Gate AI: Metodología y resultados de evaluación de seguridad en LLM
Descubre la metodología rigurosa de Gate AI para evaluar detectores de inyección y jailbreaks en LLM con umbral único y 16 benchmarks. Resultados sin sesgos.
#asa
Perspectiva geométrica en compresión alineada con física
Descubre cómo la teoría geométrica explica el intercambio entre preservar observables físicos y la fidelidad de reconstrucción en compresión de datos científicos. Un nuevo diagnóstico de alineación.
Compresión de datos alineada con la física: una perspectiva geométrica
Descubre cómo la geometría local explica el conflicto entre propiedades físicas y fidelidad en compresión con IA. Nuevo diagnóstico de alineación.
TreeFlash: Aproximación AR Paralela para Decodificación Especulativa más Rápida
Descubre TreeFlash: acelera la decodificación especulativa con aproximación autorregresiva paralela. Logra un 12% más de eficiencia y 9% más de velocidad.
R2DN: Parametrización escalable de redes recurrentes contractivas y Lipschitz
R2DN acelera entrenamiento e inferencia hasta 10 veces, manteniendo estabilidad y robustez. Ideal para control y sistemas no lineales.
Tasas óptimas de generalización del descenso de gradiente en clasificación ReLU profunda
Descubre cómo el descenso de gradiente logra tasas de generalización óptimas en redes ReLU profundas con dependencia polinomial de la profundidad, mejorando resultados previos.
AReT: Volumetría de nódulos pulmonares con solo 3 proyecciones
Descubre AReT: la nueva técnica de IA que logra volumetría de nódulos pulmonares con solo 3 radiografías. Precisión del 98.3% y error del 11.4%.
Epi-LLM: sondeando sesgos conductuales de LLM con modelos epidémicos
Descubre el marco Epi-LLM, que combina modelos de lenguaje y agentes sintéticos para simular comportamientos humanos durante epidemias, comparando con datos rea
WRIT: Trayectorias intensivas en escritura-lectura para agentes multi-turno
WRIT genera trayectorias sintéticas para entrenar agentes multi-turno con decisiones basadas en evidencia, y con solo 2K ejemplos supera a GPT-5.1.
Cómo una app a medida que reemplaza hojas de cálculo impacta la cultura
Q2BSTUDIO: Descubre cómo una app a medida reemplaza hojas de cálculo y fomenta transparencia, responsabilidad y decisiones basadas en datos. Conócenos.
Enfoque de perturbación para bandidos lineales
Descubre cómo un enfoque de perturbación logra arrepentimiento óptimo en bandidos lineales no restringidos, con nuevas garantías de alta probabilidad y tasas adaptativas.
Clasificación binaria: pública y privada con predictores en espacios métricos
Clasificación binaria con Proto-NN: consistencia universal y privacidad diferencial local con ruido de Laplace.
Agentes de Recompensa de Proceso para Guiar el Razonamiento Intensivo
Descubre cómo los PRA mejoran el razonamiento intensivo en conocimiento con recompensas paso a paso, logrando 81.9% en MedQA con Qwen3-4B.
Infraestructura fintech de alta concurrencia para África Occidental
Arquitectura fintech de alta concurrencia: claves de ZikarelHub para África Occidental.
Cómo integrar la API de OpenAI en Express de producción
Descubre cómo integrar API de OpenAI en Express de producción: control de costos, límites, streaming y errores. Evita facturas inesperadas.
IA Generativa y productividad de ventas: experimentos en retail online
Grandes experimentos en retail online muestran que la IA Generativa aumenta las ventas hasta un 16.3% al mejorar la conversión y reducir fricciones. Resultados positivos sin impacto en devoluciones.
Mediana de estadísticos U incompletos: estimador robusto
La mediana de estadísticos U incompletos (MIU) ofrece un estimador robusto con tasas de concentración en muestras finitas para kernels simétricos.
Corteza y subcorteza: roles distintos en el aprendizaje con memoria limitada
Descubre cómo la corteza y subcorteza trabajan juntas para optimizar el aprendizaje con memoria limitada. Una nueva teoría explica sus roles distintos.
Algoritmo óptimo para bandits contextuales lineales con actualizaciones escasas
Descubre un algoritmo práctico y óptimo para bandits contextuales lineales con O(log log T) actualizaciones. Máximo rendimiento con mínima complejidad.
Análisis teórico de Engression y Reverse Markov Engression
Descubre los nuevos límites de convergencia no asintóticos para Engression y Reverse Markov Engression. Resultados casi óptimos para aprendizaje de distribuciones condicionales con redes profundas.