Momentum para razonamiento: Señales intrínsecas densas en optimización
Descubre cómo ISPO mejora el razonamiento en LLMs con señales intrínsecas, superando fallos de GRPO como colapso y certeza alucinada.
#nsa
¿Puede el entorno hablar? T²-GRPO en cuidado de demencia
Descubre cómo T²-GRPO optimiza agentes cuidadores con recompensas del entorno, mejorando la atención en demencia con seguridad y eficiencia.
Diversidad en esquemas de pensamiento mejora el razonamiento en LLMs
Descubre cómo la diversidad en esquemas de pensamiento mejora el razonamiento de los LLMs. DiScO optimiza políticas para resultados más precisos y recuperación
ChatGPT podrá comprar con tu tarjeta Visa
OpenAI y Visa se alían para que ChatGPT realice compras con tu tarjeta. Descubre cómo los agentes de IA revolucionarán el comercio online.
LATTEArena: marco de evaluación para ingeniería de características con LLM
LATTEArena: el primer marco competitivo para evaluar ingeniería de características con LLM. Analiza coste-efectividad, rendimiento y robustez con más de 4000
Personalización y Seguridad: Riesgos y Mitigaciones en LLMs Personalizados
Descubre el primer análisis completo de seguridad en LLMs personalizados: mecanismos, riesgos, mitigaciones y evaluación. ¡Protege tus modelos!
¿Cuánta atención densa se necesita? Prefill escaso con oráculo en modelos híbridos
Descubre cómo un oráculo de atención reduce el coste de prefill en modelos híbridos de contexto largo, manteniendo calidad y acelerando inferencia hasta 1.93x.
SAW: Ponderación Dinámica por Etapas para RL Multiobjetivo en LLMs
Mejora el alineamiento de LLMs con SAW, ponderación dinámica que optimiza el aprendizaje multiobjetivo sin apenas coste computacional.
Rosetta Memory: Memoria Adaptativa para Agentes Multi-LLM
Rosetta Memory adapta la memoria entre modelos de lenguaje como GPT y Claude. Optimiza la escritura y lectura para mejorar tareas complejas. ¡Descubre su
SHIELD-IDS: Ensamble Heterogéneo Estructural con Defensa en Capas para IDS
Descubre SHIELD-IDS, el nuevo enfoque basado en XGBoost y LightGBM que detecta intrusiones con más del 99% de precisión incluso bajo ataques adversarios.
SHIELD-IDS: Ensemble Heterogéneo con Defensa en Capas para IDS
Descubre SHIELD-IDS: el ensemble heterogéneo con defensa en capas que logra >99% de precisión en IDS frente a ataques adversariales.
Más allá del éxito/fracaso: Process Mining revela patrones de ataque a LLMs
Descubre cómo el Process Mining revela patrones ocultos de resistencia y vulnerabilidad en LLMs ante ataques de Red Team, más allá de la simple tasa de éxito.
Multiplicidad de modelos para detección adversarial en SLM edge
Aprende cómo la multiplicidad de modelos detecta ataques de envenenamiento en SLM en dispositivos edge, mejorando la seguridad antes que defensas clásicas.
Coherencia Tensa: Señal de Falla Previa en Agentes de Código
Descubre cómo la coherencia tensa revela fallos inminentes en agentes de IA. Un detector con 94% de precisión identifica cuándo un agente ignora sus propias
Multiplicidad de modelos para detección adversarial en SLM en el borde
La multiplicidad de modelos detecta ataques de envenenamiento en dispositivos edge, mejorando la seguridad en entrenamiento distribuido de SLM.
Coherencia Forzada: Señal de Falla en Agentes de Código
Investigación revela que agentes de IA alertan de fallos antes de cometerlos. Conoce el patrón de coherencia forzada y su detección con un 94% de precisión.
Defendiendo contra el ajuste fino malicioso escalando ataques adversariales
Descubre cómo Patcher protege los modelos de lenguaje contra ataques de fine-tuning malicioso escalando ataques adversariales. Mejora la robustez de tus LLMs.
CausShield: VFL Resistente a Reconstrucción con Representación Causal
CausShield protege tu modelo de aprendizaje federado vertical contra ataques de reconstrucción de muestras usando representación causal. Logra el mejor
Fortalecimiento de benchmarks de agentes con bucles hacker-fixer
Descubre cómo el bucle hacker-fixer protege benchmarks de agentes contra reward hacking, eliminando el 100% de exploits en KernelBench. Una solución
Una visión unificadora sobre la incertidumbre de recompensa en RLHF
Descubre cómo la incertidumbre en RLHF se unifica con un modelo distribucional, mitigando el reward hacking. Clave para optimización robusta.