PQLRM es un algoritmo de aprendizaje por refuerzo multiobjetivo que combina Q-Learning de Pareto con Máquinas de Recompensa para manejar recompensas no markovianas. Converge más rápido que el PQL ingenuo en MDPs de producto cruzado y genera políticas pareto-óptimas más allá de la capacidad de QRM.
Una nueva taxonomía clasifica los protocolos de comunicación de agentes LLM en cinco dimensiones: contraparte, carga útil, estado de interacción, mecanismo de descubrimiento y flexibilidad del esquema. El análisis muestra que las cargas útiles híbridas, la persistencia del estado de sesión y la negociación de esquemas en tiempo de ejecución son comunes, mientras que el descubrimiento descentralizado sigue siendo raro. El estudio predice una convergencia a corto plazo hacia protocolos unificados de agente-a-agente y agente-a-contexto, y una evolución a largo plazo hacia una pila de protocolos federada y en capas.
El Marco de Dinámicas de Coevolución Humano-IA (HACD-H) introduce un modelo unificado para la interacción a largo plazo entre humanos e IA, integrando adaptación emocional, memoria y personalidad en un sistema autoorganizado. Los resultados muestran que la inteligencia social emerge a través de la coevolución, con una correlación negativa significativa entre la inteligencia social y la energía cognitiva social (r = -0.391, p < 0.001), y una reducción progresiva de la energía con el tiempo.
OrthoReg introduce regularización ortogonal para evitar que los componentes neurales reaprendan estructuras simbólicas en sistemas dinámicos híbridos. Al penalizar directamente la superposición entre las partes simbólicas y neurales, permite una descomplementaria donde los modelos simbólicos capturan la física expresable y los componentes neurales manejan la dinámica restante. En benchmarks con desajuste parcial de bibliotecas, OrthoReg mejora la recuperación simbólica y el rendimiento fuera de distribución.
AdsMind es un sistema multiagente de bucle cerrado que utiliza campos de fuerza basados en aprendizaje automático y retroalimentación para corregir errores en las búsquedas de configuraciones de adsorción sobre superficies catalíticas. Alcanza tasas de éxito del 100% y 98.8% en los benchmarks AA20 y OCD-GMAE62, reduce la dispersión energética 14 veces en comparación con las líneas base y mantiene los signos correctos de energía de adsorción en la validación DFT, superando a los agentes LLM de bucle abierto.
Radical AI ha acelerado el descubrimiento de materiales al producir y caracterizar 1.200 aleaciones en seis meses, casi 10 veces más rápido que el objetivo de DARPA/GE MACH de 500 aleaciones en un año. Sus laboratorios autónomos utilizan científicos de IA para generar y probar hipótesis en sistemas de bucle cerrado, lo que ha llevado a 300 nuevos materiales, con 10 exhibiendo propiedades novedosas y de vanguardia que ahora se están desarrollando para uso comercial.
GLM-5.2, un modelo de 744B parámetros de Z.ai, ha sido evaluado como el mejor modelo de programación frontend a nivel mundial, superando a todas las versiones de Opus, incluyendo Opus 4.8. Este logro se destaca en evaluaciones de terceros que validan las pruebas oficiales offline, marcando un hito significativo para un modelo de su tamaño, particularmente en el competitivo dominio de la programación frontend.
LegalHalluLens presenta un marco para auditar alucinaciones de IA en contextos legales mediante el análisis de perfiles tipificados de alucinaciones 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%, ofreciendo diagnósticos accionables para el despliegue confiable de IA legal.
Los Modelos de Difusión Enmascarados Recursivos (R-MDMs) introducen la profundidad recursiva como un tercer eje de escalado al reaplicar un transformador de denoising dentro de cada paso de difusión. Esta recursión permite el refinamiento iterativo de la salida sin aumentar el número de parámetros, logrando un rendimiento comparable al de modelos no recursivos con hasta L veces más parámetros, donde L es el número de iteraciones. Los R-MDMs también reducen el cómputo de inferencia al reemplazar parcialmente los pasos de denoising con refinamiento recursivo.
