguridad. Los experimentos sugieren que las covariables libres pueden ahorrar rondas al calibrar el presupuesto en la fuente de datos.
Comportamiento similar al de un solucionador en Modelos de Lenguaje Grandes como Formalizadores
Se investiga el comportamiento similar al de un solucionador (SLB) en modelos de lenguaje grandes (LLMs) que actúan como formalizadores. Se encontró que el rastro de razonamiento realiza gran parte del trabajo del solucionador, aunque el programa generalmente recalcula la respuesta. Se sugiere evaluar a los formalizadores por el camino que siguen sus programas, no solo por el resultado final.
LLM juez de trayectorias: Qué omite un LLM que solo juzga el resultado en trayectorias de agentes
Se realizó una prueba para evaluar un juez de LLM de trayectorias de agentes, determinando si detecta fallos en ejecuciones correctas. El estudio analiza la discriminación emparejada del juez en diferentes tipos de fallos y la fiabilidad de su detección de errores. Se recomienda reportar la discriminación emparejada contra ejecuciones limpias para mejorar el desarrollo fiable de agentes.
Interacción Bidireccional Adaptativa de Tareas para Segmentación y Clasificación de Ultrasonido Mamario
Se presenta un nuevo decodificador que permite el intercambio de características latentes entre las ramas de segmentación y clasificación en cuatro niveles. Se introduce una unidad de Ponderación de Interacción Adaptativa para ajustar el presupuesto softmax compartido entre ambas tareas. El modelo supera a las líneas base existentes en métricas de IoU en ultrasonido mamario.
Descomposiciones conscientes del solucionador para la programación por ejemplo: Cuando dividir requiere saber cómo conquistar
Se propone la descomposición consciente del solucionador (SAD) para la programación por ejemplo, buscando mejorar la precisión de la síntesis de programas. Los experimentos demuestran una paradoja de precisión donde la calidad de la descomposición depende del sintetizador que ejecuta los subobjetivos, no solo de la tarea. SAD mejora la síntesis y la precisión de la tarea en dominios de procesamiento de listas, incluso bajo transferencia cero-shot.
Efectos de las modalidades de participación de la audiencia de audio y visual en la agencia, colaboración y compromiso en performances de realidad mixta mediadas por IA
Se presenta CrowdForge, un paradigma mediado por IA y MR donde la audiencia controla colectivamente la música generativa y entornos virtuales en una performance en vivo. Un estudio evaluó tres condiciones de interacción (audio, visual y combinado) para determinar cómo estas modalidades influyen en la agencia, colaboración y compromiso de la audiencia. Se concluye que la observabilidad es el factor clave para la agencia, sugiriendo que futuros sistemas deben priorizar interacciones centradas en el humano y altamente observables.
WebHarbor: Entornos de sitios web ejecutables para entornos de agentes GUI en evolución
Se presenta WebHarbor, un conjunto de 153 entornos de sitios web ejecutables y dockerizados diseñados para proporcionar entornos realistas y estables para el entrenamiento y evaluación de agentes GUI. Esta plataforma permite la reconstrucción fiel de interfaces y flujos de trabajo funcionales de servicios web reales bajo control determinista. Se demuestra que un agente GUI entrenado con RL en WebHarbor generaliza bien a tareas no vistas, superando a agentes de código abierto en varios benchmarks.
