SeSE: Cuantificación de incertidumbre en LLMs basada en teoría estructural
Aprende cómo SeSE cuantifica la incertidumbre en LLMs usando teoría estructural para evitar alucinaciones. Mejora la fiabilidad de tus modelos.
#caja
Phantom Transfer: envenenamiento de datos sobrevive a defensas
Descubre cómo Phantom Transfer envenena datos y evade todas las defensas conocidas. Aprende por qué fallan las defensas actuales.
Circuitos Probabilísticos Neuronales Causales
CNPC combina redes neuronales con circuitos causales para intervenciones precisas, mejorando la exactitud en modelos de caja de conceptos. ¡Resultados superiores!
BAHSD: Destilación Adaptativa para Recomendación en Caja Negra
BAHSD: marco de destilación adaptativa para recomendación en caja negra que logra hasta un 4.98% de mejora sobre el profesor y un 80%+ en usuarios de cola larga. Plug-and-play.
Meta-Optimización con Ensambles Adaptativos para Equilibrio Robustez-Precisión
AdaE-SAEA: algoritmo evolutivo con ensambles adaptativos y RL para equilibrar robustez y precisión. Mejora rendimiento en problemas reales.
Descifrando el razonamiento latente: intervención guiada por interpretabilidad
Descubre cómo intervenir en el razonamiento latente de los LLM para mejorar su precisión sin actualizar parámetros. Guía basada en interpretabilidad.
VERA: Marco de inferencia variacional para jailbreaking de LLMs
Descubre VERA, un framework de inferencia variacional que genera prompts adversariales para identificar vulnerabilidades en LLMs sin reoptimización.
Seguridad en LLMs caja negra: Alineación mediante optimización restringida
Alinea LLMs de caja negra en inferencia usando optimización restringida y teoría de juegos para balancear seguridad y utilidad.
CryoProt: Preentrenamiento de proteínas con interacciones en crio-EM
CryoProt revoluciona el análisis de proteínas con IA: modela interacciones entre cajas en mapas crio-EM para predicciones precisas. Mejora hasta un 12%.
Monitoreo Constitucional de Caja Negra para Engaños en Agentes LLM
Descubre cómo los monitores constitucionales de caja negra detectan engaños en agentes LLM usando datos sintéticos. Resultados sobre generalización y límites.
El conjunto de datos defectuoso detrás de la ética de la IA moderna
Descubre cómo el conjunto de datos defectuoso de la ética provoca fallos en la IA y por qué necesitamos un nuevo modelo axiomático aditivo.
DiscourseFlip: Manipulación indirecta de opinión en RAG
DiscourseFlip: un ataque de manipulación de opinión a nivel de discurso en RAG que evade defensas actuales. Conoce sus implicaciones.
TN-SHAP-G: Red tensorial para Shapley en gráficos
Descubre TN-SHAP-G: calcula valores Shapley en gráficos usando redes de tensores, sin Monte Carlo. Explicabilidad eficiente para modelos complejos.
Selección de región de confianza basada en BAI para optimización bayesiana
Descubre cómo la identificación del mejor brazo (BAI) mejora la optimización bayesiana en funciones multimodales, acelerando la convergencia al óptimo global.
Acordes Geométricos Latentes para Ataques Adversarios Eficientes
Descubre cómo los Acordes Geométricos Latentes (LGC) optimizan ataques adversarios con alta fidelidad visual y mínimas perturbaciones. SSIM > 0.99 y LPIPS < 0.01.
Indistinguibilidad conductual acotada para destilación de LLM
¿Es suficiente la similitud semántica para destilar LLMs? Evaluamos indistinguibilidad conductual con adversarios y consultas acotadas. Resultados clave con Qwen y Llama.
Apilamiento fiscal: paga menos impuestos y retén más ingresos de alquiler
Descubre cómo el apilamiento fiscal reduce tus impuestos y conserva más ingresos de alquiler. Estrategias legales para maximizar tu flujo de caja.
Añadí una caja negra de 71 líneas a mi agente de Python, luego consulté la caída de $200 con DuckDB
Añadí una caja negra de 71 líneas a mi agente Python y consulté una caída de $200 con DuckDB. Aprende a integrar y optimizar consultas.
KBF: El límite del conocimiento como huella para la auditoría de modelos de lenguaje y API de caja negra
<meta name=description content=KBF: El límite del conocimiento como huella para auditar modelos de lenguaje y APIs de caja negra. Descubre cómo esta técnica revela sesgos y limitaciones en sistemas de IA opacos.>
Entrenamiento de monitores deliberativos para la detección de planes en caja negra
Capacitación de monitores deliberativos para detectar planes en caja negra. Aprende técnicas esenciales de interpretabilidad y seguridad en IA.