¿Mentiste? Evaluando detectores de mentiras en modelos de lenguaje
¿Pueden los detectores de mentiras identificar cuándo un modelo de IA miente? Un estudio evalúa cuatro métodos en modelos de hasta 1B parámetros y revela sus limitaciones.
#ondas
Del aislamiento al enredo: ¿Separación de conceptos en interpretabilidad?
Los métodos de interpretabilidad (SAEs, sondas) buscan separar conceptos, pero manipular características afecta múltiples conceptos, desafiando la independencia
Cuando los modelos de IA rolean, ¿creen lo que dicen?
¿Los LLM creen realmente sus afirmaciones al interpretar personajes? Un estudio revela diferencias entre roleplaying y desalineación emergente.
Filtro de Kalman por conjuntos neuronal para flujos compresibles con choques
Descubre cómo el Neural EnKF mejora la asimilación de datos en flujos compresibles con choques, evitando oscilaciones espurias mediante redes neuronales.
ICA Lens: Interpretando modelos de lenguaje sin entrenar otro diccionario
Descubre cómo ICALens usa ICA para encontrar direcciones interpretables en LLMs sin entrenar diccionarios, superando a los SAEs en eficiencia y sondas.
¿Cuándo predicen bien los modelos autorregresivos ondas sísmicas?
Descubre cómo los modelos autorregresivos predicen ondas sísmicas de forma estable. La predicción multi-token es clave.
¿Cuándo los modelos autoregresivos pronostican campos de onda físicos?
¿Sabes cuándo falla el pronóstico autoregresivo de ondas sísmicas? Este estudio controlado identifica los factores clave y el próximo desafío: la fase.
Reducción eficiente de integrales de Feynman con IA mediante Tube Seeding
Descubre cómo el machine learning reduce integrales de Feynman con tube seeding, acelerando cálculos en física de partículas.
Análisis mecanicista de algoritmos de alineación en modelos de lenguaje
Descubrimos cómo seis algoritmos de alineación (PPO, DPO, SimPO, ORPO, GRPO, KTO) transforman internamente los modelos. Implicaciones para seguridad.
Detección de alucinaciones en LLM y VLM con crestas de densidad
Descubre cómo el nuevo método de crestas de densidad supera en hasta 20 puntos AUROC a técnicas actuales en detección de alucinaciones con pocas etiquetas de calibración.
Moderación en streaming de LLMs con sondas de estado oculto
Las sondas de estado oculto permiten moderar LLMs en streaming sin costo adicional. Detén contenido inseguro token a token, reduce latencia y ahorra recursos. Guía práctica.
Ahora me ves: Detectando esteganografía evasiva en LLMs
Los LLMs pueden ocultar secretos mediante esteganografía. La detección con sondas lineales se evade, pero se restaura con recontextualización.
Estrategia antiatascos inspirada en el zigzagueo de patrullas
Descubre la estrategia de absorción de atascos inspirada en el zigzagueo de patrullas. Método práctico para eliminar ondas de tráfico en autopistas. ¡Leer más!
Ecuaciones diferenciales parciales: guía completa y ejemplos
Descubre qué son las ecuaciones diferenciales parciales, su clasificación, métodos de resolución y ejemplos prácticos. Guía con aplicaciones reales.
Aprendizaje de Modelos de Conducta con Preguntas y Sondas Adaptativas
Las preguntas adaptativas y sondas del modelo del mundo permiten entrenar agentes de IA que explican su comportamiento y se adaptan a cambios.
Tutorial NVIDIA garak: red-teaming defensivo para LLM con sondas y detectores
Aprende a usar NVIDIA garak para construir un flujo de red-teaming defensivo en LLM con sondas y detectores personalizados. Incluye código completo.
Procesos Gaussianos con restricciones físicas para predecir curvas Hugoniot
Los procesos Gaussianos con restricciones físicas predicen curvas Hugoniot, reduciendo simulaciones costosas y cuantificando incertidumbre.
TadA-Bench: un millón de variantes para ingeniería de proteínas con agentes
TadA-Bench ofrece un millón de variantes de proteínas para que la IA descubra rondas futuras en evolución dirigida. Acelera la ingeniería de proteínas con agentes.
La forma de la suma: estructuras geométricas de la aritmética en LLMs
Descubre cómo los LLMs representan la suma geométricamente y por qué cometen errores. Un nuevo estudio revela la estructura oculta de la aritmética.
X-RAY: Mapeo del razonamiento en LLMs con sondas formales
Descubre cómo X-RAY mapea la capacidad de razonamiento de los LLMs usando sondas formales y calibradas, revelando asimetrías y fallos interpretables.