IA versus especialistas en cefaleas: evaluación en resúmenes clínicos
¿Son los expertos humanos mejores que la IA para resumir literatura clínica? Un estudio con 10 especialistas en cefaleas y tres LLMs revela diferencias clave y preferencias.
#evidencia
FIDES: Señales de Evidencia para Conflictos en RAG
FIDES mejora la fidelidad en RAG al detectar conflictos token a token, sin entrenamiento. Logra hasta 94% de fidelidad en modelos de 70B. Descubre cómo.
Percepción Activa de Video: Búsqueda Iterativa de Evidencia para Video Largo
Descubre cómo AVP reduce un 81% el tiempo de inferencia y mejora la precisión al entender videos largos buscando evidencia clave.
Evaluación multi-LLM con ontología de hipótesis en procesamiento predictivo
Descubre cómo un consejo de LLMs locales evalúa hipótesis en neurociencia usando ontologías, revelando acuerdos y dispersión en la literatura.
MARDoc: Agente de Refinamiento con Memoria para QA Multimodal
Descubre MARDoc, un innovador marco de agente con memoria estructurada que mejora la precisión en QA de documentos largos multimodales. Reduce ruido y optimiza razonamiento.
EGTR-Review: Revisión científica con evidencia y destilación multiagente
Descubre cómo EGTR-Review revoluciona la revisión por pares: reduce costes y mejora la trazabilidad con destilación multiagente basada en evidencia.
Alerta temprana de fallos: evidencia escasa en diálogos y agentes LLM
Descubre cómo predecir fallos en diálogos y agentes LLM usando solo evidencia escasa. Método basado en atención mejora precisión y reduce costos de entrenamiento.
Alerta temprana de fallos con evidencia escasa en diálogos y agentes LLM
Descubre cómo identificar fallos en diálogos y agentes LLM con solo información parcial. Nuestro método de atención mejora la precisión temprana hasta un 42%.
EVIDENT: cómo seleccionar la mejor arquitectura neural para glucosa
Descubre EVIDENT, un innovador marco de selección de arquitecturas neurales basado en evidencia para predecir glucosa con precisión incluso con datos escasos.
Crédito denso insuficiente: Optimización calibrada por evidencia para agentes LLM
ECPO calibra el crédito de acciones intermedias en agentes LLM, mejorando el rendimiento en ALFWorld y WebShop hasta un 7% con solo 0.1% de sobrecarga.
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.
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.