Clark Labs ha lanzado una versión comprimida del transformador de texto a imagen Sana 1.6B, cuantificado con pesos ternarios a aproximadamente 1.85 bits por peso. Esta compresión da como resultado un modelo que es 8.6 veces más pequeño que la versión estándar FP16 mientras mantiene una calidad cercana a la de FP16.
Un nuevo marco de auditoría empírica detecta y clasifica las divulgaciones de datos sintéticos como verdaderas o fantasma. Distingue reproducciones directas de datos de usuario de la generación incidental sin acceso ni entrenamiento del modelo, utilizando únicamente la salida sintética y un conjunto de control retenido. El método proporciona límites más ajustados de filtración de privacidad que los enfoques anteriores y requiere significativamente menos recursos computacionales.
Un precipicio de calidad a 6.25 Hz en códecs de audio neuronales es causado por la exposición insuficiente de tokens de entrenamiento debido a una duración fija del clip. Corregir esta configuración de entrenamiento permite una degradación suave de WER hasta 3.1 Hz y 1.6 Hz, lo que indica que la eficiencia a baja tasa de fotogramas es más alcanzable de lo que se pensaba anteriormente.
Un estudio descubre que, aunque las señales de reseñas textuales pueden fusionarse con datos colaborativos, su contribución marginal sigue siendo limitada en comparación con las señales colaborativas en modelos de factorización de matrices. Los mecanismos de fusión adaptativa y atención cruzada mejoran la flexibilidad de la representación, pero no aumentan significativamente el rendimiento en los conjuntos de datos.
El análisis de 56.800 artículos de conferencias de IA muestra que las prácticas de documentación mejoraron entre 2014 y 2024. Los artículos que compartían código y datos aumentaron del 11% al 64%, y la reproducibilidad estimada subió del 28% al 64%. Estas mejoras preceden a las listas de verificación formales de reproducibilidad, lo que indica un cambio más amplio hacia la ciencia abierta.
Se propone un marco de modelo de lenguaje grande agente basado en consenso para la clasificación precisa de códigos del Arancel Armonizado de 10 dígitos en la logística marítima canadiense. Evaluado en 3,300 registros de productos etiquetados por expertos, el marco muestra que la clasificación HTS de gran detalle sigue siendo un desafío para los LLM avanzados, destacando la necesidad de flujos de trabajo fundamentados en evidencia, conscientes de la incertidumbre y con humanos en el bucle.
Los experimentos sobre los 'Menús Estables de Bienes Públicos' de EC 2025 muestran que las indicaciones de intuición humana mejoran el rendimiento del LLM y las interacciones multi-turno potencian pasos ambiciosos. Sin embargo, al compararse con un estudiante de primer año de doctorado que utiliza un manuscrito no publicado, se encuentra que el LLM es ligeramente menos efectivo.
PACT combina una política de RL reactiva con un Modelo de Lenguaje Pequeño (SLM) de 2B parámetros para generar y validar planes de acción. El plan SLM se ejecuta directamente si se verifica como seguro, factible y completo, omitiendo la política de RL. PACT supera a las líneas base en tres entornos FrozenLake de dificultad creciente.
ActiveSAM es un marco sin entrenamiento y zero-shot que mejora SAM 3 para la segmentación semántica de vocabulario abierto identificando un conjunto activo de clases condicionado por imagen. Mejora el equilibrio entre velocidad y precisión, superando a SegEarth-OV3 en +1.4 mIoU en promedio y ejecutándose hasta 5.5 veces más rápido en conjuntos de datos de gran vocabulario, con una fuerte robustez bajo corrupción de imágenes.
Los archivos públicos de evaluación de IA muestran que un único resultado terminal puede surgir de dos historias pre-terminales distintas, con tiempos estimados para alcanzar el 95% de los techos de rendimiento en 23.03 o 75.13. Un modelo de frontera consciente de la selección de candidatos falla en la recuperación sintética y la calibración de incertidumbre, y es rechazado por puertas de auditoría fijas. Un protocolo de archivo y adjudicación verifica los límites temporales y refuta las afirmaciones de frontera no respaldadas.