LoopCoder-v2, un modelo Transformer de bucles paralelos, alcanza un rendimiento superior en generación y razonamiento de código con dos bucles, mejorando SWE-bench Verified de 43.0 a 64.4 puntos y Multi-SWE de 14.0 a 31.0 puntos. Las variantes con tres o más bucles tienen un rendimiento peor, lo que indica un efecto no monótono del conteo de bucles debido al creciente desajuste posicional y rendimientos decrecientes.
LoopCoder-v2, un modelo Transformer de bucles paralelos, logra ganancias significativas en generación de código y razonamiento con dos bucles, mejorando SWE-bench Verified de 43.0 a 64.4 puntos y Multi-SWE de 14.0 a 31.0 puntos. Las variantes con tres o más bucles tienen un rendimiento peor, mostrando rendimientos decrecientes y actualizaciones oscilatorias debido a desajustes posicionales por desplazamientos entre bucles.
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.
INI-VPINN es una red neuronal variacional informada por física que aplica implícitamente condiciones de Neumann e interfaz mediante funciones de ponderación de soporte compacto e integración por partes. Logra mayor precisión y convergencia más rápida que los métodos PINN existentes al resolver problemas multimatéricos con singularidades geométricas y condiciones mixtas de frontera, y está disponible públicamente en GitHub.
Proponemos un método que utiliza el desacuerdo del campo de velocidades para cuantificar la incertidumbre epistémica en modelos de visión-lenguaje-acción basados en emparejamiento de flujos. Esta estimación de la incertidumbre permite la detección de fallos durante el despliegue y el ajuste fino activo a través del marco SAVE, que reduce las demostraciones expertas en al menos un 22% en comparación con los métodos base, con predicciones mejor calibradas en el benchmark LIBERO.
ConTex reformula la generación de contrafactuales para la predicción de series temporales como un problema de intervención globalmente consistente. Logra validez de última generación con intervenciones dispersas e interpretables, reduce el costo computacional entre 12 y 36 veces, y permite inferencia en tiempo real en aproximadamente 0.007 segundos.
ScaFE reposiciona los grandes modelos de lenguaje como ingenieros de características para la clasificación de cicatrices, generando código Python ejecutable a partir de criterios clínicos para extraer características interpretables. El marco logra un rendimiento superior con datos limitados, preserva la privacidad al procesar las imágenes localmente y produce características fundamentadas en la clínica alineadas con sistemas de puntuación establecidos como la Escala de Cicatrices de Vancouver.
NoiseTilt introduce NTRK, un muestreador de difusión guiado por recompensa que inyecta gradientes de recompensa a través del término de ruido sin alterar el kernel inverso. Al utilizar un operador de blanqueo, NTRK sesga de forma segura el ruido hacia la alta recompensa, preservando la calidad de la muestra mientras mantiene una fuerte guía. En la generación estética, NTRK logra un rendimiento de recompensa superior con 25 NFEs, reduciendo el cómputo en 20× en comparación con las líneas base más avanzadas.
Los modelos generativos de Volterra proponen un marco basado en puntuación de tiempo continuo que utiliza núcleos fraccionarios para inyectar ruido dependiente de la trayectoria, evitando el enmascaramiento sin memoria en los modelos de difusión tradicionales. El enfoque introduce elevaciones markovianas de dimensión finita y demuestra cotas de error cuadrático, mostrando una generación mejorada en MNIST y potencial para imágenes naturales, con un muestreador de puente que mejora la estabilidad para modelos más grandes.
TSCD utiliza matrices de covarianza de datos observacionales e intervencionales para identificar estructuras causales en modelos de ecuaciones estructurales lineales sobre DAGs. Requiere únicamente ruido no correlacionado y logra órdenes y parámetros causales identificables con conteos logarítmicos de intervenciones, escalando a cientos de variables mientras permanece robusto al ruido y competitivo frente a métodos existentes.
El artículo establece que el índice \mathbb{Z}_2\ está acotado superiormente por una función lineal del número de replicabilidad de lista. Demuestra una fuerte separación entre el sign-rank y el índice \mathbb{Z}_2\, y muestra que la replicabilidad de lista está acotada superiormente por la altura y el número mínimo de estrellas, con un resultado de composición para el producto de clases de conceptos.