100-LongBench: ¿Los benchmarks de contexto largo evalúan realmente la capacidad?
Descubre por qué los benchmarks actuales como LongBench no miden correctamente la capacidad de contexto largo de los LLMs y cómo una nueva métrica lo soluciona.
#control
Fallas de optimización descontrolada en LLMs en entornos multiobjetivo
¿Los LLMs son realmente seguros? Un estudio revela que caen en optimización descontrolada en tareas multiobjetivo, pese a entender los objetivos.
Mid-Think: Razonamiento Intermedio sin Entrenamiento via Disparadores de Token
Descubre Mid-Think, un método sin entrenamiento que mejora el equilibrio precisión-longitud en modelos de razonamiento híbrido usando tokens disparadores. Ideal
ULD: Unificando eficiencia y representaciones en RL
ULD: algoritmo de RL que unifica eficiencia y representaciones sin sobrecarga de planificación. Supera a métodos especializados en 80 entornos.
Hacia el O-RAN Autónomo con IA Agentica Multi-Escala
Explora el marco de IA agentica multi-escala para el control autónomo de O-RAN en tiempo real con agentes LLM, SLM y modelos fundacionales.
Más allá de historias de píxeles: modelos mundiales con estado 3D persistente
Descubre PERSIST: modelo de mundo con escenas 3D latentes que genera mundos coherentes con memoria espacial persistente y control geométrico.
ZeroWBC: Interacción humanoide natural desde datos egocéntricos
Descubre cómo ZeroWBC permite a humanoides interactuar de forma natural sin teleoperación, aprendiendo de videos egocéntricos.
Control de FDR con knockoffs en redes neuronales profundas
Descubre cómo los métodos knockoff controlan la tasa de falsos descubrimientos en redes profundas, simplificando modelos sin perder precisión.
Control de falsos descubrimientos y simplificación en DNN con knockoffs
Descubre cómo los métodos knockoff permiten seleccionar variables relevantes en redes neuronales profundas, reduciendo la complejidad y manteniendo el control de falsos descubrimientos.
¿Puede el software de mantenimiento mejorar la eficiencia energética?
Descubre cómo el software de mantenimiento e incidencias ayuda a monitorizar consumos, automatizar programas de eficiencia y reducir costes energéticos con datos precisos.
COP-Q: Aprendizaje por refuerzo seguro para robots con Proyección de Cholesky
Nuevo método COP-Q mejora la seguridad y eficiencia en control robótico usando Proyección de Cholesky.
Personalización versátil e incremental de conceptos en IA
Descubre cómo el nuevo CCDM permite personalizar modelos de difusión sin olvidar conceptos previos, mejorando la coherencia en la síntesis multi-concepto.
Aprendizaje de modelos de orden reducido afín al control mediante autoencoders
Descubre cómo los autoencoders permiten crear modelos de orden reducido afines al control, mejorando la predicción y el control de sistemas complejos. ¡Lee más!
Reutilizar trayectorias en gradientes de política permite convergencia rápida
El nuevo algoritmo RT-PG reutiliza trayectorias off-policy para acelerar la convergencia en métodos de gradientes de política, mejorando la eficiencia muestral.
Elusión de filtros de prompts en producción con liberación controlada
Nuevo ataque 'controlled-release prompting' elude filtros de seguridad en LLMs como Gemini, DeepSeek, Grok y Mistral. ¿Están tus datos seguros?
¿Cómo protege información confidencial el software de mantenimiento e incidentes?
Protege tu información confidencial con software de mantenimiento e incidentes: cifrado, permisos y auditoría. Q2BSTUDIO asegura la confidencialidad.
¿Es seguro el software de mantenimiento e incidencias para datos sensibles?
Descubra cómo el software de mantenimiento e incidencias protege datos sensibles con cifrado, control de acceso y monitoreo continuo. Seguridad empresarial.
Modelos sustitutos causales multi-fidelidad para implosiones ICF
Descubre cómo los modelos sustitutos causales multi-fidelidad y el machine learning optimizan diseños en fusión por confinamiento inercial, acelerando descubrimientos y diagnósticos.
Generación procedural de sonidos de motor con anotaciones de control
Descubre cómo generar datasets de sonidos de motor con anotaciones precisas. Ideal para entrenar modelos de IA en diseño de sonido automotriz.
Aprendizaje por refuerzo multitarea contextual para monitoreo autónomo arrecifes
Descubre cómo el aprendizaje por refuerzo multitarea contextual permite a vehículos submarinos adaptarse a corrientes para monitorear arrecifes.