Arquitecturas Neuronales Separables como Modelos Físicos del Mundo
Arquitecturas Neuronales Separables: modelos físicos que resuelven PDEs en milisegundos, acelerando 150,000x simulaciones. Ideal para inversión en tiempo real.
#imo
Detección automatizada de daños con atención multimodal en imágenes satelitales
Atención multimodal logra 94.9% de precisión en clasificación automática de daños por desastres usando imágenes satelitales. Ideal para respuesta rápida.
Clasificación de defectos en STEM con aprendizaje profundo contextual
Aprende cómo la IA contextual mejora la clasificación de defectos en STEM, alcanzando 98% de precisión con datos químicos.
LargeMonitor: Monitoreo de aprendizaje continuo online sin tareas
Descubre cómo LargeMonitor, usando modelos preentrenados, detecta y diagnostica cambios en flujos de datos sin tareas, mejorando el aprendizaje continuo online.
¿Rápido o lento? Predicción de movimiento con guía neuro-simbólica
Descubre TraCS, un marco neuro-simbólico que mejora la predicción de movimiento en tráfico heterogéneo, combinando redes neuronales con lógica de primer orden
ArtiFact: Dataset multimodal de patrimonio cultural a gran escala
Explora ArtiFact: dataset multimodal con 651,045 registros de 3 museos. Reto para detección de errores y consultas semánticas en IA. ¡Ideal para investigadores!
MatSciBench: Evaluando la capacidad de razonamiento de los LLM en ciencia de materiales
MatSciBench evalúa LLM en ciencia de materiales: DeepSeek-R1 logra 75% en texto, GPT-5 53% en imágenes. Descubre sus limitaciones.
Segway Navimow i210 LiDAR: análisis, fácil instalación y corte impecable
El Segway Navimow i210 LiDAR combina facilidad de instalación con navegación precisa. Corta tu césped de forma silenciosa y eficiente, evitando obstáculos autom
Orchestra-o1: Orquestación de Agentes Omnimodales
Explora Orchestra-o1: el marco que mejora un 10.3% la precisión en tareas multimodal. Colaboración de agentes en texto, imagen, audio y video.
VeriGeo: Generación Controlable de Preguntas de Geometría con Verificación
Descubre cómo VeriGeo genera problemas de geometría verificados numérica y analíticamente, mejorando el razonamiento multimodal en educación asistida por IA.
Evolución de políticas de comunicación para agentes LLM proactivos
Descubre cómo la evolución de políticas de comunicación mejora el rendimiento de agentes LLM proactivos mediante interacción híbrida texto-UI y autoevolución.
Cómo la IA recomienda música según tu estado de ánimo
Descubre cómo la IA integra tus señales afectivas para recomendar música según tu estado de ánimo. Un nuevo sistema de ranking mejora la personalización musical.
Reglas IF-THEN: máxima cobertura y parsimonia en IA
Descubre CDPR, un nuevo método para crear conjuntos de reglas IF-THEN con alta precisión e interpretabilidad. Logra más del doble de cobertura que otros algoritmos. ¡Optimiza tus modelos de IA!
Aprendizaje de costos urbanos con flujos origen-destino
Descubre cómo inferir costos de acceso urbano a partir de flujos de estudiantes usando transporte óptimo inverso. Un caso real en Filipinas revela el impacto de subsidios educativos.
Reglas parsimoniosas, discriminativas y de alta cobertura
Descubre CDPR, un algoritmo que aprende conjuntos de reglas interpretables con alta cobertura y precisión, superando 2.5 veces a otros métodos en clasificación.
Aprendizaje de costos urbanos con transporte óptimo inverso
Descubre cómo el transporte óptimo inverso permite recuperar costos de acceso urbano a partir de flujos origen-destino, aplicado a subsidios escolares en Filipinas.
PostDeg: La ubicación supera a la parametrización en GNNs con LayerNorm
Un nuevo enfoque sin parámetros, PostDeg, mejora hasta un 5.6% la selección de nodos en GNNs al colocar un escalado post-LayerNorm. La ubicación, no la parametrización, es la clave.
Predicción de afinidad proteína-ligando con geometría guiada por curvatura
Mejora la predicción de afinidad proteína-ligando con RicciBind, que integra curvatura de Ricci y transporte óptimo para resultados más precisos.
Predicción de afinidad proteína-ligando con geometría guiada por curvatura
Descubre cómo RicciBind mejora la predicción de afinidad proteína-ligando usando curvatura y transporte óptimo. Mayor precisión e interpretabilidad en el descubrimiento de fármacos.
Co-alineación contextual para grafos atribuidos multimodales
Descubre CoMAG, un método que alinea contextos y modalidades en grafos atribuidos multimodales para mejorar predicciones y emparejamiento. ¡Resultados líderes!