Uso de IA en ingeniería: equilibrio con propósito claro
Los estudiantes de ingeniería valoran los LLMs para escritura y codificación, pero temen inexactitudes y dependencia. Conoce el equilibrio necesario para
#llms
P3B3: Benchmark para medir sesgo de variedad en portugués
Benchmark P3B3 mide el sesgo entre portugués europeo y brasileño en LLMs. Descubre cómo los modelos favorecen una variedad y la necesidad de equilibrio.
Decodificación revocable guiada por tokens ancla en LLMs de difusión
Descubre ASRD, un framework sin entrenamiento que mejora la precisión hasta un 6.4% y acelera la inferencia 7.2x en LLMs de difusión usando tokens ancla.
Desmitificando la Varianza en el Descubrimiento de Circuitos de LLMs
Descubre por qué los circuitos de LLMs varían y cómo el nuevo método CEAP reduce la varianza de remuestreo. Análisis de fidelidad y control de modelos.
Razonamiento matemático avanzado para LLMs con lógica de primer orden
DREAM mejora el razonamiento matemático de LLMs mediante lógica de primer orden, logrando hasta un 6.4% de mejora.
¿Cuándo necesitamos los LLMs? Un diagnóstico para bandidos basados en lenguaje
¿LLMs o bandidos ligeros? Descubre el diagnóstico geométrico que optimiza costes y precisión en sistemas de decisión.
Una definición unificada de alucinación: es el modelo del mundo, estúpido
Descubre la definición unificada de alucinación en IA: el modelo del mundo es la clave. Entiende por qué los LLM alucinan y cómo mitigarlo.
Combinando RAG con LLMs para recomendaciones de lectura
Descubre cómo combinar RAG con LLMs para generar recomendaciones de lectura personalizadas. Aumenta relevancia y solidez hasta un 35%.
PACUTE: Evaluación de tokens en filipino para LLMs
El benchmark PACUTE expone las limitaciones de los LLMs en la morfología filipina. Modelos abiertos al azar, fronterizos mejores pero lejos del nivel de
TQA-Bench: Evaluación de LLMs en preguntas sobre múltiples tablas
Descubre TQA-Bench, el nuevo benchmark para evaluar LLMs en preguntas complejas sobre múltiples tablas relacionales. Resultados clave.
¿XAI global revela comportamientos inyectados en LLMs? SHAP vs RuleSHAP
Descubre cómo los métodos XAI globales como SHAP y RuleSHAP revelan comportamientos inyectados en LLMs para combatir la desinformación. Comparativa y mejora
CLPO: Aprendizaje Curricular para Razonamiento de LLMs
CLPO combina aprendizaje curricular y optimización de políticas para mejorar el razonamiento de LLMs. Reestructura problemas y supera a GRPO y DAPO en 10
MA-ProofBench: Evaluación de LLMs en demostración de teoremas de análisis
Descubre MA-ProofBench, el primer benchmark para demostración de teoremas en análisis matemático. LLMs solo logran 16% en nivel básico y 5% en PhD.
Affordance20Q: Cómo la IA razona sobre propiedades físicas
Descubre Affordance20Q, el benchmark que pone a prueba el razonamiento de la IA sobre propiedades físicas sin revelar objetos. ¿Superarán los LLMs este desafío?
Affordance20Q: Razonamiento de affordance desde propiedades físicas
Affordance20Q: un benchmark que desafía a las LLMs a identificar objetos por sus propiedades físicas jugando a 20 preguntas. ¿Pueden razonar sin ver el nombre?
Abstracción de secuencias de acciones en flujos de trabajo interpretables
WorkflowView usa LLMs para convertir secuencias de acciones en flujos de trabajo interpretables. Logra alta precisión en reconstrucción de tareas y predicción de abandono con privacidad.
Clasificación de preguntas Bloom entre datasets: Modelos supervisados y LLMs
Descubre cómo los LLMs con prompting superan a modelos supervisados en clasificación Bloom. Conoce una interfaz ligera para docentes.
Clasificación transversal de preguntas según Bloom: modelos supervisados y LLMs con prompts
Descubre cómo los LLMs con prompts superan a los modelos supervisados en clasificación de preguntas educativas según Bloom. Un estudio con 5 datasets y una interfaz ligera para docentes.
¿Puede editar 1 neurona arreglar bucles de repetición en LLMs?
Editar una sola neurona elimina bucles de repetición en LLMs como Gemma 4, pero no soluciona la falta de conocimiento. Resultados clave.
Marco estadístico de dos etapas para evaluar interferencia asociativa en LLMs
Nuevo marco de dos etapas adapta el IAT a LLMs para separar cumplimiento de consistencia. Revela que la interferencia asociativa varía entre modelos.