SAGE: Puerta de Novedad para Evolución Eficiente de Memoria en LLMs Agénticos
Descubre SAGE, el innovador gate que optimiza la memoria de LLMs agenticos: reduce costos de API 3.4x y latencia 2.5x manteniendo calidad.
#detección
Separando secretos de placeholders: detección híbrida CNN-CodeBERT
Nuevo marco híbrido CNN-CodeBERT detecta filtraciones de credenciales con 93% de recall y reduce alertas falsas en 33%
Monitoreo en línea con estado detecta ataques de agentes distribuidos
Los monitores tradicionales fallan ante ataques distribuidos de IA. Descubre cómo el monitoreo en línea con estado los detecta un 30% más rápido, con baja latencia.
ReTabAD: benchmark para restaurar contexto semántico en detección de anomalías
Descubre ReTabAD, el benchmark que restaura el contexto semántico en la detección de anomalías tabulares. Mejora rendimiento e interpretabilidad con LLM.
ConSensus: colaboración multiagente para sensores multimodales
ConSensus mejora la precisión de sensores multimodales un 7.1% usando fusión híbrida multiagente, robusta ante ruido y datos faltantes. ¡Entérate!
Detección de alucinaciones: una visión geométrica desde OOD
Aprende cómo la detección OOD permite detectar alucinaciones en modelos de lenguaje sin entrenamiento, mejorando la precisión en tareas de razonamiento.
¿Quién es responsable? Atribución en sistemas de IA modernos
Aprende a rastrear la responsabilidad en sistemas de IA modernos: nuestro marco cuantifica el impacto de cada etapa de desarrollo para una IA más responsable.
MedFact: Evaluando la veracidad de LLM en textos médicos chinos
MedFact evalúa 20 LLM en verificación de hechos médicos chinos. Hallazgo clave: los modelos son malos localizando errores y sufren 'sobrecrítica'. Lee más.
JEPAs descompuestos en subespacios: separando progresión y contenido en modelos latentes
SD-JEPA mejora el control en benchmarks al separar progresión y contenido en el latente; su brújula angular detecta eventos mejor que el error de predicción.
Representaciones hiperesféricas tiempo-frecuencia para detección de anomalías
Aprende cómo las representaciones hiperesféricas tiempo-frecuencia mejoran la detección de anomalías en series temporales. Resultados con k-NN y Mahalanobis.
¿La precisión en clasificación refleja la calidad de detección de deriva?
Descubre si la precisión de clasificación es una métrica confiable para evaluar la detección de deriva de concepto. Analizamos 8 métricas en flujos de datos sintéticos.
Puentes de Schrödinger basados en geometría para fusión multimodal fiable
Descubre cómo GMF usa corrección de transporte geométrica para evaluar fiabilidad en fusión multimodal, rompiendo la dependencia de confianza del modelo.
Descomposición de tipos de fraude y límites de detección por clase
Descubre por qué tratar el fraude como homogéneo es un error. Taxonomía de 5 clases de fraudes con límites de detección específicos en pagos.
Cómo la inteligencia artificial potencia el chat en vivo
Descubre cómo la IA transforma el chat en vivo con análisis predictivo, recomendaciones y detección de anomalías. Mejora la respuesta y la consistencia en tu atención al cliente.
Dando voz a los sensores: JEPA multimodal para series temporales
Descubre CHARM, el modelo JEPA multimodal para embeddings semánticos en series temporales. Ideal para anomalías y predicción.
Visión artificial para evaluar respuesta de peces a objetos en acuicultura
Novedoso sistema de visión artificial con YOLOv8 y seguimiento 3D analiza reacciones de peces ante objetos intrusivos en acuicultura.
Detección en cualquier escena: marco agéntico con razonamiento experiencial
Descubre DetAS-X, el marco agéntico que adapta la detección de objetos a cualquier escena, mejorando el F1 hasta un 37%.
SPUNA: aprendizaje PU robusto para detectar cambio de covariable
SPUNA detecta cambios de covariable con aprendizaje PU y geometría local, igualando rendimiento supervisado. Ideal para visión robusta.
Algoritmos de trigger basados en deep learning para Hyper-Kamiokande
Algoritmos deep learning para triggers en Hyper-Kamiokande logran 76.7% eficiencia en detección de neutrinos de baja energía, superando métodos clásicos.
Detección de odio en video con fusión multimodal razonada
Descubre cómo RAMF mejora la detección de odio en videos con fusión multimodal y razonamiento adversario, superando métodos actuales en 3% y 7%