Primer sobre datos de razonamiento post-entrenamiento: cómo funciona
Descubre cómo los datos de razonamiento post-entrenamiento impulsan el avance de los modelos de IA. Una guía completa basada en más de 150 estudios.
#razonamiento
Colaboración de modelos mejorada para detección de errores egocéntricos
Descubre cómo combinar modelos pequeños y grandes permite detectar errores raros y sutiles en videos de primera persona, equilibrando velocidad y precisión.
CodeCytos: análisis espacial molecular con IA y código
CodeCytos automatiza el análisis espacial molecular con IA. Descubre cómo este agente de código acelera la búsqueda de biomarcadores.
V-LynX: alineación de tokens para Video LLMs multimodales
V-LynX alinea tokens en modelos de video para integrar nuevas modalidades (audio, 3D) con eficiencia y rendimiento SOTA. ¡Código abierto!
Representaciones más ricas para razonamiento algorítmico neuronal mediante reconstrucción auxiliar
Mejora el razonamiento algorítmico neuronal con reconstrucción auxiliar: representaciones más ricas que potencian el rendimiento de arquitecturas existentes.
Revisitando la edición paramétrica en LLMs: límites teóricos y evidencia
Descubre por qué la edición de parámetros en LLMs daña capacidades clave. Evidencia empírica muestra que la recuperación supera a la edición paramétrica.
Critic-R: mejora la búsqueda agéntica con retroalimentación introspectiva
Descubre Critic-R: un marco que cierra el ciclo de retroalimentación entre agente y retriever, mejorando la precisión en búsquedas complejas sin anotaciones manuales. Resultados superiores en QA.
La paradoja de la optimización por resultados en LLMs
Los LLMs optimizados por resultados alcanzan altos benchmarks pero colapsan en razonamiento. Te explicamos la paradoja y cómo los modelos de recompensa de procesos la resuelven.
Reconoce a tu orquestador: dinámica de entropía en MAS
La dinámica de entropía revela la fragilidad de los orquestadores y la trampa del razonamiento en sistemas multiagente. Identifica el colapso del rendimiento.
El enigma de la razón artificial: ¿por qué los LRM fallan al evaluar?
Descubre por qué los modelos de razonamiento (LRM) fallan al evaluar soluciones, pese a generarlas. Analizamos el sesgo de confirmación y el dataset VAIR.
TRON: Entornos Verificables en Línea para Razonamiento Visual con RL
TRON genera instancias verificables bajo demanda para entrenar modelos de razonamiento visual con RL, mejorando benchmarks multimodales.
SMH-Bench: Evaluando el razonamiento de LLM en hogares inteligentes
SMH-Bench evalúa agentes LLM en hogares inteligentes con 1100 tareas. ¿Son capaces de razonar y automatizar? Descúbrelo.
Inferencia de bajo bit extremo en modelos de razonamiento: fallos y recuperación
Descubre cómo la inferencia 2-bit en modelos de razonamiento genera fallos como bucles y cómo la planificación y rescate recuperan precisión hasta 87%.
eMoT: Memoria de pensamiento evolutiva para razonamiento en IA
eMoT: marco que estabiliza el razonamiento en LLMs con memoria evolutiva, anclaje simbólico y corrosión. Logra 100% en Juego de 24.
Aprender cuándo no actuar: mitigar abuso de herramientas en RL agente
Descubre cómo EAPO mejora la precisión en modelos de IA reduciendo el abuso de herramientas. Aprende cuándo no actuar y optimiza el rendimiento.
AgentPLM: Modelos de lenguaje proteico con razonamiento aumentado
Descubre AgentPLM: integra razonamiento aumentado y herramientas biofísicas para diseñar proteínas. Logra mejoras del 10% en anticuerpos.
BenHalluEval: marco de evaluación de alucinaciones en bengalí para LLMs
BenHalluEval: un marco innovador para detectar alucinaciones en LLMs en bengalí. Evalúa 7 modelos en 4 tareas. ¡Descubre los resultados!
CSRP: Corrección de Texto Chino con Razonamiento y Aprendizaje por Refuerzo
CSRP combina razonamiento en cadena y RL para corregir texto chino con precisión récord, reduciendo sobrecorrección. ¡Optimiza tu proceso de corrección!
TCAR-Gen: Recuperación Temporal con Fusión de Evidencia
Descubre TCAR-Gen, un nuevo marco que combina redes neuronales de grafos, fusión temporal y razonamiento en árbol para responder preguntas complejas sobre casos criminales históricos.
GraphARC: un benchmark completo para razonamiento abstracto con grafos
Descubre GraphARC, benchmark de razonamiento abstracto en grafos. Revelamos la brecha entre comprensión y ejecución en modelos de IA.