Más allá de la precisión: interpretando temas en detección de ideación suicida
Descubre cómo la aumentación de temas mejora la interpretabilidad de modelos de IA para detectar ideación suicida, revelando factores de riesgo ocultos.
#delos
Protocolo ACUTE: mejora calibración, utilidad y confianza en LLMs
Descubre el protocolo ACUTE: mejora la calibración, utilidad y confianza de modelos de lenguaje. Ideal para aplicaciones de IA más seguras.
Más allá del éxito/fracaso: Process Mining revela patrones de ataque a LLMs
Descubre cómo el Process Mining revela patrones ocultos de resistencia y vulnerabilidad en LLMs ante ataques de Red Team, más allá de la simple tasa de éxito.
Protocolo ACUTE: Mejorando Calibración y Confianza en LLMs
Descubre cómo el protocolo ACUTE mejora calibración, utilidad y confianza de LLMs mediante activaciones, reduciendo sobreconfianza.
Más allá de los benchmarks ingleses: evaluación de LLM clínicos en portugués
Descubre cómo se desempeñan los LLM clínicos en portugués brasileño frente al inglés. Análisis del benchmark ClinicalBr en diagnóstico, tratamiento y más.
Multiplicidad de modelos para detección adversarial en SLM edge
Aprende cómo la multiplicidad de modelos detecta ataques de envenenamiento en SLM en dispositivos edge, mejorando la seguridad antes que defensas clásicas.
El último píxel visible: sondeando percepción fina en VLMs
Nuevo benchmark FineSightBench revela que la percepción fina en VLMs satura a 12px y el razonamiento visual es limitado.
Datos instrumentados para aprendizaje automático científico causal
Descubre cómo los datos instrumentados (con modelos causales y contrafactuales) revolucionan el ML científico. Ideal para biología, clima, materiales y más.
Coherencia Tensa: Señal de Falla Previa en Agentes de Código
Descubre cómo la coherencia tensa revela fallos inminentes en agentes de IA. Un detector con 94% de precisión identifica cuándo un agente ignora sus propias
Multiplicidad de modelos para detección adversarial en SLM en el borde
La multiplicidad de modelos detecta ataques de envenenamiento en dispositivos edge, mejorando la seguridad en entrenamiento distribuido de SLM.
Larch: Optimización Aprendida para Predicados Semánticos
Descubre cómo Larch optimiza filtros semánticos en SQL usando IA y embeddings, reduciendo costos de tokens hasta 19x comparado con soluciones existentes.
El último píxel visible: probando la percepción fina en VLMs
¿Qué tan pequeño puede percibir un VLM? FineSightBench revela que la percepción se satura a 12px, pero el razonamiento sigue limitado.
Datos instrumentados para machine learning científico causal
Datos instrumentados: modelos, incertidumbre y contrafactuales para ML científico causal. Aplicaciones en validación y auditoría.
Larch: Optimización de Consultas Semánticas con IA
Descubre cómo Larch optimiza filtros semánticos en SQL con IA, reduciendo costos de tokens hasta 19x. Ideal para grandes volúmenes de datos no estructurados.
POISE: Inyección de habilidades indetectable en agentes LLM
Descubre cómo POISE logra una tasa de éxito del 89.3% inyectando habilidades maliciosas sin ser detectado, superando las defensas actuales.
De 'Puede' a 'Es': Distorsión de Certeza en Modelos de Lenguaje
Los modelos de lenguaje aumentan la certeza al reescribir textos, distorsionando la información en un 75%. Conoce el sesgo que afecta dominios de alto riesgo.
RecurGuard: Defensa en tiempo real contra ataques de tokens de razonamiento
RecurGuard detecta el 99% de ataques de consumo de tokens en modelos de lenguaje. Monitoreo en tiempo real.
La Neutralidad Muerde: Representación de Género en Fábulas IA
Descubre cómo los LLM generan un sesgo masculino en cuentos de animales, incluso al intentar ser neutrales. ¿Es la neutralidad una forma de borrado? Lee más.
Defendiendo contra el ajuste fino malicioso escalando ataques adversariales
Descubre cómo Patcher protege los modelos de lenguaje contra ataques de fine-tuning malicioso escalando ataques adversariales. Mejora la robustez de tus LLMs.
PRISM: Muestreo de Acciones Guiado por Prior en Modelos del Mundo
Descubre PRISM, un marco que mejora el muestreo de acciones en modelos del mundo. Aumenta el éxito hasta un 35% en control continuo.