RPCASSM: PCA robusto para detección de pequeños blancos infrarrojos
Descubre cómo RPCASSM usa PCA robusto y módulos de espacio de estado para detectar y segmentar pequeños blancos infrarrojos con alta precisión.
#estado
RA-LWLM: Localización In-Context Mejorada con Recuperación para Redes 6G
Descubre cómo RA-LWLM logra localización 6G adaptativa sin reentrenamiento usando recuperación de contexto
Representaciones más ricas para razonamiento algorítmico neuronal mediante reconstrucción auxiliar
Mejora el razonamiento algorítmico neuronal con reconstrucción auxiliar: representaciones más ricas que potencian el rendimiento de arquitecturas existentes.
Reconoce a tu orquestador: dinámica de entropía en MAS
La dinámica de entropía revela la fragilidad de los orquestadores y la trampa del razonamiento en sistemas multiagente. Identifica el colapso del rendimiento.
Orquestadores agentivos autocurables para sistemas LLM con herramientas
Descubre cómo los orquestadores autocurables mejoran la fiabilidad de los LLM con herramientas, alcanzando un 98.8% de éxito y eliminando fallos silenciosos.
TERRA: Arquitectura de Razonamiento y Representación para Dominios Cruzados
Descubre TERRA, una arquitectura que transfiere representaciones entre dominios como conducción y finanzas. Un enfoque teórico para la IA general.
Detección vs Ejecución: Sondas de un Solo Cúmulo Pierden Mitad del Sumidero de Mamba-2
Las sondas de un solo cúmulo solo detectan una pequeña parte de la ejecución en Mamba-2. La similitud representacional no implica equivalencia funcional. ¡Descúbrelo!
Olvida la Atención: Conciencia de Importancia es Todo
SISA: nuevo híbrido SSM-atención. Logra 17.3% en LAMBADA y recuperación perfecta en NIAH 7x más rápida que Transformers. ¡Descúbrelo!
Empresas de EE.UU. aún lideran subsidios para chips
Informe de la OCDE revela que empresas de EE.UU. reciben más subsidios en total, pero China obtiene un apoyo mayor en relación a sus ingresos, cerca del 10%.
Diagnóstico de fallos en colaboración visual con recursos limitados
Descubre cómo estado compartido amplifica alucinaciones en agentes visuales limitados. Dos modos de fallo y marco CoSee para mejorar la fiabilidad comunicativa.
Abstracciones con Answer-Set Programming para Aprendizaje por Refuerzo
Exploramos cómo ASP crea abstracciones potentes para Reinforcement Learning usando el framework CARCASS. Casos en Blocks World y Minigrid.
Recuperación programable de pagos en redes con fallos
Descubre cómo manejar los pagos que nunca devuelven un 'sí' o 'no'. Conoce la máquina de estados efímera de x402-recovery para evitar pérdidas en redes inestables.
La Gran Red Eléctrica Americana: Reinicio
El colapso silencioso de la red eléctrica de EE.UU. por la IA y los incendios forestales, y cómo startups y reguladores luchan por salvarla.
LongDS-Bench: Fracaso en análisis de datos agentivo de largo plazo
Descubre LongDS-Bench: el benchmark que expone cómo los agentes fallan en análisis de datos prolongados. Solo 48% de precisión. ¡Lee más!
Aprendizaje por refuerzo multiagente escalable con restricciones
Descubre cómo el aprendizaje por refuerzo multiagente escalable resuelve restricciones globales mediante consenso distribuido, superando limitaciones de CTDE.
Auto-Discovery-Bench: Diagnóstico de seguimiento de estado estructurado
Descubre Auto-Discovery-Bench, un benchmark diagnóstico para evaluar la capacidad de agentes de IA de mantener y actualizar creencias estructuradas en descubrimiento interactivo guiado.
GlucoFM: Un modelo fundacional de doble flujo para monitoreo continuo de glucosa
Descubre GlucoFM, modelo IA de doble flujo para monitoreo continuo de glucosa. Mejora predicción de diabetes y resistencia a la insulina en 7 tareas clínicas.
Transporte Óptimo por Minibatch y Límites de Perplejidad en Flujo Discreto
Descubre cómo el transporte óptimo por minibatch reduce hasta 32 veces las transiciones en flujos discretos, mejorando la perplejidad sin perder diversidad.
ParalESN: Procesamiento paralelo de información en Computación de Reservorios
ParalESN revoluciona el procesamiento temporal con paralelismo masivo, reduciendo costos computacionales y manteniendo precisión de las redes de estado de eco.
Chain-of-Thought y Transformers en Bucle: Separación de Presupuesto de Memoria
Comparativa de memoria: Chain-of-Thought vs Transformers en bucle comprimido. Los bucles no pueden igualar el razonamiento con scratchpad. ¡Descubre por qué!