Depuración sin repetición de trazas de agentes LLM
Predice eventos críticos en trazas multi-agente sin costosos replays. Mejora la fiabilidad de sistemas LLM con inteligencia predictiva.
#bi
Interferencia espectro-temporal en modelos de audio espacial
Descubre cómo los modelos de audio espacial basados en IA confunden la codificación de fase mediante texturas de interferencia. Un estudio psicoacústico revela
Clasificación ensemble de enfermedades en hojas de limón con deep learning
Descubre cómo un ensemble de InceptionV3 y MobileNetV2 clasifica enfermedades en hojas de limón con un 99.27% de precisión. Entrenamiento adversarial y
Destilación mejorada de conocimiento para clasificación de uso de suelo
Descubre la destilación de conocimiento mejorada que logra 99.04% precisión en clasificación uso de suelo, comprimiendo modelos sin perder rendimiento.
Detección automatizada de daños con atención multimodal en imágenes satelitales
Atención multimodal logra 94.9% de precisión en clasificación automática de daños por desastres usando imágenes satelitales. Ideal para respuesta rápida.
FastMix: Optimización de mezcla de datos con gradiente descendente
Descubre FastMix, un marco que optimiza automáticamente la mezcla de datos usando gradiente descendente, reduciendo costos y mejorando el rendimiento de tus
Dirección de políticas en tiempo de inferencia con visión y tacto
ViTaL: nuevo marco de guiado con visión y tacto mejora un 51% el éxito en manipulación robótica. Optimización bi-nivel para tareas de contacto.
Autoencoder Disperso Racional
Descubre cómo el Autoencoder Disperso Racional (RSAE) mejora la interpretabilidad de modelos de IA con una activación entrenable, superando a SAE tradicionales.
Consenso Resiliente en IA Agéntica
¿Fracasan los agentes LLM en alcanzar acuerdos? Estudio revela que los filtros clásicos de consenso mejoran la robustez en IA agéntica.
Escalando verificación de redes neuronales con TP y FSDP
Descubre cómo el paralelismo tensorial y FSDP reducen hasta un 90% el uso de memoria GPU en la verificación formal de redes neuronales, acelerando la prueba de
AutoDojo revela defensas superficiales en agentes LLM
AutoDojo revela que las defensas contra inyección indirecta son superficiales: ataques adaptativos logran un 28% de éxito incluso con filtros perfectos.
Ling y Ring 2.6: IA agéntica instantánea y eficiente a escala billonaria
Descubre Ling-2.6 y Ring-2.6, modelos de IA agéntica que combinan rapidez instantánea y razonamiento profundo a escala billonaria. Código abierto.
Comunicación no verbal en tiempo real con postura corporal y fiabilidad por consistencia
Descubre cómo la postura corporal en tiempo real permite la comunicación no verbal con robots en rescates, usando un nuevo método de fiabilidad por
SAILS: Análisis de Interacciones con Efectos Locales
Con SAILS, analiza interacciones entre características en modelos de caja negra usando suavizados locales. Detecta, clasifica y visualiza interacciones de
LargeMonitor: Monitoreo de aprendizaje continuo online sin tareas
Descubre cómo LargeMonitor, usando modelos preentrenados, detecta y diagnostica cambios en flujos de datos sin tareas, mejorando el aprendizaje continuo online.
Benigno en aislamiento, dañino en composición: riesgos en habilidades de agentes
Las habilidades de agentes LLM, inofensivas solas, se vuelven peligrosas al combinarse. SCR-Bench revela riesgos de composición con 96.5% de éxito en ataques.
Circuitos en cabezas de atención: coactivación propone, ablación dispone
¿La coactivación revela circuitos de atención? Descubre cómo la prueba de cierre separa propuestas de circuitos confirmados en modelos Pythia y OLMo.
El futuro de la IA y la energía en Europa: hacia el net-zero
La IA podría añadir hasta 723 TWh de demanda eléctrica en Europa para 2050, poniendo en riesgo los objetivos climáticos. Descubre cómo equilibrar innovación y
¿Rápido o lento? Predicción de movimiento con guía neuro-simbólica
Descubre TraCS, un marco neuro-simbólico que mejora la predicción de movimiento en tráfico heterogéneo, combinando redes neuronales con lógica de primer orden
Compresión de Contexto de Extremo a Extremo a Escala
Descubre cómo los modelos LCLM comprimen contextos largos sin perder calidad, mejorando la inferencia y el uso de memoria en IA.