La máquina Tsetlin se vuelve profunda: aprendizaje lógico y razonamiento con grafos
Máquina Tsetlin profunda: razonamiento lógico con grafos
#set
DiagramNet: Un marco de reconocimiento integral y conjunto de datos para diagramas no estándar a nivel de sistema
DiagramNet: Marco y conjunto de datos para diagramas no estándar de sistema. Explora esta herramienta para análisis y representación de diagramas complejos.
Propagación de Decisiones Neuronal para Programación de Conjuntos de Respuesta
<meta content=Explora la propagación neuronal de decisiones en ASP. Técnicas de IA para mejorar la lógica y optimización de respuestas. name=description>
Creación y evaluación de un conjunto de datos de lenguaje figurado para el sindhi
Creación y evaluación de datos de lenguaje figurado para sindhi. Investiga metáforas, ironía y símiles en el idioma sindhi.
SignVerse-2M: Un universo nativo de poses de dos millones de videoclips de más de 25 lenguas de signos
<meta name=description content=SignVerse-2M dos millones de videoclips en mas de 25 lenguas de signos recurso para investigacion y desarrollo en reconocimiento de lenguaje de senas>
BadmintonGRF: Un conjunto de datos multimodal y un punto de referencia para la estimación sin marcadores de la fuerza de reacción del suelo en bádminton
Descubre BadmintonGRF, un dataset multimodal y benchmark para la estimación sin marcadores de la fuerza de reacción del suelo en bádminton. Ideal para investigación en biomecánica y deporte.
Un conjunto de datos multimodal para la ambigüedad fundamentada visualmente en la traducción automática
<meta name=description content=Dataset multimodal para ambigüedad visual en traducción automática. Recurso clave para investigación en IA y procesamiento de lenguaje natural.>
Rompiendo el silencio: Un conjunto de datos y un punto de referencia para la traducción de texto a glosa en bengalí
Descubre el primer dataset y punto de referencia para traducción texto a glosa en bengalí. Un avance clave para romper el silencio en lenguas de señas.
Pistachio: Hacia benchmarks de anomalías en video sintéticos, balanceados y de larga duración.
<meta name=description content=Pistachio: benchmark sintético y balanceado para detectar anomalías en vídeos de larga duración. Ideal para evaluar modelos de detección de anomalías.>
Retraso, Meseta o Colapso: Evaluación del Impacto del Error Sistemático de Verificación en RLVR
Impacto del error sistemático de verificación en RLVR: retraso, meseta o colapso. Descubre cómo este error crítico afecta el rendimiento de los modelos de lenguaje.
102 publicaciones de blog para aprender sobre conjuntos de datos
102 artículos para aprender sobre conjuntos de datos: guía completa y práctica para dominar datasets.
VideoNet: Un conjunto de datos a gran escala para el reconocimiento de acciones específicas del dominio
Descubre VideoNet, el dataset a gran escala para el reconocimiento de acciones específicas. Ideal para investigación en visión artificial y deep learning.
VideoNet: Un conjunto de datos a gran escala para el reconocimiento de acciones específicas de dominio
<meta content=VideoNet es un dataset a gran escala para reconocimiento de acciones por dominio. Ideal para investigación en visión por computadora y deep learning.>
La mejor configuración de escritorio para PC que he visto este año también es un acuario en funcionamiento
<meta name=description content=El mejor setup de PC del año también es un acuario funcional. Descubre esta innovadora combinación de tecnología y naturaleza.>
Conócete mejor: Diversas características relacionadas con objetos mejoran el reconocimiento de conjuntos abiertos
Descubre las características clave de objetos que potencian el reconocimiento de conjuntos abiertos. Mejora la precisión y robustez en clasificación con esta guía.
TF1-EN-3M: Tres millones de fábulas morales sintéticas para entrenar modelos de lenguaje pequeños y abiertos
Descubre 3 millones de fábulas sintéticas para entrenar modelos de lenguaje abiertos. Recurso masivo y gratuito para investigación en IA.
La conferencia Sluckin de la Universidad de Leicester del 7 de mayo de 2026 por Anil Seth sobre la conciencia: la IA es un desperdicio
El neurocientífico Anil Seth critica la inteligencia artificial como un desperdicio de recursos. Descubre sus razones.
La conferencia Sluckin de la Universidad de Leicester del 7 de mayo de 2026 impartida por Anil Seth sobre la conciencia: la IA es un desperdicio
Anil Seth en Leicester analiza la conciencia y critica la IA como un desperdicio. Una charla provocadora.
OceanPile: Un corpus oceánico multimodal a gran escala para modelos fundacionales
OceanPile es un corpus oceánico multimodal a gran escala para modelos fundacionales de IA. Acelera la investigación marina con datos masivos y diversos.
TRIP-Evaluate: Un Benchmark Multimodal Abierto para Evaluar Modelos Grandes en Transporte
<meta content=TRIP-Evaluate es un benchmark multimodal abierto para evaluar modelos grandes en transporte. Descubre cómo mide el rendimiento en múltiples tareas.>