M³Eval: Evaluación de Memoria Multimodal con Tareas de Video Cognitivas
M³Eval: primer benchmark que evalúa la memoria en modelos multimodales con tareas de video cognitivas. Descubre sus debilidades.
#multimodal
UniCAD: un benchmark unificado y modelo universal para CAD multimodal
Conoce UniCAD, el benchmark que unifica tareas CAD multimodales, y su modelo UniCAD-MLLM con rendimiento superior en todas ellas.
BabyCL: aprendizaje visual y verbal continuo desde entrada egocéntrica
Descubre BabyCL, un marco que procesa vídeos egocéntricos de niños para aprender palabras, reduciendo la brecha con offline. ¡Lee más!
Gemma 4 12B: Modelo multimodal sin codificadores que funciona en 16 GB
Descubre Gemma 4 12B, el modelo de IA de Google DeepMind que procesa texto, imagen, audio y video sin codificadores externos. Funciona en laptops con 16 GB.
Gemma 4 12B de Google: IA multimodal que se ejecuta local en portátiles 16GB
Gemma 4 12B de Google: modelo open source multimodal que corre local en laptops 16GB. Analiza audio, video y texto con 256K de contexto. Ideal para privacidad y edge.
Guía de Gemma 4 12B para desarrolladores
Descubre cómo Gemma 4 12B revoluciona la IA local en dispositivos de consumo. Guía completa con arquitectura innovadora sin codificadores para desarrolladores.
ChatHealthAI: Alineando EHR y LLMs para razonamiento clínico
ChatHealthAI integra registros médicos electrónicos con modelos de lenguaje para lograr razonamiento clínico interpretable y preciso. Descubre cómo.
CORE: Razonamiento Orientado a Conflictos para Detección Multimodal
Descubre cómo el marco CORE detecta manipulación multimodal y noticias falsas mediante razonamiento de conflictos. ¡Aprende más!
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.
CP-Agent: Razonamiento multimodal contextual para fenotipado celular
CP-Agent: IA multimodal que interpreta morfología celular bajo fármacos, acelerando descubrimiento con reportes contextuales.
Entropía no es suficiente: aprendizaje por refuerzo visual con tokens anclados
La entropía falla en RL visual: VEPO selecciona tokens visual-informativos y supera en hasta 3.15 puntos. Descubre cómo.
Tokens de Percepción Imaginativa Mejoran Razonamiento Espacial
Los Tokens de Percepción Imaginativa (IPT) mejoran el razonamiento espacial en modelos multimodales sin generar imágenes. Aumento del 3.4% en precisión en conteo multivista.
Mejorando predicción de PPIs con embeddings multimodales jerárquicos de motivos
Aprende sobre MMM-PPI, un innovador modelo que integra secuencia, estructura y función para predecir interacciones proteína-proteína con precisión superior.
Social Caption: Evaluación de la comprensión social en modelos multimodales
Descubre Social Caption: evaluando la comprensión social de modelos multimodales. Tres dimensiones clave: inferencia, análisis holístico y dirigido.
Estimación del tiempo de dispersión de FRBs con Transformer multimodal
Nuevo modelo deep learning estima tiempo de dispersión de FRBs con 94% precisión, acelerando análisis astrofísico.
CR-Seg: Segmentación razonada de grueso a fino con atención y CoT
CR-Seg: segmentación razonada que combina atención y cadena de pensamiento para objetos complejos.
TurtleAI: Evaluación de modelos multimodales en Turtle Graphics
Descubre TurtleAI, el benchmark que evalúa modelos multimodales en programación visual con Turtle Graphics. Muestra fallos y cómo el ajuste fino mejora un 20%.
MemVerse: Memoria Multimodal para Agentes de Aprendizaje Continuo
Descubre MemVerse, el marco de memoria multimodal que permite a los agentes de IA recordar, adaptarse y razonar sin olvido catastrófico. ¡Mejora el aprendizaje continuo!
MIND: Marco de razonamiento discriminativo integrado para modelos multimodales
MIND: nuevo marco de razonamiento activo para modelos multimodales. Emula el proceso humano entender-repensar-corregir. Logra SOTA.
El primer día del agente: Evaluando aprendizaje, exploración y planificación
Descubre EvoEnv, el nuevo benchmark que evalúa a los agentes IA en entornos laborales dinámicos: planificación, exploración y aprendizaje continuo.