Búsqueda Física Mejorada por Correlaciones
Descubre cómo la coincidencia de correlaciones temporales con restricciones físicas mejora la eficiencia de búsqueda. Un modelo minimalista revela el principio organizador.
#evidencia
Razonamiento de calidad con aprendizaje por refuerzo en contexto
Descubre cómo el aprendizaje por refuerzo en contexto mejora la calidad del razonamiento en IA, asignando mayor peso a demostraciones efectivas.
De trazas a confianza: Rastreo y procedencia en agentes LLM
Descubre cómo el rastreo de evidencia y procedencia permiten verificar, depurar y auditar agentes LLM para mayor confianza.
Predicción de movilidad eficiente y basada en evidencia con agente LLM
Descubre cómo AgentMob, un agente basado en LLM sin entrenamiento, predice ubicaciones de forma adaptativa y eficiente, mejorando la precisión en movilidad urbana.
AuditFlow: Entornos Simbólicos Ejecutables para Auditoría Financiera
AuditFlow logra 82.09% de precisión en verificación financiera, superando en 14.93 puntos a otros modelos. Framework multi-agente con entornos simbólicos.
Reconstrucción de pérdidas por IA: del control al seguro con CER
El marco CER (control, evidencia, respuesta) permite reconstruir pérdidas mediadas por IA para reclamaciones de seguro. Ideal para riesgos de IA agentiva y generativa.
Evidencia causal de representaciones de pila en modelos de contadores con transformers
Estudio revela que representaciones de pila en transformers son causalmente necesarias para lenguajes contadores. Evidencia empírica crucial.
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.
Ver Menos, Especificar Más: Presupuestos de Evidencia para VLA
Mejora la generalización de modelos VLA con S2: entrena al ejecutor con guías locales y presupuestos de evidencia visual. Logra 79% de éxito en tareas robóticas.
WRIT: Trayectorias intensivas en escritura-lectura para agentes multi-turno
WRIT genera trayectorias sintéticas para entrenar agentes multi-turno con decisiones basadas en evidencia, y con solo 2K ejemplos supera a GPT-5.1.
VistaHop: Evaluando razonamiento multi-salto para Visual DeepSearch
Descubre VistaHop, el benchmark que evalúa el razonamiento visual multi-salto. Solo el 24% de aciertos revela grandes desafíos para la IA.
He contratado a cientos de personas: el rasgo que busco primero
Descubre el rasgo que he buscado en cientos de candidatos: la capacidad de ser persuadido por la evidencia, incluso cuando demuestra que estaban equivocados.
DPsurv: Fusión evidencial de doble prototipo para predicción de supervivencia
DPsurv utiliza fusión evidencial de doble prototipo para predecir supervivencia en imágenes patológicas, ofreciendo interpretabilidad y medición de incertidumbr
Agentes de IA: evidencia, no solo respuestas finales
¿Confías en el resumen de tu agente de IA? Descubre por qué necesitas paquetes de evidencia para auditar cambios reales en el código.
TIGER: Mitigación de alucinaciones en generación multimodal
TIGER reduce alucinaciones en generación multimodal mediante enrutamiento gráfico de evidencia. Repara hechos falsos en imágenes, audio y video manteniendo la calidad.
TRACE: Compresión de Riesgos en Trayectorias para Seguridad de Agentes
TRACE comprime evidencia de riesgo en trayectorias de agentes para mejorar la seguridad en tareas de largo plazo. ¡Alta precisión!
Ryze: Síntesis de datos enriquecida con evidencia de papers biomédicos
Descubre Ryze, un sistema que automatiza la creación de datasets enriquecidos con evidencia visual a partir de papers biomédicos, superando a GPT-5.
Mejora de procesos hospitalarios con Process Mining: caso COVID
Descubre cómo la minería de procesos transforma datos clínicos en información valiosa para optimizar la gestión hospitalaria, estandarizar triajes y planificar capacidades durante la pandemia.
Plausibilidad no es predicción: evidencia contrastiva en perturbaciones con LLM
Los LLMs fallan al predecir efectos de perturbaciones celulares. CORE organiza evidencia contrastiva para mejorar la precisión hasta un 28.6%. Descubre cómo.
Conectando Puntos: Evaluando Memoria Reflexiva en Diálogos Largos
Descubre cómo RefMem-Bench y REMIND evalúan y mejoran la memoria reflexiva en diálogos largos, superando la simple recuperación de hechos.