Precio sombra del razonamiento: asignación óptima de presupuesto para LLMs
Descubre CLEAR optimiza la asignación de presupuesto en inferencia de LLMs, logrando hasta 3x más precisión que asignación uniforme con recursos limitados.
#modelo
Descomponiendo cómo el prompting guía el comportamiento
Descubre cómo las instrucciones transforman las representaciones internas de la IA. Un estudio revela la geometría detrás del comportamiento inducido.
De noticias extensas a pronósticos exactos: Fusión importancia y reflexión PRM
Descubre cómo fusionar noticias largas con predicciones de series temporales usando modelos de recompensa para mayor precisión.
Piensa Antes de Hablar: De la Evaluación a la Expresión Pública
Descubre cómo el marco TBS separa el razonamiento privado de la expresión pública en simulaciones multiagente, analizando la dinámica del silencio.
ClinicalMC: Benchmark para la toma de decisiones clínicas multicurso con LLMs
Explora ClinicalMC, el benchmark que evalúa LLMs en la toma de decisiones clínicas multicurso. Conoce los resultados y su impacto en la salud.
Percepción antes de razonar: marco PRPF para agentes móviles
El marco PRPF optimiza la intervención de agentes móviles proactivos al percibir antes de razonar, reduciendo falsos positivos y mejorando la eficiencia. Descubre cómo.
Destilación de reglas ASP desde LLMs para VQA neurosimbolico
Aprende a destilar reglas de programación lógica desde LLMs para VQA interpretable, con solo pocos ejemplos. Alternativa eficiente al aprendizaje de reglas tradicional.
Resultado negativo: transferencia de activación entre modelos Pythia
¿Puede un modelo transmitir activaciones a otro? En nuestro experimento con Pythia, la alineación no basta para comunicación causal. Resultado negativo.
InfoMem: Agentes de Memoria con Ganancia de Información Condicionada a Respuestas
Descubre InfoMem, un mecanismo de recompensa que evalúa la utilidad de la memoria final para mejorar el rendimiento de los LLM en tareas de largo contexto.
StepFinder: marco semántico temporal para atribución de fallos en multi-agentes
Descubre cómo StepFinder identifica la causa raíz de fallos en sistemas multi-agente con un marco semántico temporal, reduciendo tiempos de inferencia un 79%.
Definición formal y meta-modelo para una teoría de la mente en máquinas
Conoce la primera definición formal y meta-modelo para la Teoría de la Mente en IA, basada en psicología y neurociencia.
ThoughtFold: Plegado de Cadenas de Razonamiento con Aprendizaje Introspectivo
Descubre ThoughtFold, un framework que elimina exploraciones redundantes en modelos de razonamiento, reduciendo tokens hasta un 56% sin perder precisión.
Del prompt al servicio: gateway de orquestación SLM para mundos virtuales
Aprende cómo un gateway de orquestación SLM enruta peticiones en mundos virtuales a servicios de IA distribuidos, sin modificar el cliente.
Restricciones auxiliares para el seguimiento de instrucciones en LRMs
Reduce violaciones de restricciones en un 39% con CRGC. Mejora el seguimiento de instrucciones en modelos de razonamiento.
Sesgo de género en triaje médico con LLM: mismos síntomas, urgencia desigual
Estudio revela que los LLM como GPT y Gemini subestiman la urgencia de mujeres jóvenes con síntomas neurológicos, replicando sesgos humanos.
Benchmark para diagnosticar brechas de conocimiento en LLMs con APIs
¿Cómo detectan los LLMs sus carencias al usar APIs? NovelAPIBench ofrece un diagnóstico detallado en 6 categorías. Aprende qué funciona mejor.
Más que respuestas: Evaluación verificable del razonamiento químico paso a paso
Evalúa el razonamiento químico de los LLMs con ChemCoTBench-V2, un benchmark verificable paso a paso que detecta fallos en la lógica ocultos tras respuestas correctas.
Code-on-Graph: Razonamiento Programático con LLMs
Descubre Code-on-Graph, framework que combina LLMs y grafos de conocimiento para razonamiento programático flexible. Supera limitaciones de precisión y escalabilidad.
Persistencia de subobjetivos en razonamiento latente jerárquico
Descubre cómo la persistencia moderada de subobjetivos (periodos de 3 a 6 pasos) mejora el razonamiento latente jerárquico.
Calificación automática de C++ con BART y rúbricas
Descubre cómo mejora la calificación automática de tareas C++ con BART y rúbricas: menor error y distribuciones de notas más realistas.