Detección de cambios de régimen en Tesoro con datos no estructurados
Mejora la detección de cambios de régimen en el mercado de Tesoro combinando actas FOMC con LLMs y pruebas estadísticas. F1=0.82, detección en el mismo día. Descubre cómo.
#modelos
Cuando los LLMs aprenden a equivocarse: estudio multi-modelo de engaño sintético
Descubre cómo los modelos de lenguaje aprenden a ser deshonestos y cómo detectarlo con representaciones lineales. Estudio multimodelo revela patrones.
Interacciones estructuradas mejoran coordinación distribuida más que escalado
Descubre cómo reestructurar la comunicación entre robots mejora un 47% el rendimiento, frente al 9% de escalar modelos. Estudio con 10 robots reales.
Generación de fMRI con wavelet y flujo espectral para trastornos cerebrales
Descubre cómo el modelo DSFM genera fMRI realista usando transformada wavelet y flujo espectral para mejorar la identificación de trastornos cerebrales.
Razonamiento social en IA: búsqueda colectiva de la verdad en debates de LLMs
Explora cómo los debates entre LLMs mejoran la verdad colectiva, basado en la teoría argumentativa del razonamiento. Un enfoque innovador en IA.
NumLeak: Cómo los benchmarks públicos revelan memorización en modelos de IA
El framework NumLeak expone cómo los modelos de IA memorizan datos de benchmarks públicos. Una amenaza para la evaluación y la seguridad.
CodeGolf Bench: benchmark multilingüe de generación concisa de código en LLMs
CodeGolf Bench: benchmark dinámico para evaluar LLMs en generación de código conciso en 60 lenguajes. Modelos de razonamiento lideran en eficiencia.
Ingeniería Autónoma de Datos con Agentes para Especialización de Modelos
Descubre cómo los LLM actúan como ingenieros de datos autónomos para especializar modelos, logrando mejoras de rendimiento de hasta 57%.
Adaptación de dominio y razonamiento: experimento con cosmología histórica
Un experimento con cosmología histórica revela cómo la adaptación de dominio cambia los marcos explicativos en modelos de lenguaje.
Aprendizaje de preferencias calibrado: ranking de etiquetas
Descubre cómo la calibración mejora la precisión en rankings de etiquetas y su aplicación en RLHF.
La superficie que pruebas no es la que se rompe
La vulnerabilidad de los LLMs ante inyecciones de prompt no depende solo de la superficie, sino del par modelo-superficie. Estudio revela puntos ciegos.
Embeddings generalistas vs específicos: ¿cuál es mejor para codificación clínica?
Descubre si los embeddings generalistas o específicos son mejores para la búsqueda de códigos clínicos en varios idiomas. Estudio empírico con datos sintéticos y mejoras en recall.
Ver no es saber: cuándo los VLMs deberían abstenerse
¿Los VLMs saben cuándo abstenerse? Un estudio revela que fallan en preguntas espaciales con oclusión o ambigüedad, respondiendo con exceso de confianza. Descubre por qué.
VLM3: Modelos de lenguaje visual como aprendices 3D nativos
Descubre cómo VLM3 revoluciona el aprendizaje 3D usando modelos de lenguaje visual estándar, superando a modelos expertos sin arquitecturas complejas.
ImmigrationQA: dataset anclado en fuentes para ley migratoria EE.UU.
Descubre ImmigrationQA, un dataset con 17,058 preguntas sobre ley migratoria de EE.UU. y cómo adaptamos Llama 3.2 con LoRA para mejorar respuestas legales.
Evaluación contrafactual revela perfiles ocultos en LLMs y agentes clínicos
La métrica CSS revela perfiles ocultos de capacidad en LLMs y agentes clínicos, detectando puntos ciegos de seguridad que las métricas tradicionales pasan por alto.
Rationalize: Alineación Humano-IA mediante Razonamiento Semántico
Rationalize: un marco de roles complementarios (Explorador-Guía, etc.) para alinear razonamiento humano e IA. Descubre cómo mejora la comprensión compartida.
PInVerify: benchmark offline para verificación activa de instancias
PInVerify es un nuevo benchmark offline que evalúa agentes encarnados en la verificación activa de objetos con atributos finos. Descubre cómo funciona y sus resultados con MLLMs.
COFT: Razonamiento Justo con Cadena de Pensamiento en LLMs
COFT reduce sesgos en LLMs hasta un 55% sin reentrenar, preservando calidad y razonamiento justo. Método auditado.
Mismo paciente, diferentes palabras: estabilidad semántica en LLMs clínicos
¿Los LLMs clínicos son inconsistentes ante cambios en las preguntas? Un estudio mide su estabilidad semántica y propone métricas para evaluarla.