Atribución de APT con alta precisión y resiliencia ante grupos desconocidos
Descubre un método innovador de atribución de malware APT que mantiene alta precisión incluso ante grupos desconocidos, evitando falsas atribuciones.
#detección
Supresión No Máxima Aprendida para Detección 3D
Descubre cómo el filtrado aprendido con atención transformador y GossipNet reemplaza el NMS tradicional para mejorar la detección 3D LiDAR, aumentando mAP y NDS.
PHASER: Aprendizaje continuo con repetición de experiencia por fases para modelos VLA
Descubre PHASER, un marco de aprendizaje continuo para modelos VLA que evita el olvido catastrófico. Asigna memoria por fases y prioriza tareas olvidadas, logra
Ultralytics YOLO26: Visión unificada en tiempo real de extremo a extremo
Descubre YOLO26 de Ultralytics: visión unificada sin NMS, entrenamiento optimizado y precisión en tiempo real. Ideal para detección, segmentación y más.
Cómo ejecutar SQLite en Bun y Node con un solo paquete
Descubre cómo adaptar SQLite para que funcione en Bun y Node.js con un solo paquete, usando detección de runtime y sin dependencias nativas.
Marco robusto y explicable con Transformers para detectar phishing
Descubre cómo un marco basado en Transformers usa entrenamiento adversarial y explicabilidad (LIME, SHAP, IG) para detectar phishing en correos de forma fiable.
Detección de fugas de gas infrarroja adaptativa y consciente de bordes
ECAF-Det: detector de fugas de gas infrarrojo con fusión adaptativa de características y percepción de bordes. Alcanza 84.3% AP50, ideal para monitoreo industrial.
CodeHacker: generación automatizada de pruebas para detectar vulnerabilidades
CodeHacker genera pruebas adversariales para detectar vulnerabilidades en soluciones de programación competitiva. Mejora benchmarks y entrena modelos de IA.
vLLM Semantic Router: Enrutamiento por señales para modelos multimodales
Descubre cómo vLLM Semantic Router optimiza el enrutamiento de modelos multimodales mediante señales composables, mejorando costos, privacidad y seguridad.
VulnAgent-R2: Auditoría multiagente calibrada para detección en repositorios
VulnAgent-R2 detecta vulnerabilidades en repositorios con auditoría multiagente calibrada, reduciendo costes y mejorando precisión. Descubre cómo.
Burlar al camaleón: desacoplamiento contrafáctico para cambios en streaming
Descubre cómo el método LPCD burla a los atacantes 'camaleón' que cambian tácticas en streaming, usando desacoplamiento contrafáctico para evaluar riesgos.
Gate AI: Metodología y resultados de evaluación de seguridad en LLM
Descubre la metodología rigurosa de Gate AI para evaluar detectores de inyección y jailbreaks en LLM con umbral único y 16 benchmarks. Resultados sin sesgos.
Diagnosticar latentes de alta dimensión con estructura de fase
Descubre cómo diagnosticar fases en espacios latentes mejora generación y detección de anomalías. Nuevo paradigma basado en vidrio de espín.
COD10K-C: Robustez en detección de camuflaje bajo corrupciones
COD10K-C: benchmark de robustez para detección de camuflaje. SINet-v2 cae 18.5% con blur. RobustCODLite retiene 92.3% de rendimiento. ¡Entra!
Huellas de neutrinos: codificación en imágenes de eventos IceCube para CNN
Descubre cómo huellas de neutrinos en imágenes permiten a una CNN reconstruir dirección de eventos IceCube con precisión. Innovador enfoque para astrofísica.
Trans GAN-WT: detección anómala con extracción de características y aprendizaje interactivo
El modelo TransGAN-WT combina Transformer y GAN para detectar anomalías en turbinas eólicas con F1 del 96.1% y FPR del 0.06%. Optimiza el mantenimiento predictivo.
Visibilidad de falsos éxitos en manipulación robótica
¿Pueden los robots ocultar fallos? Un estudio revela que los falsos éxitos en manipulación son más detectables de lo que parece, pero el ruido los enmascara. Descubre cómo.
OASIS: Aceleración de inferencia LLM con cuantificación dual basada en LUT
Descubre OASIS, la arquitectura LUT que acelera la inferencia de LLM un 3x con cuantificación dual, reduciendo la pérdida de precisión a solo 1.98%.
FRED: Dataset multimodal para conducción en carreteras inundadas
Descubre FRED: el primer dataset multimodal para vehículos autónomos en carreteras inundadas, con datos de cámara, LiDAR e IMU para detectar riesgos acuáticos.
Inestabilidad en la dirección de puntuación en detección de anomalías
La detección de anomalías con división de clases puede ser inestable. Un nuevo método sin entrenamiento (fuga de vecindad) predice la inestabilidad. Descubre cómo afecta a modelos en CIFAR-10 y más.