Selección de evidencia con optimización cuántica para razonamiento legal
EP-HUBO usa optimización cuántica para seleccionar la mejor evidencia en razonamiento legal, superando el voto mayoritario y preservando hipótesis correctas.
#ep
DyCon: Control Dinámico del Razonamiento con Modelado de Dificultad Evolutiva
Descubre cómo DyCon reduce el sobrepensamiento en modelos de razonamiento grandes sin perder precisión, adaptándose dinámicamente a la dificultad.
DuMate-DeepResearch: Sistema multiagente con búsqueda recursiva y rúbricas
Descubre DuMate-DeepResearch, un sistema multiagente auditable con búsqueda recursiva y razonamiento por rúbricas que logra el mejor rendimiento en deep research.
Representación de Mezcla Gaussiana Geométrica para Curvas Planas
Descubre cómo representar curvas planas con incertidumbre mediante mezclas gaussianas, una técnica para CAD, robótica y planificación de trayectorias.
¿Qué anatomía importa con etiquetas limitadas? Benchmark cardíaco
¿Qué anatomía importa con pocas etiquetas? Descubre cómo la representación anatómica supera a la complejidad del modelo. Benchmark ACDC.
Dentro de la mente visual: circuitos de concepto para Vision Transformers
Descubre cómo ViSAE usa circuitos de concepto inspirados en neurociencia para interpretar y guiar Vision Transformers, mejorando precisión y confianza.
MMBU: Benchmark masivo multimodal biomédico para modelos visión-lenguaje
Descubre MMBU, el mayor benchmark biomédico multimodal que evalúa la percepción de modelos de IA en 35 submodalidades. ¿Qué tan precisos son los VLMs?
MSAIC-Net: Red convolucional para anomalías miocárdicas en ECG
Descubre MSAIC-Net, una red convolucional con atención multicanal y aprendizaje contrastivo que mejora la detección de anomalías miocárdicas en ECG. Resultados en PTB-XL y UVA.
Vocoders multilingües y multilocutor: análisis de unidades discretas
El tamaño del cluster y el condicionamiento del hablante son clave para evitar mezcla de hablantes en vocoders multilingües. Descubre cómo.
Tasas óptimas de generalización en descenso de gradiente con redes profundas
Descubre cómo GD y SGD alcanzan tasas óptimas de generalización en redes ReLU profundas, con resultados minimax comparables a kernels.
Rompiendo el bloqueo en generación de imágenes con IA
Descubre DAVE, un método que rompe el bloqueo de homogeneidad en generación de imágenes con IA, mejorando la diversidad sin coste adicional.
ViSSRes: residuo espacio-temporal contra alucinaciones en video
Descubre ViSSRes, un método innovador que reduce las alucinaciones en modelos de video grandes usando residuos espacio-temporales. Mejora la comprensión hasta u
La geometría de los fallos representacionales en modelos de visión-lenguaje
Estudio revela cómo la geometría de representaciones internas en VLMs causa alucinaciones. Aprende sobre vectores conceptuales y fallos visuales.
Evaluación de IA en revisiones sistemáticas de epidemiología
Evaluamos la fiabilidad de cinco modelos frontier con AgentSLR en revisiones epidemiológicas. Descubre los fallos, costes y el reto de la extracción de datos.
SW-A2-Bench: Benchmark para generar agentes de software autónomos
Descubre SW-A2-Bench, el primer benchmark que evalúa la generación de agentes de software autónomos a partir de código, impulsando la Web Agentica y la colaboración multi-agente.
¿Saltar una capa o repetirla? Aprendiendo programas de capas en LLMs
Descubre cómo los LLMs pueden ejecutar programas dinámicos de capas, saltando o repitiendo, para mejorar precisión y eficiencia en razonamiento matemático.
Principios y práctica del aprendizaje profundo de representaciones
Descubre cómo el aprendizaje profundo de representaciones abre la caja negra de las redes neuronales. Principios, teoría matemática y aplicaciones prácticas.
La trampa de identidad en modelos EEG fundacionales
El Identity Trap en modelos EEG: ¿precisión genuina o sesgo de identidad? FMScope lo diagnostica para separar biomarcadores reales. Descúbrelo.
Seguimiento Explicable de Dependencias en Tiempo Real para Conflictos AI-RAN
Descubre el seguimiento explicable de dependencias en tiempo real para monitoreo de conflictos en AI-RAN. Usa matrices booleanas y ventanas deslizantes.
Variación de rendimiento en aprendizaje por refuerzo profundo
Descubre cómo la variación de rendimiento entre ejecuciones afecta a los algoritmos de RL y nuevas métricas basadas en percentiles para evaluarla.