CausalMoE: modelo fundacional multimodal para causalidad de Granger
CausalMoE, un modelo multimodal, revoluciona la detección causal de Granger usando expertos heterogéneos y patrones temporales, integrando LLMs y VLMs.
#imo
scLLM-DSC: Agrupamiento Estructural Profundo Multimodal con LLM para scRNA-seq
scLLM-DSC mejora el clustering de scRNA-seq integrando conocimiento de LLM y supera 11 métodos. Conoce este avance en bioinformática.
CausalMoE: Modelo fundacional multimodal para causalidad Granger
Descubre CausalMoE, el primer modelo fundacional multimodal que integra LLMs y VLMs para descubrimiento causal Granger preciso en series temporales complejas.
ReFoCUS: Selección de Fotogramas con Refuerzo para Comprensión Contextual
Descubre cómo ReFoCUS utiliza aprendizaje por refuerzo para seleccionar fotogramas clave en video, mejorando la precisión en tareas de comprensión contextual.
Explicabilidad en modelos multimodales basados en atención: revisión sistemática
Descubre la revisión sistemática sobre explicabilidad en modelos multimodales basados en atención. Recomendaciones para evaluaciones estandarizadas.
Flujo Equivariante para Problemas de Bifurcación con Ruptura de Simetría
Descubre cómo el flujo equivariante con IA modela bifurcaciones con ruptura de simetría, capturando múltiples soluciones estables en sistemas físicos.
Generación Autoregresiva Descentralizada
Descubre cómo la generación autoregresiva descentralizada logra equivalencia teórica con el entrenamiento centralizado. Validado en benchmarks multimodales.
HELVAE: Autoencoders Multimodales con Divergencia Hellinger
Descubre cómo HELVAE mejora los autoencoders multimodales usando la divergencia Hellinger para representaciones latentes más expresivas y mejor equilibrio entre coherencia y calidad.
FENCE: Dataset bilingüe multimodal para detección de jailbreak en finanzas
Descubre FENCE, el primer dataset bilingüe multimodal para detectar jailbreak en sistemas financieros de IA. Entrena detectores robustos y protege tus modelos.
CMI-RewardBench: Evaluación de modelos de recompensa musical multimodal
Descubre cómo CMI-RewardBench evalúa modelos de recompensa musical con instrucciones multimodales, mejorando la generación y alineación de música con IA.
PaLMR: Razonamiento Visual Fiel mediante Alineación Multimodal
PaLMR alinea procesos de razonamiento visual en modelos multimodales, reduciendo alucinaciones y mejorando fidelidad. Logra resultados de vanguardia en HallusionBench, MMMU, MathVista y MathVerse.
Mayoría de tres: el aprendizaje PAC óptimo
Descubre la votación mayoritaria de tres clasificadores como método óptimo en aprendizaje PAC. Artículo simplifica la teoría y demuestra optimalidad.
Mezcla rápida para medidas de Gibbs en variedades riemannianas
Descubre cómo la mezcla rápida de Gibbs en variedades riemannianas logra tiempos polinomiales evitando barren plateaus y mínimos espurios.
Modelado de conceptos enmascarados entre modalidades: MACCO
Descubre MACCO, un innovador marco que mejora la comprensión composicional en modelos visión-lenguaje como CLIP, superando el comportamiento de 'bolsa de palabras'.
HYDRA-X: Modelo multimodal unificado con tokenizador visual holístico
HYDRA-X unifica tokenización de imágenes y video en un solo ViT. Mejora edición y comprensión multimodal. ¡Descubre cómo!
Condicionamiento de contexto basado en rareza para detección de anomalías marítimas
Descubre cómo RGFiLM reduce las falsas alarmas en la detección de anomalías marítimas al ajustar el condicionamiento según la rareza del contexto.
Red Generativa Antagónica de Doble Dominio para Síntesis Multimodal CT-PET
La red DDE-GAN mejora la síntesis de imágenes CT-PET combinando aprendizaje en dominio espacial y frecuencial con equivarianza rotacional para mayor precisión.
MaxProof: Demostraciones matemáticas escalables con RL generativo-verificador
Descubre MaxProof: RL generativo-verificador y escalado poblacional para récords en olimpiadas. Supera humanos en IMO y USAMO.
ArogyaSutra: Marco multiagente para razonamiento médico multimodal en idiomas índicos
ArogyaSutra mejora el razonamiento médico multimodal en idiomas índicos con un marco multiagente de IA. Ideal para diagnósticos en zonas rurales.
DSAEval: Evaluación de agentes de ciencia de datos en problemas reales
Descubre DSAEval, benchmark con 641 problemas reales que evalúa agentes de IA. Resultados: Claude-Sonnet-4.5 lidera en rendimiento.