LakeQA: Benchmark de QA exploratorio sobre lago de datos masivo
Descubre LakeQA, el benchmark que obliga a los LLMs a buscar y razonar en lagos de datos de 9.5 TB. GPT-5.2 solo acierta el 18.37%.
#evidencia
Archivos de evidencia digital con IA: automatización para ajustadores
Automatiza la gestión de fotos, facturas y correos con IA usando el ciclo de vida de evidencia en tres fases. Agiliza tus reclamos con Nanonets.
Razonamiento contrafáctico para la descomposición de evidencia en VideoQA
Descubre cómo el razonamiento contrafáctico mejora la precisión y fiabilidad del VideoQA al separar evidencia causal de correlaciones espurias. Ideal para sistemas de IA más confiables.
De conflicto a consenso: mejora del razonamiento médico con RAG multi-ronda
Descubre cómo MA-RAG mejora el razonamiento médico: recuperación multi-ronda y autocoherencia reducen alucinaciones y aumentan precisión.
Comprendiendo el lenguaje de benchmarks con semánticas debilitadas
Descubre cómo extraer computables de benchmarks para obtener evidencia semántica inspeccionable y superar limitaciones del razonamiento textual.
Mentalidad emergente de agentes SWE: un viaje de comprensión de código
Explora cómo los agentes SWE desarrollan su mentalidad al comprender código real. Estudio con 408 trayectorias revela patrones de navegación, evidencia y parada.
RadOT-Eval: Transporte de evidencia auditable para evaluar informes radiológicos
RadOT-Eval: framework auditable que usa transporte de evidencia estructurada para evaluar informes radiológicos, detectando errores clínicos con alta precisión.
De 0 a 1 a 1 a N: Evidencia reproducible de auto-diseño recursivo MetaAI
Descubre cómo MetaAI demuestra el auto-diseño recursivo con evidencia reproducible del 20% al 50% en SWE-bench. Protocolo MetaAI-Mini.
Investigación sobre desalineación antropomórfica necesita evidencia más sólida
Descubre por qué los estudios sobre desalineación antropomórfica en IA requieren mayor rigor científico para fundamentar decisiones críticas de seguridad y regulación.
¿Confías en lo que ves? Humanos vs IA en evidencia legal sintética
¿Puedes distinguir una foto real de una generada por IA? Un estudio revela que ni humanos ni modelos avanzados son fiables. Descubre por qué.
Sistema de diagnóstico y tratamiento visual con LLM basado en evidencia
Explora el sistema de diagnóstico visual con LLM basado en evidencia: interacción multironda, tratamiento multimodal y mayor transparencia en medicina china.
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.
StainFlow: Rastreo de Manchas y Evidencia para Recompensas en Agentes GUI
StainFlow mejora el RL en agentes GUI con un modelo que rastrea manchas de entidades y vincula evidencia, aumentando un 3.2% el éxito en entornos dinámicos.
Consistencia de grafos de evidencia en RAG: análisis por modelo
Descubre cómo la consistencia de grafos de evidencia (EGC) detecta alucinaciones en RAG, pero su efectividad varía según la familia de modelos. Un análisis revelador.
Fallos de compresión predecibles: sensibilidad al orden y presupuesto de información
Analizamos la sensibilidad al orden en transformers para decisiones binarias y presentamos un nuevo enfoque para medir confianza y reducir alucinaciones.
FLOWREADER: Optimización de flujo de costo mínimo para QA en documentos multimodales
FLOWREADER optimiza preguntas y respuestas en documentos multimodales con evidencia fragmentada usando flujo de costo mínimo. Supera al top-k retrieval.
EASE-TTT: Entrenamiento selectivo en tiempo de prueba para QA largo
Descubre cómo EASE-TTT alinea la atención con evidencia para mejorar la precisión en preguntas de contexto largo usando modelos pequeños.
TRACE: Agregación Adaptativa de Evidencia entre Pasos para Agentes LLM
Descubre cómo TRACE detecta objetivos maliciosos ocultos en agentes LLM conectando evidencia entre acciones distantes. Aumenta la seguridad con F1 de 0.713 y recall de 0.844.
Harness-1: Agente de búsqueda 20B con entrenamiento por refuerzo
Descubre Harness-1, un subagente de búsqueda de 20B que separa decisiones semánticas de la contabilidad. Logra un 0.730 de recall, superando a otros modelos abiertos.
La VIOFO A329S 3CH es la cámara de tres canales más completa que puedes comprar
Descubre la VIOFO A329S 3CH, la cámara de tres canales más completa. Graba frontal en 4K, interior y trasero en 2K. Protege tu vehículo con cobertura total.