GraphARC: un benchmark completo para razonamiento abstracto con grafos
Descubre GraphARC, benchmark de razonamiento abstracto en grafos. Revelamos la brecha entre comprensión y ejecución en modelos de IA.
Últimas noticias de IA, código y tecnología
Cobertura diaria sobre inteligencia artificial, desarrollo de software, cloud y negocio tech. Descubre resúmenes claros y enlaces a las fuentes originales.
Vinculación de Vectores entre Modelos con Consistencia Isométrica Local
Recupera correspondencias entre nubes de embeddings de distintos modelos usando consistencia geométrica local y hash referencial. Ideal para integración de bases de datos vectoriales.
LLM-FACETS: Marco privado para evaluar transparencia y responsabilidad de LLM
Descubre LLM-FACETS, marco open-source que evalúa transparencia y responsabilidad de LLM preservando la privacidad. Ideal para expertos y compliance.
Formalizando y falsificando caminos causales de eventos raros
Descubre cómo formalizar y probar caminos causales de eventos raros usando modelos matemáticos, mejorando el análisis de causa raíz en sistemas complejos.
COLLEAGUE.SKILL: Skills IA Generados con Destilación Experta
Transforma conocimiento experto en skills de IA portátiles y corregibles con COLLEAGUE.SKILL. Descubre su flujo de trabajo y despliegue.
GLIDE: Inferencia basada en predicciones para evaluar sistemas GenAI
GLIDE: biblioteca Python que combina anotaciones humanas y predicciones de LLM para evaluar sistemas GenAI y agentes sin sesgo, ahorrando costos de anotación.
TraceGraph: Paisajes de Decisión Compartidos para Trayectorias
Descubre cómo TraceGraph usa paisajes de decisión compartidos para diagnosticar y mejorar trayectorias de agentes IA en SWE-bench.
Diagnóstico de fallos en colaboración visual con recursos limitados
Descubre cómo estado compartido amplifica alucinaciones en agentes visuales limitados. Dos modos de fallo y marco CoSee para mejorar la fiabilidad comunicativa.
Agente web automejorado mediante exploración cognitiva
SCALE permite a agentes web automejorar mediante exploración cognitiva, superando limitaciones en entornos dinámicos. Mejora el rendimiento de MLLMs.
HypoAgent: Marco Agentic para Hipótesis Abductivas en Grafos
HypoAgent: marco agentic para generación interactiva de hipótesis abductivas en grafos de conocimiento. Logra similitud semántica estado del arte. ¡Descúbrelo!
FAM-Bench: benchmark multimodal para alimentación como medicina
Descubre FAM-Bench, el benchmark multimodal que evalúa si la IA recomienda platos según condiciones de salud. 2500 casos verificados por expertos.
Abstracciones con Answer-Set Programming para Aprendizaje por Refuerzo
Exploramos cómo ASP crea abstracciones potentes para Reinforcement Learning usando el framework CARCASS. Casos en Blocks World y Minigrid.