Orcheo: Una plataforma full-stack modular para búsqueda conversacional
Descubre Orcheo, la plataforma open-source modular para búsqueda conversacional. Acelera tu investigación con componentes reutilizables y despliegue fácil.
#bi
Investigación empírica: reutilización de modelos preentrenados de deep learning
La reutilización de modelos preentrenados de deep learning impacta más en pruebas; adaptación es el patrón dominante. Bioquímica y genética lideran.
MAND: Detección de Novedades Multimodal en Actividades Egocéntricas
MAND: detección de novedades multimodal en actividades egocéntricas. Mejora precisión usando RGB e IMU con puntuaciones adaptativas.
Aprendizaje de distribuciones de permutaciones mediante difusión en rangos suaves
Soft-Rank Diffusion: método de difusión suave para aprender permutaciones. Mejora el rendimiento en ordenamiento y optimización combinatoria.
Haiku a Opus en solo 10 bits: LLMs logran grandes ganancias de compresión
10 preguntas binarias logran comprimir respuestas de IA 100x más que métodos previos, recuperando hasta 72% de capacidad. ¡Descubre el nuevo método!
Revelando artefactos en videos generados por IA con amplificación de ruido
Descubre cómo la amplificación de ruido basada en planos de bits revela artefactos en videos generados por IA, superando métodos en el benchmark HardGVD.
JoyAI-VL-Interaction: modelo de interacción visión-lenguaje en tiempo real
JoyAI-VL-Interaction: modelo de IA abierto que observa en tiempo real y decide cuándo hablar, callar o delegar. Para seguridad, videollamadas y más.
FactCheck: Anticipación de Acciones a Largo Plazo con Colaboración Multiagente
Descubre cómo FactCheck mejora la anticipación de acciones a largo plazo verificando factibilidad con observación, planificación y verificación multiagente.
XFlow: Sistema de protocolos ejecutables para flujos multiagente confiables
Descubre cómo XFlow mejora la fiabilidad de flujos multiagente mediante protocolos ejecutables que verifican restricciones y validaciones.
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.
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.