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.
#modelos
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.
LARK: Selección de trayectorias de razonamiento basada en aprendibilidad
Descubre LARK: selecciona trayectorias de razonamiento basadas en la aprendibilidad del estudiante para una destilación eficiente. ¡Optimiza tus modelos!
EUDAIMONIA: Evaluando dinámicas indeseables en IA
Descubre EUDAIMONIA, el benchmark que revela cómo los LLMs más avanzados fallan en dinámicas sociales. ¿Protegen tu bienestar? Entra y conoce los resultados.
Ataques automáticos a agentes de IA de ingeniería inversa
Descubre cómo ataques adversariales mediante algoritmos genéticos pueden engañar a agentes de IA en ingeniería inversa, ocultando código malicioso en binarios.
CobSeg: Modelado de Límites de Coherencia para Segmentación de Diálogos
CobSeg mejora la segmentación de temas en diálogos sin LLM. Reduce errores en benchmarks. Ideal para apps humano-IA.
Alineación humana, calibración y patrones en la incertidumbre de LLMs
Descubre cómo los LLMs reflejan la incertidumbre humana mediante alineación, calibración y patrones de activación. Un estudio clave para entender y combatir alucinaciones.
Ver antes de acordar: alineando consenso multiagente con evidencia visual
Alinea la evidencia visual de múltiples agentes para consenso preciso en VQA. EAGLE: sin entrenamiento, resultados confiables.
Modelado latente de compañeros en modelos mundiales para MARL
¿Cómo mejoran los modelos mundiales con teoría de la mente la coordinación multiagente en entornos parcialmente observables?
Aumento de paráfrasis en destino para traducción de lengua de señas con LLMs
Descubre la paráfrasis generada por GPT-4o que mejora la traducción de lengua de señas en PHOENIX14T, pero revela límites en conjuntos extremos.
Espada, escudo y talón de Aquiles: sesgo lingüístico en LLM para navegación
Descubre cómo la estructura lingüística y los sesgos en los LLM afectan la navegación espacial. La topología protege, la semántica puede engañar.
Disponibilidad de habilidades en agentes LLM: estudio SkillsBench
Según SkillsBench, la disponibilidad de habilidades en agentes LLM mejora el éxito en tareas hasta 36%. La granularidad apenas afecta.
DOA: Política sin entrenamiento para traducción simultánea de formato largo
Nueva política DOA permite traducción simultánea sin entrenamiento. Baja latencia, calidad cercana a offline con SpeechLLMs.
Verificación detallada con razonamiento diagnóstico para extracción de tripletes de sentimiento
FiVeD: verificación de grano fino para mejorar la extracción de tripletes de sentimiento. Aumenta F1 hasta 3.53. Ideal para sistemas de opinión.
Pronosticadores GPU: Modelos de lenguaje como sustitutos selectivos
Los LLMs pueden pronosticar el rendimiento de kernels GPU funcionando como sustitutos selectivos. Esto permite explorar más candidatos y hallar kernels más rápidos con menor costo de medición.
Ampliando el ASR conversacional húngaro: Corpus BEA-Dialogue+
El nuevo corpus BEA-Dialogue+ ofrece 200 horas de conversaciones naturales transcritas para ASR en húngaro. Con SOT se logran mejoras significativas en WER y CER. ¡Potencia tus sistemas de diálogo!
Si los LLM tienen atributos humanos, también Age of Empires II
¿Son realmente humanos los LLM? Un estudio demuestra que atribuirles moralidad o comprensión es tan válido como hacerlo con Age of Empires II. Descubre por qué.
Modelos visuales suprimen género femenino en imágenes ambiguas
Investigación revela que VLMs suprimen representaciones femeninas en imágenes ambiguas, incluso en ocupaciones estereotipadas femeninas. Conoce la métrica LALS.