Seq103: Marco unificado de neuroevolución para secuencias compactas
Descubre cómo Seq103 logra arquitecturas de secuencias compactas con neuroevolución, reduciendo parámetros hasta 160,000x sin perder precisión.
#lg
EvoCSFL: Selección Evolutiva de Clientes con Modelo Suplente para Aprendizaje Federado
Descubre cómo EvoCSFL optimiza la selección de clientes en Federated Learning con modelos suplentes y algoritmos evolutivos para mayor convergencia, menor
FunctionEvolve: regresión simbólica guiada por estructura con LLMs
Descubre FunctionEvolve, el nuevo marco evolutivo que combina LLMs y árboles de expresión para recuperar el 82.9% de leyes científicas exactas. ¡Más de 4.5x
De 'Puede' a 'Es': Distorsión de Certeza en Modelos de Lenguaje
Los modelos de lenguaje aumentan la certeza al reescribir textos, distorsionando la información en un 75%. Conoce el sesgo que afecta dominios de alto riesgo.
Mejorando la interpretabilidad y seguridad de la IA con arquitecturas localizadas
Las arquitecturas localizadas mejoran la interpretabilidad y seguridad de la IA. Descubre sus ventajas frente a los modelos masivos.
Reparación antes que veto: aprendizaje cuántico de restricciones
El nuevo marco Q-RACL emplea características cuánticas para reparar candidatos inviables, reduciendo los falsos vetos a menos del 1.1%.
Optimización de carteras con cambios de régimen y colas pesadas
El algoritmo BAVAR-BLED optimiza carteras con colas pesadas y cambios de régimen, logrando Sharpe 1.72 y retorno 57%.
SEF-CLGC en SemEval-2026: Impacto de la Notación Lógica en Modelos de Lenguaje
Descubre cómo SEF-CLGC combina notación lógica y SLMs para evaluar razonamiento en IA, reduciendo sesgo y logrando 27.80% de contenido.
Inferencia de atributos desde anuncios dirigidos interactivos
Los anuncios dirigidos interactivos pueden revelar atributos de usuarios. Estudio analiza ataques de inferencia y defensas.
Modelos de Lenguaje como Optimizadores: Directo vs. con Herramientas
Descubre cómo los LLM optimizan problemas complejos: enfoques directos, con herramientas o creando algoritmos. Conoce las fronteras de rendimiento y el futuro.
RecourseBench: marco modular y reproducible para recursos algorítmicos
RecourseBench: marco modular y reproducible para evaluar recursos algorítmicos. Integra 28 métodos con tests automáticos. ¡Prueba su interfaz web!
Pluralismo en IA: los mundos que pasa por alto
El pluralismo en IA ignora mundos al imponer ontologías. Conoce el aplanamiento ontológico y el marco PLG.
Explotación de la búsqueda en planificación numérica simbólica con patrones
Descubre un nuevo procedimiento de planificación numérica simbólica que usa patrones y búsqueda dinámica para resolver problemas complejos.
Explotando la búsqueda en planificación numérica simbólica con patrones
Descubre cómo mejorar la eficiencia en planificación numérica con patrones simbólicos. Un nuevo enfoque basado en búsqueda inteligente y estados intermedios.
Inyección de guía por fase para MAPPO en recuperación de líneas de ensamblaje
Descubre cómo la inyección de guía por fase optimiza la recuperación de interrupciones en líneas de ensamblaje usando MAPPO recurrente.
Guía por fases para MAPPO recurrente en recuperación de líneas de montaje
Descubre cómo la inyección de guía por fases mejora la recuperación de interrupciones en líneas de montaje usando MAPPO recurrente. Reduce tiempos anormales y
¿Qué hotel recomienda la IA? Auditoría de algoritmos de LLM
La calificación y el precio dominan las recomendaciones de IA para hoteles, pero la eco-certificación se sobrevalora y la posición en lista cuesta $12/noche.
¿Qué hotel recomienda la IA? Auditoría de señales en selección hotelera
Auditoría algorítmica revela cómo los LLM recomiendan hoteles: precio y calificación mandan, pero el orden de lista influye como si costara 12€/noche.
Tensor-Coord: Descomposición de tensores para planificación multiagente con LLM
Descubre Tensor-Coord, un marco basado en tensores que elimina colisiones y bloqueos en planificación multiagente con LLM. Resultados: 100% éxito en 2 agentes.
Tensor-Coord: Descomposición Algebraica para Planificación Multiagente Sin Conflictos
Descubre Tensor-Coord, un marco de álgebra multilineal que elimina colisiones y bloqueos en planes multiagente con LLMs. Resultados: 100% de éxito en 2 agentes.