Stanford presenta SEFD, una reconstrucción fiel a la disposición de las presentaciones ante la SEC en MultiMarkdown. El conjunto de datos SEFD-v1 con 152B tokens permite el modelado del lenguaje financiero e incluye benchmarks para pronósticos y transcripción de tablas, con menos del 0.1% de superposición con Common Crawl.
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 ante la corrupción de imágenes.
Se introduce un bucle agénico ReAct compatible con T-API para redes ópticas, que permite la gestión en circuito cerrado basada en intenciones. Las herramientas compuestas específicas del dominio logran una corrección validada por oráculo del 90% y reducen el uso de tokens en tres veces en comparación con las herramientas genéricas.
C2FL es un enfoque de aprendizaje federado distribuido que permite a los nodos autoorganizarse en clústeres espaciales basados en proximidad geográfica. Aborda la deriva temporal combinando repetición de experiencias con promediado adaptivo consciente del tiempo de permanencia, permitiendo a los nodos mantener conocimiento actualizado y específico de la región mientras se adaptan a las distribuciones de datos en evolución.
Este artículo presenta la Teoría del Comportamiento del Consumidor con LLM, un nuevo campo que analiza cómo los modelos de lenguaje grandes toman decisiones de consumo en nombre de los usuarios. Unifica investigaciones sobre la toma de decisiones con LLM, la simulación del comportamiento humano y la elicición de preferencias bajo principios económicos, identificando brechas clave en supuestos como la racionalidad y la heterogeneidad en mercados basados en agentes.
LegalHalluLens introduce un marco para auditar alucinaciones de la IA en contextos legales mediante el análisis de perfiles de alucinación tipificados en cuatro categorías de afirmaciones. Revela una brecha de 38-40 puntos entre las afirmaciones obligatorias/numéricas y temporales, y muestra que dos sistemas con tasas de alucinación idénticas del 52% pueden tener direcciones de riesgo opuestas. El marco utiliza un Índice de Dirección de Riesgo y pipelines de debate calibrados para reducir las detecciones fabricadas en un 45% y mejorar la responsabilidad en el despliegue de IA legal.
Una teoría en el espacio de funciones revela que el olvido catastrófico en la adaptación continua se concentra en un pequeño número de modos propios NTK de tareas anteriores. En PEFT-CL con cabeza lineal y backbone congelado, el vector de olvido es exactamente predecible hasta la precisión numérica, con una regla de escalado de Kronecker para el rango vulnerable.
Un estudio descubre que los supuestos basados en ajuste fino sobre la transferencia entre idiomas no se aplican en el aprendizaje en contexto con pocos ejemplos. La investigación revela que la selección del idioma de origen impacta significativamente el rendimiento e identifica nuevas heurísticas para un ICL multilingüe efectivo.
ProvenanceGuard introduce un verificador consciente de la fuente para agentes LLM basados en MCP que detecta la confluencia entre fuentes al enrutar afirmaciones a fuentes de evidencia específicas y comparar la atribución declarada con la propiedad real de la fuente. Logra un F1 por bloque de 0.802 y una precisión de fuente de 0.858 en 260 afirmaciones elegibles por fuente, superando a las líneas base ciegas a la fuente, y detecta todos los intercambios de atribución inyectados en 50 pruebas clínicas.
Los LLM pueden generar respuestas similares a las de pares que imitan narrativas personales, creando una falsa impresión de experiencia vivida. El análisis psicolingüístico muestra que la IA utiliza menos lenguaje en primera persona y centrado en el pasado que los humanos, y a menudo fabrica fundamentos experienciales. Esto revela una brecha en la autenticidad narrativa, requiriendo que los sistemas de IA distingan entre un marco de apoyo y una experiencia vivida fabricada.
PseudoBench evalúa la capacidad de los sistemas de auto-investigación agéntica para detectar afirmaciones seudocientíficas. Al probar siete agentes de última generación, encuentra tasas de rechazo cercanas a cero y solo un 27,4% de resistencia a las narrativas seudocientíficas. Los sistemas actuales suelen presentar la seudociencia con lenguaje científico creíble, lo que destaca un riesgo crítico para la integridad científica.
