FLIPS: Huellas de instancias para LLMs mediante secuencias pseudoaleatorias
Descubre FLIPS, un método que identifica configuraciones de LLMs con un 96% de precisión, clave para la regulación de IA.
#lms
Evaluando la efectividad de los LLMs en reparación de dispositivos
Evaluamos 6 LLMs en reparación de dispositivos reales. ¿Son fiables? Descubre sus aciertos, errores y riesgos de seguridad. Resultados en inglés y bengalí.
FlexRank: Descomposición Anidada de Bajo Rango para Despliegue Adaptativo
FlexRank extrae submodelos de capacidad variable de modelos sin reentrenar. Optimiza costos y rendimiento para despliegue adaptativo a todo presupuesto.
ParisKV: Recuperación de caché KV rápida y robusta ante deriva para LLMs largos
ParisKV: recuperación de caché KV para LLMs largos, hasta 44x más rápido y robusto ante deriva. Optimiza tu inferencia.
Más allá de la memoria en tiempo de test: control óptimo para LLM
Descubre cómo la nueva capa TTC integra control óptimo en LLMs, mejorando el razonamiento matemático hasta un 27.8% en benchmarks como MATH-500. Una innovación
Modelos de Lenguaje Esotéricos: LLMs de Difusión de Cualquier Orden
Eso-LMs: modelos de lenguaje que combinan AR y MDM con atención causal y caché KV, permitiendo generación paralela e inferencia eficiente. Nuevo estado del arte.
ReasonBENCH: La inestabilidad del razonamiento en LLMs
ReasonBENCH revela: la inestabilidad en el razonamiento de LLMs no es ruido, es estructura. Un solo test puede engañar. ¡Evalúa con distribuciones!
La estructura permite la autolocalización efectiva de errores en LLMs
La estructura permite a los LLMs localizar errores y autocorregirse. Thought-ICS logra un 20-40% de mejora.
FeynmanBench: El reto de los LLMs multimodales con diagramas de Feynman
FeynmanBench: 2000+ diagramas evalúan 19 LLMs. 70-95% en reconocimiento local, pero 13-17% en topología. Descubre las limitaciones.
KnowledgeBerg: cobertura sistemática y razonamiento composicional en LLMs
KnowledgeBerg: benchmark que evalúa cobertura sistemática y razonamiento composicional en LLMs. Resultados clave sobre sus limitaciones.
Entre la espada y la pared: tensión entre ética y seguridad en LLMs
Los dilemas éticos pueden ser un arma contra los LLMs. Descubre el ataque TRIAL y la defensa ERR que los protege.
T-POP: Personalización en tiempo real con preferencias en línea
Descubre T-POP, personalización rápida de LLMs sin reentrenamiento usando preferencias en línea y bandidos duelistas.
Repensando la evaluación de RL: ¿Los benchmarks revelan sus fallas?
Los benchmarks actuales no revelan las fallas de los métodos de RL en LLMs. Descubre el OPG y principios para evaluar la generalización.
Ataques adversariales entre generaciones de LLMs: seguridad no monotónica
Descubre cómo los ataques adversariales entre generaciones de LLMs Gemma revelan que la seguridad no mejora de forma constante. Gemma 3 es más vulnerable que Gemma 2 y 4.
Hacia una fiabilidad ligera: uso de soft prompts para mitigar alucinaciones en LLMs
Mitiga alucinaciones en LLMs con soft prompts: un método ligero que mejora la precisión y fomenta la abstención responsable. Ideal para aplicaciones críticas.
Localización auto-mejorada de objetos pequeños en LVLMs
Descubre la auto-mejora en localización de objetos pequeños con LVLMs usando atención: hasta 19% de mejora sin ajuste fino.
Anclaje de Contexto Resonante: Desacoplando Atención y Señal en Inferencia
Descubre cómo el Anclaje de Contexto Resonante (RCA) reduce alucinaciones en LLMs sin sacrificar fluidez, una técnica ligera de inferencia.
VERA: Marco de inferencia variacional para jailbreaking de LLMs
Descubre VERA, un framework de inferencia variacional que genera prompts adversariales para identificar vulnerabilidades en LLMs sin reoptimización.
LLMSynthor: Síntesis de Microregistros Alineados con Macrodatos
Descubre LLMSynthor: genera datos sintéticos realistas alineados con estadísticas reales usando LLMs. Ideal para ciencias sociales y urbanismo.
Unlearning no es invisible: huellas en LLMs
Descubre cómo el unlearning deja huellas detectables en los LLMs a través de sus salidas. Un nuevo riesgo para la privacidad y la ciberseguridad.