GauS: Optimización de Scheduling con Reparametrización Gaussiana
Descubre cómo GauS optimiza el scheduling con reparametrización gaussiana, logrando resultados Pareto-óptimos en compilación y hardware.
#imo
Detección explicable de memes de odio y propaganda con RL y CoT
Descubre cómo un nuevo método de RL con supervisión CoT mejora la detección explicable de memes de odio y propaganda, superando benchmarks en inglés y árabe.
SCAN: Marco para asignación eficaz de tareas con IA generativa
Descubre SCAN, un marco humano-céntrico para asignar tareas con IA generativa. Aprende a equilibrar automatización y colaboración para mejorar tu productividad.
MAF: Prompting Adaptativo Multimodal para Análisis de Sentimientos
Mejora el análisis de sentimientos con MAF: marco adaptativo multimodal que recupera demostraciones relevantes y fusiona similitudes para mayor precisión en
Inyección Residual Profunda para Percepción Forense en MLLMs
Con Deep-VRM, los MLLMs detectan imágenes generadas por IA preservando su conocimiento semántico. Nuevo estado del arte en forense visual.
NVMOS: Evaluación de calidad de vocalizaciones no verbales en el habla
NVMOS: el primer modelo que predice la calidad perceptual de vocalizaciones no verbales como risas y suspiros. Supera a expertos.
Cómo construir una app MVP de e-commerce en 2026
Descubre cómo tu startup puede lanzar un MVP de e-commerce en 2026 sin gastar de más. Estrategias, costos y herramientas clave.
OmniTraffic: Generación controlable y benchmark para razonamiento de tráfico
OmniTraffic: pipeline y benchmark para razonamiento espacio-temporal. Evalúa 11 MLLMs con 8M VQA, revela brecha humano-modelo. Simulación mejora rendimiento.
DifFRACT: Reconstrucción y Atribución para Trazado de Circuitos
Descubre cómo DifFRACT permite trazar circuitos interpretables en modelos de difusión multimodales, mejorando el control y la comprensión de la generación de
Verdad en la familia: Mejorando anclaje contextual con cabezas veraces heredadas
Descubre cómo los modelos de lenguaje heredan cabezas veraces que mejoran el anclaje contextual y reducen alucinaciones. TruthProbe optimiza LLMs y MLLMs.
Inyección Residual para Percepción Forense en Modelos Multimodales
Descubre cómo Deep-VRM inyecta señales forenses en modelos multimodales para detectar imágenes generadas por IA con alta precisión y robustez.
MAGE-RAG: Evidencia Gráfica Adaptativa Multigranular para RAG Multimodal Agéntico
MAGE-RAG optimiza la recuperación multimodal en documentos largos con evidencia gráfica adaptativa. Mejora precisión y reduce ruido. ¡Resultados superiores!
VinQA: Respuestas largas con elementos visuales intercalados en documentos
VinQA: nuevo dataset para generar respuestas largas con citas visuales en documentos multimodales. Mejora la precisión de modelos con Page y Modality Encoding.
Explicaciones XAI sin entrenamiento con LLMs multimodales para deepfakes de voz
Framework sin entrenamiento que integra XAI y LLMs para explicar deepfakes de voz. Mejora la precisión en más del 45%.
Autoencoders dispersos en cascada aprenden conceptos visuales multinivel en MLLMs
Descubre cómo los CSAEs aprenden conceptos visuales jerárquicos en MLLMs, mejorando la interpretabilidad y permitiendo intervenciones grupales.
Guía estructural: síntesis de angiografía con fluoresceína desde fotos y OCT
Descubre cómo la inteligencia artificial combina fotos de retina y OCT para generar angiografías con fluoresceína no invasivas, mejorando el diagnóstico de
Modelo multimodal unificado para imputación y comprensión de MRI cerebral
Descubre UniBrain, un modelo multimodal unificado que imputa datos faltantes de MRI y mejora el diagnóstico cerebral con inteligencia artificial.
Perdidos al final: primacía en QA multimodal con recuperación
Descubre cómo el sesgo de primacía Perdidos al final afecta a los sistemas de QA multimodal con recuperación, donde la información al inicio del contexto
Perdido al final: sesgo de primacía en VQA multimodal
Descubre el sesgo de primacía en VQA multimodal: la información al principio supera al final en hasta 26 puntos. Clave para IA.
Gen-VCoT: Razonamiento visual con cadena de pensamiento generativa
Descubre Gen-VCoT, un nuevo marco de razonamiento visual que usa imágenes RGB intermedias generadas por difusión para mejorar la interpretabilidad y precisión