De Hackeos de Recompensa a Estados de Riesgo: Monitoreo Contextual en Agentes
Aprende cómo la calibración por contexto y la entropía mejoran la detección de riesgos en agentes LLM frente a hackeos de recompensa.
#tro
Benchmark Agent: evalúa todo, en todas partes, a la vez
Descubre Benchmark Agent, un sistema autónomo que crea benchmarks de alta calidad para evaluar LLMs y MLLMs sin intervención humana. Ideal para investigación.
MLEvolve: Framework autoevolutivo para descubrimiento de algoritmos ML
MLEvolve: marco auto-evolutivo para descubrimiento automático de algoritmos ML con agentes LLM. Logra récords en MLE-Bench y supera a AlphaEvolve.
¿Comparten los modelos representaciones de seguridad? Control entre modelos
Investigación muestra que las direcciones de seguridad pueden transferirse entre modelos generativos sin datos inseguros en el destino. Control portable y eficaz.
ReTreVal: Razonamiento en Árbol con Validación y Memoria entre Problemas
ReTreVal permite a LLMs aprender entre problemas durante la inferencia, mejorando el razonamiento sin ajuste fino. Logra 85.8% en MATH-500 y 54.4% en MMLU-Pro.
Seguridad a nivel de sistema para agentes de uso de computadoras
Descubre cómo NOVA protege a los agentes de uso de computadoras de inyecciones de prompts, combinando seguridad y rendimiento.
InfoDensity: Recompensando trazas densas en información
Descubre InfoDensity, un nuevo método de recompensa que optimiza el razonamiento de LLMs, reduciendo verbosidad y mejorando precisión y eficiencia.
PC-Talk: Control Preciso de Animación Facial en Rostros Parlantes
PC-Talk: control preciso de animación facial en videos parlantes. Mejora sincronización labial y emociones con IA. Ideal para creadores.
FE-MAD: aprendizaje de materiales basado en elementos finitos
FE-MAD: Aprende cómo un marco diferenciable con elementos finitos y redes neuronales identifica modelos constitutivos a partir de datos de deformación.
Seguridad portable entre modelos de IA visual
Descubre cómo reutilizar mecanismos de seguridad entre generadores visuales (texto a imagen y video) sin comprometer la calidad ni requerir datos sensibles en el modelo objetivo.
Gusano Miasma golpea 73 repositorios de Microsoft en GitHub
El gusano Miasma afectó 73 repositorios de Microsoft en GitHub, comprometiendo Azure y MicrosoftDocs. Conoce los detalles del ataque a la cadena de suministro.
Supervisión humana de sistemas agentivos: desafíos y heurísticas
Descubre cómo los desarrolladores supervisan agentes autónomos, los desafíos que enfrentan y las estrategias que utilizan para una colaboración efectiva.
El rol de la guía instruccional en el aprendizaje asistido por IA generativa
Descubre cómo una guía instruccional de cinco pasos mejora el rendimiento en tareas de razonamiento con IA generativa. Estudio controlado en ingeniería.
Control de Flujo de Datos: Políticas de Seguridad para Agentes IA
Asegura tus datos con Data Flow Control: políticas de seguridad integradas en bases de datos para agentes IA, sin overhead y open source.
Benchmark para detección acústica distribuida con OTDR y Sagnac
Nuevo marco de evaluación para detección acústica distribuida (DAS) con OTDR y asistencia Sagnac. Modelo de fusión dual alcanza 89.79% de precisión. Código abierto disponible.
Módulo de Adaptación de Torque (TAM) para Transferencia Robusta de Movimiento
TAM adapta torque para mover robots de forma robusta. Mejora ejecución real sin datos previos. Perfecto para manipulación dinámica.
MPCoT: Razonamiento latente multi-ruta guiado por recompensa para VLA
MPCoT mejora las políticas VLA en control de largo plazo con razonamiento latente multi-ruta guiado por recompensa, sin generar tokens extra.
LatentWave: Preentrenamiento JEPA para modelos base inalámbricos
LatentWave: modelo base inalámbrico con preentrenamiento JEPA. Aprende representaciones latentes transferibles para clasificación, posicionamiento y predicción.
Señales de denegación para agentes LLM: ¿cumplen?
Descubre cómo las señales de denegación in-band hacen que agentes LLM autónomos se retiren voluntariamente. Resultados con GPT-4o y Claude Code.
TempoVLA: Políticas de Visión-Lenguaje-Acción con Velocidad Controlable
TempoVLA controla la velocidad de robots manipuladores: acelera en zonas seguras y desacelera en contacto. Aumenta eficiencia y seguridad.