TuneJury es un modelo de recompensa por pares a nivel de instancia que predice puntuaciones de preferencia musical a partir de indicaciones de texto y clips de audio. Está entrenado con datos diversos de preferencia humana y demuestra una fuerte capacidad de generalización, con calibración de anclaje que permite una alineación posterior eficiente para sistemas de generación de música.
TokenPilot reduce los costos de inferencia entre un 61% y un 87% tanto en modos aislados como continuos, superando a sistemas anteriores en eficiencia de costos mientras mantiene un rendimiento competitivo. Utiliza compactación consciente de la ingestión y evicción consciente del ciclo de vida para preservar la continuidad de la caché de prompts y minimizar la huella de tokens sin introducir desajustes de prefijo.
FusionRS presenta el primer conjunto de datos a gran escala RGB-infrarrojo-texto para la modelización de visión-lenguaje en teledetección. Alinea imágenes RGB e infrarrojas con descripciones conscientes del infrarrojo, permitiendo modelos de base de visión-lenguaje bimodales. Los experimentos muestran una mejora en la alineación RGB-IR, recuperación y generación de descripciones, con estudios de ablación que confirman el papel crítico de la supervisión textual específica de la modalidad.
HAMON utiliza componentes ópticos pasivos para realizar pronósticos de series temporales de largo plazo, superando a los mejores modelos digitales en ETTm2 en todos los horizontes y en ETTh2 en todos excepto el horizonte más largo. Logra hasta un 14% menos de MSE y se basa en la propagación óptica física sin capas digitales entrenables, demostrando que la mezcla óptica pasiva puede producir pronósticos competitivos.
Los clasificadores de imágenes como PRISM2D, GFNet y ViT-B/16 muestran que la fase, no la magnitud, impulsa las predicciones en las capas ocultas. ResNet-50 revela un código de signo latente en los bloques tardíos, indicando que la identidad de fase/signo existe a través de las arquitecturas, aunque se expresa de manera diferente debido a los mecanismos de activación y lectura.
El CEO de Microsoft, Satya Nadella, presenta 'Loopcraft' como una nueva teoría de la empresa, enfatizando que la verdadera oportunidad en la IA no radica en seleccionar el mejor modelo, sino en construir bucles de aprendizaje que acumulen capital humano y de tokens. Afirma que la prioridad debe ser crear ecosistemas de vanguardia donde cada organización pueda poseer y desarrollar su conocimiento institucional, permitiendo un amplio flujo de valor a través de industrias y países.
Hyperball es un envoltorio de optimizador simple que establece normas de Frobenius fijas para las matrices de pesos y sus actualizaciones. Mejora la velocidad de entrenamiento y la transferencia de la tasa de aprendizaje en modelos grandes, logrando una aceleración equivalente a tokens del 20--30% sobre las líneas base de weight decay en modelos de hasta 1.2B parámetros.
Los Operadores Neurales Factorizados (FaNO) descomponen representaciones espectrales en respuestas dinámicas equivariantes y persistentes invariantes. Esta estructura factorizada permite una mejor interpretabilidad, generalización y predicciones consistentes a través de escalas, dominios y regímenes físicos.
CEAP, un nuevo método de descubrimiento de circuitos, reduce sustancialmente la varianza de remuestreo en comparación con EAP-IG. El artículo muestra que la varianza por reformulación surge porque las plantillas de prompt activan diferentes circuitos, lo que sugiere que los LLM son inherentemente difíciles de dirigir a través de entradas diversas. La varianza por muestra es en gran medida benigna, ya que los puntajes bajos de fidelidad se deben al escalado selectivo de contribuciones, no a defectos del circuito.
Proponemos un nuevo algoritmo de descenso de gradiente funcional que adapta su representación durante la optimización. El método logra converger a un punto estacionario bajo pérdidas suaves y a un minimizador global bajo suavidad y una condición de Polyak-Lojasiewicz, a pesar de usar aproximaciones de dimensión finita. Supera tanto al FGD con aproximación fija como a las líneas base de redes neuronales en tareas de regresión, resolución de EDP y visión por computadora.