Protocolos multiagente con señales de confianza agregadas
Descubre cómo los protocolos multiagente agregan señales de confianza para mejorar la discriminación sin perder precisión. Un enfoque con fusión bayesiana.
#votación
Democracia en la era de la inteligencia artificial
Explora cómo la IA puede fortalecer la democracia, abordando baja participación, desinformación y sesgos. Oportunidades y riesgos para el futuro.
Mayoría de tres: el aprendizaje PAC óptimo
Descubre la votación mayoritaria de tres clasificadores como método óptimo en aprendizaje PAC. Artículo simplifica la teoría y demuestra optimalidad.
Registro por votación de teselas: herramienta CV gratuita
Descubre cómo la votación de teselas permite registrar imágenes con precisión milimétrica, resistente a oclusiones. Herramienta y API gratuita. ¡Pruébala!
Agregación justa óptima de etiquetas ruidosas mediante paridad demográfica
Descubre cómo lograr una agregación justa de etiquetas ruidosas en crowdsourcing usando restricciones de paridad demográfica. Teoría, algoritmos y experimentos.
Cómputo de inferencia calibrado por distribución para LLM como juez
Descubre cómo el cómputo de inferencia calibrado por distribución mejora la fiabilidad de LLM como juez, reduciendo errores y superando métodos tradicionales de votación.
Curación Deliberativa: Un Protocolo para Bases de Conocimiento Multi-Agente
Descubre el protocolo de curación deliberativa que logra 0.826 de precisión bajo estrés, degradándose 3 veces más lento que el voto mayoritario.
Alternativa sin entrenamiento: LLMs puntúan procesos matemáticos
Descubre cómo LLMs listos para usar mejoran el razonamiento matemático sin entrenamiento, superando la votación mayoritaria hasta 28%.
La diversidad importa: cómputo en tiempo de prueba en VLM
Descubre cómo la diversidad de predicciones mejora el razonamiento en VLM. El nuevo método ETTC supera a la votación mayoritaria y a modelos individuales.
Evaluación de oráculos de IA multiagente en mercados de predicción
Votación ponderada en oráculos multiagente logra 83.4% de precisión, supera modelos. Consenso falla. Propuesta híbrida con revisión humana.