Andamios visuales de grafos para razonamiento en LLMs
¿Sabías que los grafos visuales potencian el razonamiento de los LLMs? Un estudio revela cómo los andamios visuales superan al texto plano.
#alto
Resultado negativo: transferencia de activación entre modelos Pythia
¿Puede un modelo transmitir activaciones a otro? En nuestro experimento con Pythia, la alineación no basta para comunicación causal. Resultado negativo.
Recuperación parcial y consistencia débil en HSBM no uniforme
Descubre cómo un nuevo algoritmo espectral logra recuperación parcial y consistencia débil en el modelo HSBM no uniforme para detección de comunidades en hipergrafos.
DTKG: Razonamiento dual con grafos de conocimiento para QA multi-salto
Descubre DTKG, un marco que combina verificación de hechos y cadenas en grafos de conocimiento para responder preguntas multi-salto con alta precisión.
Rex: Familia de solvers Runge-Kutta exponenciales reversibles
Descubre Rex: solvers reversibles para ODE/SDE con precisión casi de máquina en generación y edición de imágenes.
Precondicionador de dos mallas para flujo subterráneo con red híbrida de atención
Precondicionador de dos mallas y red híbrida de atención aceleran simulación de flujo subterráneo en medios de alto contraste, mejorando precisión.
FinStressTS: Benchmark Sintético para Pronóstico Financiero
Descubre FinStressTS, un benchmark sintético que revela por qué modelos fallan en pronósticos financieros. Aprende sobre volatilidad, saltos y regímenes.
VistaHop: Evaluando razonamiento multi-salto para Visual DeepSearch
Descubre VistaHop, el benchmark que evalúa el razonamiento visual multi-salto. Solo el 24% de aciertos revela grandes desafíos para la IA.
Vulnerabilidad de Palo Alto Networks explotada durante semanas
Descubre cómo los atacantes explotan CVE-2026-0257, un bypass crítico en PAN-OS. Actualiza tu firewall ya para proteger tu red.
Meta AI entrega cuentas de alto perfil de Instagram a hackers
Los hackers engañaron al chatbot de Meta AI para obtener cuentas de Instagram de alto perfil. Descubre cómo explotaron la vulnerabilidad.
Regularización óptima para aprendizaje performativo
Descubre cómo la regularización óptima reduce el riesgo en aprendizaje performativo, beneficiándose incluso en regímenes sobreparametrizados. Clave para IA robusta.
Diagnóstico de solucionadores HJB-PIDE neuronales bajo saltos Lévy
Protocolo de diagnóstico para solucionadores neuronales HJB-PIDE: detecta errores ocultos como un factor de escala ausente en saltos de Lévy. Optimiza tus modelos.
GLIDE: Inferencia de Salto Guiada por Grafos para Difusión en Procesos Puntuales
GLIDE mejora la predicción de eventos espacio-temporales usando difusión condicional guiada por grafos, reduciendo costos de muestreo inverso. Descubre cómo.
GLIDE: Difusión con salto guiado por grafos en procesos espacio-temporales
Descubre cómo GLIDE revoluciona la predicción de eventos espacio-temporales con difusión guiada por grafos, reduciendo costos y mejorando precisión.
Filtro de compuerta, no el mensaje: Mezclas nodo-canal en GNNs
FilterMoE revoluciona las GNNs de prepropagación al enrutar filtros por nodos y canales, superando a métodos previos en 9 de 11 benchmarks. ¡Mejora precisión y escalabilidad!
Fallo de la invariancia contextual en modelos de lenguaje
Añadir contexto mínimo altera predicciones de género en modelos de lenguaje, rompiendo su invariancia. Impacto en sesgos y aplicaciones críticas.
Mitigando alucinaciones en LLMs saltando capas decodificadoras
Descubre cómo DeLask reduce las alucinaciones en modelos de lenguaje saltando capas decodificadoras problemáticas, mejorando la fiabilidad y consistencia de las respuestas.
Predicción de propiedades de materiales bicapa apilados
Nuevo método de aprendizaje multimodal predice propiedades de materiales bicapa apilados, acelerando el descubrimiento de nuevos materiales 2D.
DataShield: Filtrado de datos que degradan seguridad en ajuste benigno de LLM
DataShield identifica eficientemente muestras que degradan seguridad en el ajuste benigno de LLMs. Protege tus modelos con esta innovadora solución.
Soft-NBCE: Fusión de fragmentos ponderada por entropía para contextos largos
Soft-NBCE optimiza la inferencia de LLMs en contextos largos: fusión de fragmentos con pesos de entropía y destilación de consistencia para mayor precisión en razonamiento multi-salto.