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.
#ep
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.
Variación de rendimiento en deep reinforcement learning
Descubre cómo la variación de rendimiento afecta a algoritmos de deep RL y nuevas métricas percentiles para evaluarla. Casos con PPO, SAC, DQN y más.
Cómo la arquitectura define la transferencia en redes implícitas
Descubre cómo la arquitectura afecta la transferencia en redes implícitas. Estudio comparativo de SIREN, ReLU y Fourier para modelos científicos.
Preentrenamiento con datos limitados: regularización mejorada y leyes de escalado
La regularización MIR y la ley SoftQ mejoran el preentrenamiento con datos limitados, equivalente a 1.3 veces más datos.
Pretraining de modelos de lenguaje con datos limitados: regularización y escalado
Nuevo estudio propone regularización MIR y ley de escalado SoftQ para pretraining con datos limitados, logrando mejoras equivalentes a 1.3x más datos únicos.
Acelerando la investigación reproducible en generación de EHR sintéticos
Descubre cómo nuestro marco unificado acelera la investigación reproducible en EHR sintéticos: privacidad y comparación justa.
CF-JEPA: Predicción hacia adelante sin máscara para series temporales
CF-JEPA: método sin máscara que reduce un 27% el error de pronóstico. Supera a otros en clasificación y detección de anomalías.
Explicando la estadificación no supervisada del Huntington
Descubre cómo la IA explica las etapas del Huntington mediante clusters y SHAP. Mejora la interpretabilidad clínica y la confianza en modelos no supervisados.
Teoría Bootstrap de la Emergencia Representacional
Descubre cómo la insuficiencia explicativa impulsa la creación de nuevas representaciones en IA, desde modelos del mundo hasta gemelos digitales. Una teoría que transforma el aprendizaje.
Generación musical con datos limitados: entrenamiento consciente de puntuación
Descubre cómo el entrenamiento consciente de puntuación permite generar música de alta calidad con pocos datos. Nuestro modelo FluxAudio rankeó 2° en ICME 2026.
Recuperación de redes de cascada con Jacobiano corregido
CascadeNet: nuevo método de aprendizaje automático que recupera redes de influencia oculta a partir de datos de cascada, sin necesidad de modelos de difusión pr
Predicción avanzada de inundaciones con deep learning guiado por física
Predicción de inundaciones con deep learning guiado por física. El modelo híbrido UNet-FNO alcanza un F1 de 0.90 usando imágenes SAR y ópticas. Conoce los resultados.
Nivel de detalle de IA: selección de precisión de ML por distancia en juegos
Descubre el AI LOD que selecciona la precisión de modelos ML según distancia, optimizando animación de NPCs en tiempo real sin pérdida perceptible.