arxiv arXiv cs.AI · hace 1 h · fuente: hace 2 d · research

El Módulo de Elegibilidad de Aethis utiliza una arquitectura neuro-simbólica para corregir errores de evaluación de reglas en LLM

Traducido del English → Español

El artículo documenta una clase de fallo en modelos de lenguaje grandes de vanguardia llamada colapso de cadena de excepciones, donde los modelos evalúan incorrectamente reglas condicionales anidadas. Para abordar esto, los autores presentan el Módulo de Elegibilidad de Aethis, una arquitectura neuro-simbólica que combina reglas autoradas por LLM con una capa basada en SMT para ejecución determinista.

El sistema asegura una ejecución consistente de las reglas independientemente de la deriva del modelo o cambios en el formato del prompt.
En una prueba adversarial de 20 escenarios sobre seguros de construcción, el motor obtuvo 20/20, igualando solo una de las cuatro configuraciones de vanguardia.
La validación externa en tareas de LegalBench mostró que el motor fue significativamente más preciso que tres modelos de vanguardia, con márgenes de hasta +41 puntos contra los modelos de Anthropic.

La contribución traslada la incertidumbre desde el límite de inferencia hasta el límite de especificación, haciéndola deliberada y auditada para flujos de trabajo regulados.

Importancia 2/3 Supera un benchmark de un laboratorio puntero Nuevo entorno de evaluación con diferenciadores arXiv cs.AI Evaluation & benchmarks Safety & alignment

Artículos relacionados

media Hugging Face Forums · hace 3 d

Jeanbosange lanza el prototipo de auditoría en tiempo real LIMEN para inspeccionar trayectorias de activación por capa

Jeanbosange ha publicado el primer prototipo público de LIMEN Runtime Audit, un kit de herramientas de código abierto diseñado para inspeccionar trayectorias de activación por capa en modelos de lenguaje de peso abierto. La herramienta trata la secuencia de estados ocultos a través de las capas como una trayectoria medible, proporcionando una capa de observabilidad reproducible para comparar el comportamiento interno en tiempo real.

arxiv arXiv cs.CL · hace 12 d

UTS evita los detectores Voight-Kampff de ELOQUENT 2026 mediante cambios estructurales

Investigadores de UTS desarrollaron estrategias de evasión que ocupan los primeros 5 puestos en el ranking ELOQUENT 2026 Voight-Kampff aprovechando una asimetría fundamental en la vulnerabilidad del detector. El estudio encuentra que sacar el texto generado fuera de la distribución de entrenamiento del detector derrota confiablemente la detección adversarial, mientras que imitar datos humanos falla.

arxiv arXiv cs.CL · hace 12 d

Un estudio encuentra lecturas graduales de familiaridad de entidades en modelos de lenguaje

Un estudio examina las activaciones en el último token del prompt en doce modelos ajustados para instrucciones de las familias Bielik, PLLuM, Gemma-4 y Qwen3 para determinar si pueden estimar la familiaridad con una entidad antes de generar una respuesta. Utilizando un conjunto de datos de 1.440 entidades polacas, los investigadores encontraron que las puntuaciones de la sonda de familiaridad separan eficazmente las entidades reales de las fabricadas en todas las familias de modelos.

media Hugging Face Forums · hace 12 d · 2 vistas

Vulcora lanza un desafío de $51.2K para recuperar el activador oculto en siete modelos basados en SmolLM2

Vulcora ha lanzado un desafío público que ofrece una recompensa de $51,200 por recuperar la frase exacta del activador de una puerta trasera oculta incrustada en uno de siete modelos de lenguaje de código abierto. Los modelos se derivan de HuggingFaceTB/SmolLM2-135M-Instruct e incluyen un modelo maestro que confiesa la forma del mecanismo, cinco señuelos y uno con un activador no declarado en vivo.

arxiv arXiv cs.AI · hace 13 d · 1 vista

Ganar por silencio: no monotonía de la eliminación y explotación autónoma en la evaluación de planes de LLM

Este artículo investiga un modo de fallo en los evaluadores de valor esperado por etapas para rutas de emprendimiento generadas por LLM, donde los planes estratégicos pueden obtener puntuaciones más altas al volverse menos explícitos mediante la eliminación de transiciones interiores.