- Zhaoyang Wang
- Qianhui Wu
- Boyu Gou
- Demi Wang
- Jiacheng Zhang
- Peichun Hua
- Qize Li
- Shi Qiu
- Yifan Jiang
- Yifan Zhang
- Zexu Jin
- Baolin Peng
- Bolin Shen
- Chetan Bansal
- Dehan Kong
- Deren Lei
- Dongshen Peng
- Fengqing Jiang
- Hao Cheng
- Haoqing Wang
- Jiaming Shan
- Jicheng Wang
- Jingguang Zhou
- Jixuan He
- Kaide Zeng
- Kangyu Zhu
- Lama Moukheiber
- Mufan Qiu
- Peng Xia
- Qihan Sun
- Qingwei Lin
- Qiushi Sun
- Ruichen Zhang
- Shuqing Luo
- Si Qin
- Sicheng Fan
- Tao Xiong
- Wenlin Yao
- Xinyu Zhang
- Xinyue Zeng
- Xuanrui Li
- Xuchao Zhang
- Yian Wang
- Yichao Liu
- Yiming Liang
- Yiyang Zhou
- Yizhu Jiao
- Yuetai Li
- Yurun Chen
- Yuxuan Zhang
- Zheyuan Yang
- Zhiyuan Yao
- Zhongyang Li
- Zihao Li
- Zili Wang
- Jianfeng Gao
- Huaxiu Yao
SQL-o1: Síntesis de programas Text-to-SQL automático mediante búsqueda heurística con auto-recompensa
Se presenta SQL-o1, un marco de búsqueda heurística basado en agentes y búsqueda MCTS para mejorar las capacidades de razonamiento de los modelos Text-to-SQL. Este método logra una mejora de 10.8 puntos en la precisión de ejecución en el conjunto de datos BIRD, superando a modelos basados en GPT-4. SQL-o1 demuestra una fuerte generalización few-shot y una robusta transferibilidad entre diferentes LLMs de código abierto.
SCOUT: Planificación bajo oclusión mediante despliegues de modelo de mundo centrado en objetos
Se presenta SCOUT, un marco de planificación consciente de la oclusión diseñado para robots que operan en espacios con objetos superpuestos. Este marco utiliza una representación centrada en objetos para reconstruir geometría oculta y determinar corredores de accesibilidad. SCOUT utiliza un LLM para proponer acciones y MCTS para evaluarlas, superando a otros modelos de planificación en tareas complejas.
Método híbrido de detección de anomalías para identificación de vehículos eléctricos a partir de registros de medidores inteligentes
Se propone un método híbrido de detección de anomalías para identificar vehículos eléctricos (VE) utilizando registros de medidores inteligentes. Este método combina técnicas basadas en predicción y reconstrucción para abordar el problema de desequilibrio de datos. El modelo se compara con métodos existentes y demuestra su superioridad con datos reales.
CUA-Master: Escalando Agentes de Uso de Computadora a través de Mejoras Recursivas de Mundo Abierto
Se presenta CUA-Master, un marco de mejora recursiva de doble bucle para abordar las limitaciones de los agentes de uso de computadora (CUAs) en diversidad y fiabilidad de datos. El sistema utiliza un modelo de datos del mundo exterior para guiar la construcción de datos, y un mecanismo interno para propagar semillas de mundo abierto. Los experimentos demuestran que CUA-Master-27B alcanza un rendimiento competitivo en varios benchmarks, mejorando la calidad y eficiencia de la síntesis de datos.
Implicaciones de la curiosidad y la base cultural en interacciones de LLM multi-agente
Se presenta el marco CuriousTogether para evaluar interacciones de LLM multi-agente impulsadas por la curiosidad, midiendo la búsqueda de novedad y la curiosidad epistémica y social. Los entornos guiados por curiosidad mejoraron el rendimiento en siete de ocho tareas, logrando ganancias significativas en generación de historias y reducción de sesgos. Estos hallazgos sugieren que la interacción guiada por curiosidad es un mecanismo práctico para mejorar la colaboración multi-agente en tareas de razonamiento y creatividad.
No se identificaron personas.
Transferencia de conocimiento funcional urbano a través de representaciones globales ante datos desiguales
Se investiga la transferencia de conocimiento funcional urbano a través de representaciones globales, dado que las observaciones funcionales están distribuidas de manera desigual. Se presenta el Embedding Urbano alineado con POI (PURE), que mejora el rendimiento en tareas de análisis urbano en 142 países y territorios. Los resultados indican que la transferencia de conocimiento es selectiva, favoreciendo contextos físicamente similares y geográficamente cercanos.