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.
#lms
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.
MeEvo: Evolución metacognitiva y natural para diseño de heurísticas
Descubre MeEvo, un innovador framework que combina evolución natural y metacognitiva para diseñar heurísticas automáticas con LLMs, mejorando eficiencia y estabilidad en problemas complejos.
Confía pero verifica: mitigando alucinaciones médicas con auditoría adversarial
Descubre cómo un sistema de cinco agentes reduce en un 53% las alucinaciones médicas de los LLMs al verificar fármacos prohibidos. Mejora la seguridad clínica.
LLMs pequeños: poda vs entrenamiento desde cero
¿Poda o entrenar desde cero para LLMs pequeños? Este estudio compara ambos métodos bajo distintos presupuestos de tokens y revela cuándo conviene cada uno.
Interacción de representaciones lingüísticas en LLMs multilingües
Descubre cómo los modelos de lenguaje multilingües representan las lenguas: separabilidad, jerarquías y efectos no deseados entre idiomas. Implicaciones para IA confiable.
Be My Tutor: destilación conjunta para mejora mutua de LLMs
Descubre cómo dos LLMs mejoran mutuamente mediante destilación conjunta y retroalimentación entre pares, logrando una mejora Pareto en múltiples dominios.
NeST: Ajuste Selectivo de Neuronas para Seguridad en LLMs
Descubre NeST, un método de alineación de seguridad para LLMs que reduce ataques de jailbreak del 44.5% al 1.1% con solo 0.4M parámetros.
Sentinel: Compresión eficiente de contexto en LLMs
Descubre Sentinel, un método ligero de compresión de contexto para LLMs que usa patrones de atención. Logra hasta 5x de compresión en QA sin perder rendimiento.
Ajuste Fino de Alta Precisión en LLMs Cuantizados a Bajo Costo
Descubre cómo QES permite ajustar finamente modelos cuantizados con alta precisión y bajo costo, superando métodos tradicionales de optimización.
¿Olvidaste lo que te pedí? Fallos de memoria prospectiva en LLMs
¿Sabías que los LLMs olvidan instrucciones? Descubre cómo un formato saliente recupera el cumplimiento. 8000+ prompts.
X-OPD: Destilación multimodal para alinear modelos de habla con texto
Descubre cómo X-OPD cierra la brecha entre modelos de habla y texto mediante destilación multimodal, mejorando la precisión sin perder capacidades.
Por qué un LMS en un bot de Telegram funciona mejor que apps dedicadas
Descubre por qué un LMS en un bot de Telegram supera a las apps tradicionales: mayor retención, menos fricción y desarrollo en semanas.
Moderación de contenido con IA y LLMs: detección a escala
Descubre cómo los LLMs permiten una moderación de contenido precisa y escalable. Aprende estrategias prácticas para detectar contenido dañino con IA.