Entendiendo memes emergentes con adquisición de conocimiento abierto
El framework Query-Retrieve-Conclude (QRC) permite a la IA entender memes emergentes al recuperar conocimiento actualizado de la web, mejorando detección y comprensión.
#comprensión
Percepción Activa de Video: Búsqueda Iterativa de Evidencia para Video Largo
Descubre cómo AVP reduce un 81% el tiempo de inferencia y mejora la precisión al entender videos largos buscando evidencia clave.
ReasoningFlow: Estructuras discursivas en trazas de LLM
ReasoningFlow revela patrones discursivos en trazas de LLM, mejorando la transparencia y el análisis del razonamiento automático.
Explorando LLMs para la comprensión y generación de música del sur de Asia
Descubre cómo los LLMs enfrentan el reto de comprender y generar música clásica del sur de Asia, con ragas y talas. Resultados de un estudio pionero.
Narrative Knowledge Weaver: razonamiento narrativo aumentado con recuperación
NKW: el nuevo sistema que entiende historias largas combinando recuperación, grafos y razonamiento narrativo.
CausalPhys: Evaluación de razonamiento físico causal en modelos de visión-lenguaje
Nuevo benchmark CausalPhys con 3,000 preguntas evalúa razonamiento causal en VLMs. Mejora precisión e interpretabilidad con aprendizaje causal.
Mejora de extracción de respuestas en sistemas QA usando LLMs
Descubre cómo el fine-tuning de LLMs como Roberta-base mejora la extracción precisa de respuestas en sistemas QA. Resultados: ROUGE-L 86.84% y BERTScore 95.38%.
Legibilidad de códigos generados por LLM con representación multitarea
Mejora la legibilidad de códigos LLM con representación multitarea. Método eficiente y de bajo costo para aumentar comprensión sin sacrificar corrección.
F3-Tokenizer: domando latentes de audio para entender y generar
Descubre cómo F3-Tokenizer domina los latentes de audio para mejorar tanto la comprensión como la generación, unificando ambos campos en un solo tokenizador.
Máscaras que distraen: comprensión contextual en modelos de difusión
Los MDLM tienen dos grandes problemas: sesgo local y distracción por máscaras. Descubre cómo un nuevo método de ajuste mejora la comprensión contextual.
La IA Generativa no arregló el mayor cuello de botella del software empresarial
Descubre por qué la IA Generativa no resuelve el principal cuello de botella del software empresarial: la comprensión de sistemas complejos y la fragmentación del conocimiento.
MemoryDocDataSet: benchmark de memoria conversacional y razonamiento en documentos largos
Descubre MemoryDocDataSet: un benchmark que desafía a la IA a combinar memoria conversacional y razonamiento en documentos largos. ¿Tu modelo supera la brecha?
M³Eval: Evaluación de Memoria Multimodal con Tareas de Video Cognitivas
M³Eval: primer benchmark que evalúa la memoria en modelos multimodales con tareas de video cognitivas. Descubre sus debilidades.
La mayoría de estudiantes usa IA, pocos la entienden
Descubre por qué muchos estudiantes usan IA sin entenderla. Aprende machine learning, datos y cloud para construir el futuro.
IdiomX: Benchmark multilingüe para comprensión y recuperación de modismos
IdiomX es un benchmark multilingüe con 190K ejemplos para evaluar comprensión, recuperación e interpretación de modismos en inglés, árabe y francés.
Social Caption: Evaluación de la comprensión social en modelos multimodales
Descubre Social Caption: evaluando la comprensión social de modelos multimodales. Tres dimensiones clave: inferencia, análisis holístico y dirigido.
VidMsg: Benchmark de Mensajes Implícitos en Videos Cortos
Descubre VidMsg, el benchmark que evalúa cómo los modelos de IA entienden mensajes implícitos en videos cortos. ¡Resultados que te sorprenderán!
TimeOmni-VL: Modelos Unificados para Comprensión y Generación de Series Temporales
TimeOmni-VL unifica comprensión y generación de series temporales mediante visión, transformaciones bidireccionales sin pérdidas y generación guiada por entendimiento. ¡Lee más!
Respuesta a preguntas 3D Zero-Shot mediante transporte jerárquico de vista a token
Descubre cómo KeyVT optimiza la selección de vistas y tokens para responder preguntas sobre escenas 3D sin entrenamiento, superando a métodos existentes.
SVHalluc: Evaluación de alucinaciones voz-visión en modelos AV
SVHalluc: nuevo benchmark para alucinaciones voz-visión en LLMs audiovisuales. Modelos fallan en alineación semántica y temporal.