Rompiendo la maldición de la reversión en modelos de lenguaje autoregresivos
El Puente de Identidad: un simple ajuste en los datos de entrenamiento que rompe la maldición de la reversión en modelos de lenguaje. Logra un 50% de éxito.
#razonamiento
REAL: Resuelve conflictos en VQA con pivote de razonamiento
Descubre cómo REAL resuelve conflictos de conocimiento en preguntas visuales con pivotes de razonamiento, mejorando la precisión en VQA intensiva.
LLM-WikiRace: Evaluando la planificación y razonamiento de LLMs
Descubre cómo los modelos de lenguaje afrontan el desafío LLM-WikiRace: navegar por Wikipedia para conectar conceptos. ¿Son capaces de planificar a largo plazo?
Modelos de lenguaje visual no razonan transformaciones físicas
Descubre por qué los modelos de lenguaje visual fallan al razonar sobre transformaciones físicas. Un nuevo estudio con 112 modelos revela limitaciones críticas.
El problema del auto-bloqueo de información en RL para agentes LLM
Descubre cómo el auto-bloqueo de información afecta el razonamiento activo de agentes LLM y cómo el método AREW lo mitiga, logrando mejoras de hasta 60 puntos.
FeynmanBench: El reto de los LLMs multimodales con diagramas de Feynman
FeynmanBench: 2000+ diagramas evalúan 19 LLMs. 70-95% en reconocimiento local, pero 13-17% en topología. Descubre las limitaciones.
UI-in-the-Loop: el paradigma que une pantalla y acción en GUIs
Descubre UI-in-the-Loop (UILoop), nuevo paradigma que permite razonar sobre GUIs de forma interpretable, mejorando comprensión y acción.
Agentes de Recompensa de Proceso para Guiar el Razonamiento Intensivo
Descubre cómo los PRA mejoran el razonamiento intensivo en conocimiento con recompensas paso a paso, logrando 81.9% en MedQA con Qwen3-4B.
RadAgent: un agente de IA para la interpretación paso a paso de tomografías de tórax
Descubre RadAgent, el agente de IA que interpreta tomografías de tórax paso a paso, ofreciendo total transparencia y precisión. Mejora diagnósticos y confianza clínica.
KnowledgeBerg: cobertura sistemática y razonamiento composicional en LLMs
KnowledgeBerg: benchmark que evalúa cobertura sistemática y razonamiento composicional en LLMs. Resultados clave sobre sus limitaciones.
Skill-MoE: Razonamiento heterogéneo con enrutamiento adaptativo por habilidades
Skill-MoE mejora el razonamiento de modelos de lenguaje combinando expertos por habilidades. Logra hasta un 8% más de precisión en benchmarks con un solo GPU.
DeepSeek vs Qwen vs Kimi vs GLM: Comparativa para devs
Comparativa honesta de DeepSeek, Qwen, Kimi y GLM: precios, rendimiento y casos de uso reales. Encuentra el mejor modelo para tu proyecto.
Microsoft lanza su primera IA de razonamiento avanzado
Microsoft presenta MAI-Thinking-1, su primer modelo de IA con razonamiento avanzado. Entrenado desde cero con datos limpios, compite con líderes en ingeniería.
Verificación con herramientas para escalar cómputo en modelos pequeños de IA
Aprende cómo T1 permite a modelos pequeños de IA verificar respuestas con herramientas externas, logrando rendimiento superior a modelos 8 veces mayores.
¿Pueden los LLM razonar estructuralmente?
Descubre DSR-Bench, el benchmark que revela las limitaciones en razonamiento estructural de los LLM. ¡El mejor modelo solo obtiene 0.46/1!
Entre la espada y la pared: tensión entre ética y seguridad en LLMs
Los dilemas éticos pueden ser un arma contra los LLMs. Descubre el ataque TRIAL y la defensa ERR que los protege.
Diseño de procesamiento de materiales con texto estructurado ligero y LLM
Un nuevo marco de IA combina bases de datos textuales ligeras y LLM para planificar síntesis de nanomateriales, logrando resultados en solo tres iteraciones.
Meta-conciencia en modelos de razonamiento con recompensas predictivas
Descubre cómo MAPR usa recompensas predictivas para aumentar la precisión en modelos de razonamiento, acelerando el entrenamiento GRPO hasta 1.28x.
El razonamiento latente en TRMs es un operador de mejora de política
En TRMs, el razonamiento latente actúa como operador de mejora de política. Con RL y difusión, reducimos 18x los pasos.
Colaboración latente en sistemas multi-agente
Descubre cómo LatentMAS permite a agentes LLM colaborar directamente en el espacio latente, mejorando precisión hasta 14.6% y acelerando inferencia 4x sin necesidad de texto. Código abierto.