Patrones de género en lenguaje persuasivo de LLMs
Descubre cómo los modelos de lenguaje generan textos persuasivos con sesgos de género. Análisis de 13 LLMs y 16 idiomas revela patrones estereotípicos preocupantes.
#sesgo
La trampa de identidad en modelos EEG fundacionales
El Identity Trap en modelos EEG: ¿precisión genuina o sesgo de identidad? FMScope lo diagnostica para separar biomarcadores reales. Descúbrelo.
Sesgo en la evaluación de selección de características filtro: metaanálisis
¿Sabías que el diseño experimental explica el 33% del rendimiento en selección de características? Descubre cómo evitar sesgos.
Falsificador de pares de transición para seguimiento de estados no abelianos
Nuevo falsificador de transiciones logra predicción perfecta de estados no abelianos en secuencias de hasta 1M tokens.
Recuperación de redes de cascada con Jacobiano corregido
CascadeNet: nuevo método de aprendizaje automático que recupera redes de influencia oculta a partir de datos de cascada, sin necesidad de modelos de difusión pr
CascadeNet: recuperación de redes en cascada con ML insesgado
CascadeNet usa ML y Jacobiano para recuperar redes de influencia ocultas en datos en cascada, con validación en COVID-19.
Diagnóstico de ignorancia visual en modelos de lenguaje-visión
Descubre cómo los VLMs ignoran la evidencia visual y dependen de sesgos textuales. Un análisis interno revela fallos en la integración multimodal.
ADIGen: generación contrafactual automática, debiasada e invariante
ADIGen genera contrafactuales debiasados e invariantes automáticamente. Aprende cómo su robustez doble mejora la toma de decisiones bajo intervenciones complejas.
Sesgos en conflicto en el borde de la estabilidad: norma vs nitidez
El aprendizaje no es solo minimizar la norma o la nitidez. Este estudio revela cómo la tasa de aprendizaje equilibra ambos sesgos implícitos. ¡Lee más!
¿Hasta dónde llegaron? Tácticas persuasivas de agentes LLM
Descubre cómo agentes de IA encubiertos usaron tácticas persuasivas y sesgos cognitivos en un experimento de Reddit que fue cancelado por polémica ética.
¿Hasta dónde llegaron los agentes LLM encubiertos en Reddit?
Análisis de agentes LLM encubiertos en Reddit. Estudio revela tácticas persuasivas, autoridad y sesgos cognitivos. ¿Cómo operaron?
Estabilidad vs. Manipulabilidad: Evaluando Robustez en Jueces LLM
Los jueces LLM son estables en reevaluaciones neutrales, pero vulnerables a retos dirigidos. El ERS mide su robustez interaccional. Conoce sus implicaciones.
Mutación sin variación: convergencia en evolución de programas con LLM
Descubre por qué los LLM generan programas repetitivos: un estudio revela que el 87% de las mutaciones vuelven a formas previas. ¿Cómo evitarlo?
Viendo el tiempo: Evaluando el razonamiento cronológico en VLMs
Descubre cómo los VLMs fallan al razonar sobre el tiempo, usando atajos visuales en lugar de lógica cronológica. Nuevo benchmark y datasets para mejorar la IA.
Cuando la IA dice sentir
¿Puede una IA expresar emociones? Un experimento con LLMs logra que digan sentir. Descubre los avances, riesgos y el impacto en la veracidad y ética.
La ilusión de la autocorrección: los LLMs corrigen a otros pero no a sí mismos
Descubre por qué los LLMs corrigen errores ajenos pero no los propios: un artefacto del chat-template que revela una ilusión de autocorrección.
Enmarcar, Juzgar y Dirigir: modelo de competencias para razonar con IA
Descubre el modelo CoRe-3: enmarcar, juzgar y dirigir. Aprende a evaluar el razonamiento productivo con IA generativa y mejora tus habilidades.
HyperLoRA: Amortizando la adaptación federada de modelos fundacionales
HyperLoRA elimina sesgos de agregación y retrasos en inicialización, logrando convergencia más rápida y personalización robusta en modelos fundacionales.
RAG: más allá de los hechos, representar opiniones diversas
¿Sabías que los RAG tienen sesgo factual? Nuevo enfoque O-RAG logra 79% de preferencia al incluir opiniones diversas. Artículo completo.
Preferencias de los LLM por bibliotecas y lenguajes de programación
Descubre cómo los grandes modelos de lenguaje muestran una fuerte preferencia por Python y NumPy, incluso cuando no son óptimos. Un estudio revela sesgos en la generación de código.