Portafolios de Recuperadores: Enfoque Principiado para RAG Adaptativo
Descubre cómo los portafolios de recuperadores optimizan RAG: selección automática de múltiples recuperadores para mejorar precisión y reducir latencia en QA.
#llm
Aprendizaje por Refuerzo Distribucional Multivariante mediante Divergencias Cortadas
Descubre SDRL, un nuevo método de aprendizaje por refuerzo distribucional que usa divergencias cortadas para manejar distribuciones multivariantes. Mejora en juegos Atari y entornos complejos.
CacheProbe: Auditoría de aislamiento de caché de prompts en APIs Gateway
¿Está realmente aislada la caché de prompts en APIs Gateway? CacheProbe audita OpenRouter y revela riesgos de seguridad por caché compartido.
SCOUT: Razonamiento Pre-hoc para Defensa Adaptativa contra Inyección de Prompts
Descubre SCOUT: defensa dinámica contra inyecciones de prompts, reduce ataques 46% y mejora eficiencia.
HetCCL: Comunicación Colectiva para Clusters Heterogéneos Multivendedor
Descubre cómo HetCCL acelera el entrenamiento de LLMs en clústers heterogéneos con 17-19x más ancho de banda que Gloo. Optimiza tu infraestructura.
Mecanismos duales de expresión de valores: intrínsecos vs. inducidos en LLMs
Exploramos cómo los LLMs expresan valores mediante mecanismos intrínsecos e inducidos, y su rol en la alineación y seguridad.
Los LLMs dependen de sesgos previos, no de semántica de programación
Descubre por qué los LLMs fallan al ejecutar programas con semántica alterada: un estudio revela que dependen de sesgos estadísticos y no de reglas formales.
OBCache: poda óptima de caché KV para LLMs de contexto largo
Descubre OBCache, la técnica de poda de caché KV que optimiza la memoria en LLMs para inferencia en contextos largos sin sacrificar precisión.
FEM-Bench: benchmark científico para LLMs de código
Descubre FEM-Bench, el benchmark que evalúa la capacidad de los LLMs para generar código de elementos finitos. Gemini 3 Pro y GPT-5 destacan en los tests.
PASTA: Marco escalable para evaluación de cumplimiento de IA multipolítica
Descubre PASTA, framework escalable para evaluar cumplimiento de múltiples políticas de IA en minutos y bajo costo. Resultados claros con mapas de calor.
NeUQI: Inicialización Casi Óptima para Cuantización Uniforme en LLMs
Descubre NeUQI, un método de inicialización casi óptima para cuantización uniforme en LLMs. Mejora el rendimiento y reduce el consumo de memoria. ¡Lee más!
Los equipos multi-agente frenan a los expertos
Descubre por qué los equipos multi-agente de inteligencia artificial no aprovechan a sus expertos y cómo el consenso reduce su rendimiento hasta un 41%.
Sesgos en el punto ciego: detectando lo que los LLMs omiten
Detecta sesgos no verbalizados en LLMs con un pipeline automático. Identifica discriminaciones ocultas en decisiones de IA. Mejora la transparencia.
SCOPE: Evaluación por Pares con Conformal Selectivo
Descubre cómo SCOPE y la Entropía de Preferencia Bidireccional mejoran la evaluación de LLMs, reduciendo errores y aumentando cobertura hasta 2.4 veces.
NGDBench: gestión neuronal de datos en grafos
NGDBench unifica datos estructurados y no estructurados en grafos para evaluar la gestión neural de datos. Ideal para entender cómo manejan el ruido las consultas con IA.
Inyección de Prompts como Confusión de Roles
La confusión de roles en LLMs provoca inyección de prompts, permitiendo ataques como CoT Forgery con 60% de éxito.
REAL: Aprendizaje por Refuerzo Consciente de Regresión para Juez LLM
REAL: nuevo método de RL con regresión que mejora la evaluación de LLMs. Aumenta correlación hasta +18. Ideal para desarrolladores de IA.
SimulCost: benchmark de costos para simulaciones físicas con LLMs
SimulCost: el primer benchmark que evalúa LLMs en simulaciones físicas con costos reales. Descubre por qué no siempre son rentables.
Indistinguibilidad conductual acotada para destilación de LLM
¿Es suficiente la similitud semántica para destilar LLMs? Evaluamos indistinguibilidad conductual con adversarios y consultas acotadas. Resultados clave con Qwen y Llama.
Medición, localización y ablación de firmas de alineación en LLMs
Descubre cómo medir y eliminar la firma de alineación en modelos de lenguaje con PASTA, reduciendo la detección de estilo IA manteniendo coherencia.