Un estudio de 14.727 indicaciones de seguridad y privacidad de 3,2M de conversaciones reales entre usuarios y LLMs identifica nueve categorías de preguntas de S&P. El análisis temático y las pruebas de respuesta muestran que los LLMs comerciales superan a los modelos abiertos, con GPT 5.5 proporcionando buenas respuestas en el 98% de las indicaciones frente al 47% de Llama 4, aunque algunos modelos comerciales producen respuestas inconsistentes entre ejecuciones.
ScaFE propone el uso de modelos de lenguaje grandes como ingenieros de características para transformar imágenes médicas en representaciones clínicamente interpretables. Al generar código Python determinista a partir de criterios establecidos de evaluación de cicatrices, extrae características alineadas con sistemas de puntuación clínica como la Escala de Cicatrices de Vancouver. El método logra un rendimiento superior con datos limitados, con ventajas en eficiencia de datos, preservación de la privacidad e interpretabilidad.
Un marco de IA multiagente aborda el traspaso prematuro del diagnóstico y las alucinaciones silenciosas en la atención médica mediante la aplicación estricta de protocolos clínicos estructurados y la cuantificación de la incertidumbre epistémica. Las evaluaciones en 150 casos simulados muestran una precisión diagnóstica del 49,3%, una mejora de 11,3 puntos porcentuales sobre la línea base, con una correlación negativa estadísticamente significativa entre la completitud de OLDCARTS y la incertidumbre diagnóstica.
Los modelos generativos de Volterra proponen un marco continuo basado en puntuación que utiliza núcleos fraccionarios para inyectar ruido dependiente de la trayectoria, evitando el ruido sin memoria en los modelos de difusión tradicionales. El enfoque emplea elevaciones markovianas de dimensión finita y demuestra una generación mejorada en MNIST y CIFAR-10, con un muestreador de puente que mejora la estabilidad para modelos más grandes.
HyGRAG introduce un marco de Graph RAG jerárquico que integra información contextual y relacional a través de resúmenes sintetizados. Permite la recuperación de conocimiento emergente mediante búsqueda consciente del contexto y las relaciones en múltiples niveles de abstracción y admite actualizaciones dinámicas con re-resumen local. Los experimentos muestran una mejora del 9,7% en la precisión del razonamiento multi-hop.
EAGG introduce un generador de agarres que alinea la estructura de la representación dentro de un modelo compartido utilizando gráficos conscientes de la topología y tokens conscientes de la geometría. Logra un 56,17% de éxito promedio en MultiGripperGrasp, igualando a modelos especializados dentro de 1,10 puntos porcentuales y reduciendo la distancia media de contacto de 0,239 cm a 0,189 cm.
S4oP introduce un método de poda incremental a nivel de operador para los modelos S4 y S4D, reduciendo el costo de inferencia hasta en un 70% mientras mantiene el rendimiento. El enfoque combina enmascaramiento estructurado con ajuste fino y rastrea conjuntamente la precisión y la latencia, permitiendo el despliegue eficiente de SSMs en dispositivos con recursos limitados.
IsabeLLM, una herramienta automatizada de demostración de teoremas en Isabelle, incorpora un marco de Generación Aumentada por Recuperación, rastreo de errores y generación de contraejemplos para mejorar el contexto de los modelos de lenguaje grandes. La versión actualizada demuestra un mejor rendimiento en la verificación del protocolo de consenso de Prueba de Trabajo de Bitcoin en comparación con la original.
Un nuevo método mejora el anclaje en GUI mediante el uso de puertas de corrección suave y escalado de probabilidades del maestro para mejorar las señales de los tokens de coordenadas del maestro. Estos componentes trabajan juntos para suprimir la supervisión poco fiable y calibrar las señales restantes, con experimentos que muestran mejoras consistentes en el rendimiento a través de seis puntos de referencia.