MLLM-Microscope: Desvelando la Estructura Interna de los MLLMs
Descubre cómo MLLM-Microscope analiza las representaciones internas de los MLLMs, revelando linealidad, dimensión y anisotropía para mejorar el diseño futuro.
#multimodal
TrafficRAG: Marco RAG multimodal para determinar responsabilidad en accidentes
Descubre TrafficRAG, un marco de RAG multimodal que combina visión y lenguaje para analizar accidentes de tráfico con un 77% de precisión legal y 81% de fidelidad factual.
Unificando raster y vector: aprendizaje de representación espacial
Unificamos datos raster y vectoriales para crear modelos geoespaciales más precisos e interpretables. Descubre el futuro de la IA geoespacial.
HLL: ¿Pueden los agentes superar la última barrera de verificación humana?
¿Son los agentes multimodales capaces de pasar la última línea de verificación? El nuevo benchmark HLL expone sus limitaciones frente a CAPTCHAs interactivos.
DraDDP: Dataset multimodal para análisis de discurso en diálogos multipartes
Descubre DraDDP, el primer dataset multimodal público para analizar discurso en diálogos multipartes. Basado en series de TV, impulsa la IA conversacional.
MiniMax M3: arquitectura MSA, contexto 1M y multimodalidad nativa
MiniMax lanza M3 con arquitectura MSA, contexto de 1M de tokens y multimodalidad nativa. Supera a GPT-5.5 en SWE-Bench Pro. API ya disponible.
FAM-Bench: benchmark multimodal para alimentación como medicina
Descubre FAM-Bench, el benchmark multimodal que evalúa si la IA recomienda platos según condiciones de salud. 2500 casos verificados por expertos.
Agnes AI: primer laboratorio de IA de Singapur en ranking global
Agnes AI, primer laboratorio de Singapur en el top 10 global de IA. Acceso gratuito a modelos de texto, imagen y video.
Monte Carlo secuencial reforzado para muestreo amortizado
Descubre cómo el Monte Carlo secuencial reforzado mejora el muestreo amortizado de distribuciones complejas. Entrenamiento off-policy y temperado adaptativo para mayor precisión.
TRINE: Motor FPGA adaptativo en tiempo real para IA multimodal
Descubre TRINE: motor FPGA adaptativo que acelera inferencia multimodal. Reduce latencia hasta 22.57x con solo 20-21W. Ideal para visión, lenguaje y grafos.
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.
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.
ConSensus: colaboración multiagente para sensores multimodales
ConSensus mejora la precisión de sensores multimodales un 7.1% usando fusión híbrida multiagente, robusta ante ruido y datos faltantes. ¡Entérate!
PRISM: Selección Intrínseca de Datos Multimodales sin Entrenamiento
Descubre PRISM, un método que selecciona datos de instrucción visual sin entrenamiento, reduciendo costes y mejorando el rendimiento de modelos multimodales.
UniRTL: Unificando Código y Grafo para Representaciones RTL Robustas
Descubre cómo UniRTL integra código y grafos CDFG para crear representaciones robustas de RTL, acelerando el diseño de hardware con IA multimodal.
Selección de región de confianza basada en BAI para optimización bayesiana
Descubre cómo la identificación del mejor brazo (BAI) mejora la optimización bayesiana en funciones multimodales, acelerando la convergencia al óptimo global.
Puentes de Schrödinger basados en geometría para fusión multimodal fiable
Descubre cómo GMF usa corrección de transporte geométrica para evaluar fiabilidad en fusión multimodal, rompiendo la dependencia de confianza del modelo.
¿Cuándo las predicciones multimodales son biológicamente válidas?
Descubre cómo DECAT evalúa si las predicciones multimodales en oncología están respaldadas por biología real o por confusores. Un marco post-hoc que revela sesgos ocultos.
Dando voz a los sensores: JEPA multimodal para series temporales
Descubre CHARM, el modelo JEPA multimodal para embeddings semánticos en series temporales. Ideal para anomalías y predicción.
Detección en cualquier escena: marco agéntico con razonamiento experiencial
Descubre DetAS-X, el marco agéntico que adapta la detección de objetos a cualquier escena, mejorando el F1 hasta un 37%.