Generación algorítmica de prompts para equipos humanos diversos con LLMs
Descubre cómo la generación algorítmica de prompts combinada con QD y LLMs crea comportamientos de equipo diversos y realistas para mejorar la colaboración
#delos
RLRC: Recuperación por Refuerzo para Modelos VLA Comprimidos
Descubre RLRC: compresión de modelos VLA con recuperación por refuerzo que reduce memoria 8x y acelera inferencia 2.3x sin perder rendimiento.
Descubrimiento causal basado en gradientes en procesos industriales
Descubre GRNGC, el nuevo marco de gradientes para inferencia causal eficiente en procesos industriales.
Detail++: Mejorador de Detalles sin Entrenamiento para Difusión
Detail++ mejora la generación de imágenes con prompts complejos mediante inyección progresiva de detalles sin entrenamiento. Logra mayor precisión de atributos
Seguridad en agentes de código de IA: ataques de jailbreak
JAWS-Bench: un benchmark que evalúa ataques de jailbreak a agentes de IA. Descubre cómo los modelos de lenguaje ejecutan código malicioso y cómo defenderte.
LVLMs y humanos: diferencias en comunicación referencial
Un experimento revela que los LVLMs no logran el mismo nivel de comprensión referencial que los humanos. Descubre las implicaciones para la IA.
Razonamiento formal con IA: síntesis de contratos y reutilización de artefactos
Descubre cómo la IA y métodos formales se unen para verificación: síntesis de contratos y reutilización de artefactos para un ecosistema de confianza.
R1-SyntheticVL: ¿Datos sintéticos listos para modelos multimodales?
Descubre CADS, un método innovador que genera datos sintéticos de alta calidad para impulsar modelos multimodales de lenguaje. Conoce R1-SyntheticVL y sus
PLATE: Adaptadores eficientes para aprendizaje continuo con geometría
Descubre PLATE, método de aprendizaje continuo sin datos pasados. Controla plasticidad y retención con adaptadores eficientes.
GOT-JEPA: Seguimiento genérico de objetos con adaptación y manejo de oclusión
¿Quieres saber cómo GOT-JEPA mejora el seguimiento de objetos? Predice modelos y maneja oclusiones con precisión. ¡Lee aquí!
ThinkJEPA: Modelos de mundo latentes con razonamiento VLM
Descubre cómo ThinkJEPA combina modelos de mundo latentes y VLMs para mejorar la predicción de trayectorias en video. Resultados robustos a largo plazo.
Ataques de Inferencia de Membresía contra Modelos de Lenguaje de Audio Grandes
Primer estudio sistemático de ataques de inferencia de membresía en LALMs. Revelamos memorización cruzada y nuevo protocolo de auditoría.
LLM en ciberseguridad: usos, percepciones y adopción
Análisis de 892 publicaciones en Reddit sobre el uso de LLM en ciberseguridad: ganancias de productividad, riesgos y recomendaciones para su adopción segura.
Falta Informativa para Generar Series Clínicas Irregulares
Modelo de difusión genera series clínicas irregulares preservando la falta informativa. Basado en MIMIC-III, mejora la imputación de datos.
Ausencia informativa para generar series temporales clínicas
Modelos de difusión generan series clínicas aprovechando la ausencia informativa de pruebas. Clave para imputación y modelos base en salud.
Selección de modelos en InferBERT: análisis comparativo para farmacovigilancia
Descubre por qué la selección del modelo es clave en InferBERT para detectar eventos adversos de medicamentos. Comparativa revela que BioBERT, con
Comparativa de modelos en InferBERT para inferencia causal en farmacovigilancia
Descubre por qué BioBERT supera a grandes LLMs como Med-LLaMA en la detección de eventos adversos causales con InferBERT.
Modelos de difusión restringidos con inferencia primal-dual
Modelos de difusión con inferencia primal-dual resuelven problemas de optimización con restricciones promedio. Muestreo óptimo y convergencia garantizada.
Modelos de Difusión con Restricciones e Inferencia Primal-Dual
Descubre cómo los modelos de difusión con inferencia primal-dual permiten muestrear distribuciones óptimas bajo restricciones promedio. Aplicaciones en
Incertidumbre en estructuras con caos polinomial y aprendizaje activo
Optimiza la cuantificación de incertidumbre en estructuras de ingeniería usando aprendizaje activo y caos polinomial. ¡Mejora tus modelos sustituto!