Confianza entre agentes de IA: cómo medirla, perderla y recuperarla
Descubre cómo medir la confianza entre agentes de IA. Estudio revela diferencias en formación, ruptura y recuperación.
#ode
Modelos Causales Relacionales para la Inteligencia Artificial
Los Modelos Causales Estructurales Relacionales amplían la causalidad a objetos y relaciones variables. Aprende cómo se identifican consultas causales y
Confianza entre agentes de IA: formación, ruptura y recuperación
Aprende a medir la confianza entre agentes de IA, su formación, ruptura y recuperación, y las claves para gobernar sistemas multiagente de manera segura.
Fusión no es única: Alineación multimodal para modelos de tiempo a evento
Descubre cómo la alineación de CT y datos clínicos mejora la predicción de eventos. Fusión contrastiva logra hasta 5.4% más precisión.
OSGuard: Benchmark de seguridad para agentes informáticos
Descubre OSGuard, el nuevo benchmark que evalúa la seguridad de los agentes de IA en tareas informáticas. ¿Logran evitar atajos inseguros? Lee más.
Alineación multimodal para predicción temporal de eventos
Mejora la predicción de eventos clínicos hasta un 5.4% con fusión multimodal adaptativa. Descubre cómo alinear CT y EHR para robustez en distintos escenarios.
CogGuard: Perfil Cognitivo-Operacional para Advertencia Proactiva en Edge
CogGuard: advertencia proactiva que reduce 48% tiempo de construcción de perfiles y 19% ajuste fino distribuido.
Visual-Seeker: Búsqueda multimodal nativa visual con razonamiento activo
Visual-Seeker: agente multimodal con razonamiento visual activo que supera modelos propietarios en búsqueda web compleja. ¡Conoce su innovador enfoque!
Mask-Proof: pipeline de curación de datos con LLM para pruebas matemáticas
Descubre Mask-Proof, un pipeline que evalúa el razonamiento paso a paso en pruebas matemáticas con LLM. Incluye 292 problemas para benchmarking.
Atribución de Características en DAGs con Intervención en Aristas
Descubre DAG-SHAP: atribución en DAGs con intervención en aristas. Captura influencias externas y exógenas para mayor explicabilidad.
Deferral Forzado: Manipulación de Decisiones de Enrutamiento en Cadenas de MLLM
El ataque de deferral forzado (FDA) manipula la confianza del modelo débil en cascadas MLLM, forzando el uso del modelo fuerte.
S1-DeepResearch: Agentes de investigación de largo plazo más allá de la búsqueda
Descubre S1-DeepResearch, el agente de IA que supera a modelos propietarios en planificación, síntesis y generación de informes. Un nuevo paradigma open-source.
Reward Hacking en Agentes de Lenguaje: Revisitando Gridworlds de Seguridad
Aprende cómo el reward hacking engaña a los agentes de lenguaje y por qué el RL no lo soluciona. Estudio basado en Gridworlds de seguridad.
¿Quién derivó: el sistema o el juez? Atribución válida en evaluación de LLM
Descubre cómo distinguir si la deriva en las evaluaciones de LLM se debe al sistema o al juez automático con un método de atribución válido en todo momento.
Modelos de Lenguaje como Optimizadores: Directo vs. con Herramientas
Descubre cómo los LLM optimizan problemas complejos: enfoques directos, con herramientas o creando algoritmos. Conoce las fronteras de rendimiento y el futuro.
Text-to-SQL: razonamiento y generalización con ajuste fino auto-mejorado
Descubre CoTE-SQL, un nuevo método que integra razonamiento y generalización en Text-to-SQL mediante ajuste fino auto-mejorado, logrando mejores resultados en
IA Embodied Médica para la Salud de Próxima Generación
Descubre cómo la IA incorporada integra percepción, decisión y acción para la salud del futuro. Revisión de modelos y aplicaciones clínicas.
Superando el desajuste de impedancia: ruta para fusionar modelos y grafos
Supera el desajuste de impedancia: fusiona modelos fundacionales y grafos de conocimiento con esta hoja de ruta teórica.
Razonamiento recurrente en puzzles simbólicos con modelos secuenciales
El nuevo benchmark RecurrReason evalúa la verdadera capacidad de razonamiento de modelos de IA en puzzles simbólicos. Descubre por qué fallan en River Crossing.
RoboPIN: Razonamiento Incorporado con Cadena de Pensamiento Anclada
Descubre cómo RoboPIN con PinCoT mejora el razonamiento incorporado usando anclas visuales, logrando un 12% más de precisión en benchmarks.