Ataque A* multiagente de ofuscación de sentido común en prompts LLM
Descubre un framework A* multiagente que ofusca prompts de LLM, induciendo alucinaciones de sentido común con alta eficacia y pocos intentos.
#algoritmo
Desarrollo algorítmico con LLMs: optimización de contracción tensorial
Descubre cómo los LLMs impulsan el desarrollo algorítmico con un caso práctico de optimización de contracción en redes tensoriales. Resultados y desafíos para científicos.
S3TS: Búsqueda estructurada por escenarios para planificación bajo incertidumbre
Descubre S3TS, un algoritmo que combina escenarios estocásticos y búsqueda estructurada para planificar bajo incertidumbre. Reduce costes hasta un 51% en sistemas energéticos no lineales.
California aprueba ley de detección de armas fantasma en impresoras 3D
California aprobó una polémica ley que exige a fabricantes de impresoras 3D incorporar algoritmos para bloquear la impresión de armas fantasma. Conoce los detalles y el impacto en privacidad.
Diseñando un mundo digital más seguro para niños
Descubre cómo los estándares IEEE y el diseño ético están creando un entorno digital más seguro para los niños. Ingeniería y gobernanza unidos.
Reconocimiento de Lenguajes Libres de Contexto con Transformers
Descubre cómo los transformers con bucles y relleno logran reconocer lenguajes libres de contexto, y por qué los lenguajes no ambiguos son más eficientes.
De pesos a código: extrayendo algoritmos interpretables del Transformer Discreto
Extrae algoritmos interpretables de un Transformer Discreto. Descubre cómo convertir pesos neuronales en código legible para una IA más explicable.
Algoritmo Evolutivo para Aprendizaje y Rendimiento de Reservorios
EARLY optimiza topología e hiperparámetros de redes reservorios con algoritmos evolutivos. Supera búsqueda aleatoria en tareas temporales. ¡Resultados!
SANA-Streaming: Edición de video en tiempo real con difusión híbrida
Descubre SANA-Streaming: edita video en tiempo real a 1280x704 y 24 FPS en una RTX 5090. Co-diseño sistema-algoritmo con difusión híbrida.
Un marco unificado para la agregación de gradientes en optimización multiobjetivo
Descubre un marco teórico que unifica los algoritmos de agregación de gradientes para optimización multiobjetivo, con nuevas garantías de convergencia y aplicac
Ataques automáticos a agentes de IA de ingeniería inversa
Descubre cómo ataques adversariales mediante algoritmos genéticos pueden engañar a agentes de IA en ingeniería inversa, ocultando código malicioso en binarios.
Análisis sintáctico neuro-simbólico: red neuronal con algoritmo CYK
Descubre cómo la inyección del algoritmo CYK en redes neuronales supera a LLMs de 20B en análisis sintáctico. ¡Un salto neuro-simbólico!
Reutilización de habilidades como compresión en RL agentivo
ReuseRL aplica el principio de compresión para que agentes de IA generalicen mejor. Aumenta el éxito en ALFWorld y TextWorld. ¡Descúbrelo!
Rompiendo las burbujas de información con sistemas de recomendación
Descubre cómo HERec, un nuevo marco hiperbólico, rompe las burbujas de información al equilibrar exploración y explotación, mejorando la diversidad en tus recomendaciones.
Difusión No Supervisada para Optimización Combinatoria vía Ajuste Adjunto
Descubre CAM, un método no supervisado de difusión para optimización combinatoria que supera soluciones supervisadas. Resultados competitivos sin datos etiquetados.
Convergencia lineal local en mezclas gaussianas sobreparametrizadas
Descubre cómo los métodos de gradiente logran convergencia lineal en mezclas gaussianas sobreparametrizadas, superando la lentitud tradicional. Leer más.
Codificación Predictiva con Lagrangiano Aumentado
Descubre PC-ALM: un algoritmo de codificación predictiva que iguala el rendimiento de la retropropagación usando dinámicas locales. Ideal para redes profundas.
Aprendizaje para pujar en mercados FCR: lo mejor de dos mundos
Descubre cómo un algoritmo de aprendizaje dual logra pujas óptimas en mercados FCR europeos, combinando eficiencia estocástica y robustez adversarial. ¡Mejora tu estrategia!
Convergencia no asintótica de algoritmos estocásticos: marco de Lyapunov
Descubre cómo el marco de Lyapunov permite analizar la convergencia en tiempo finito de algoritmos estocásticos como Q-learning y SGD. Ideal para IA y RL.
DeMoA: Agregación de Momento Retrasado con Participación Parcial
DeMoA optimiza aprendizaje federado con participación parcial, resistiendo ataques bizantinos incluso si dominan clientes maliciosos. ¡Eficiencia y seguridad!