arxiv arXiv cs.AI · hace 2 h

KinemaForge: Síntesis de URDF a partir de secuencias RGB-D

KinemaForge infiere conjuntamente la forma a nivel de partes, la topología de las articulaciones y los parámetros a partir de secuencias RGB-D utilizando un grafo de restricciones cinemáticas y un solucionador de ejes de tornillo diferenciable. Valida los resultados con un verificador consistente en energía, reduciendo el error del eje de la articulación y la deriva de la simulación, mientras mejora el éxito de la manipulación en bucle cerrado en 14,6 puntos porcentuales sobre Ditto.

arxiv arXiv cs.AI · hace 2 h

Escalado de AEB con datos masivos no etiquetados mediante SSL de meta-retroalimentación

Un marco de aprendizaje semi-supervisado de meta-retroalimentación permite escalar el frenado automático de emergencia utilizando datos masivos de flotas no etiquetados. El enfoque estabilizado reduce los errores de pseudo-etiquetas mediante desacoplamiento consciente del ruido y pseudo-etiquetado con compuerta cinemática, mejorando la seguridad con una relación de activaciones positivas a falsas de 100:1 y un 35% más de kilómetros de conducción sin accidentes en comparación con los sistemas basados en reglas.

arxiv arXiv cs.AI · hace 2 h

Xcientist: Externalización de la síntesis y validación de la investigación en científicos de IA

Xcientist presenta un marco de investigación que externaliza y hace visibles los procesos de razonamiento en los científicos de IA. Preserva artefactos de investigación trazables y gobernados por contratos, desde la formulación del problema hasta la validación, abordando la deriva de las afirmaciones y asegurando la responsabilidad científica.

arxiv arXiv cs.AI · hace 2 h

Redes neuronales conscientes del cambio de dominio para la estimación de masas desbalanceadas

Se propone una red neuronal consciente del cambio de dominio para estimar masas desbalanceadas en sistemas rotativos bajo condiciones variables. El modelo utiliza la discrepancia media máxima para alinear las representaciones de características entre diferentes dominios operativos, mejorando la precisión de la predicción cuando los comportamientos del sistema difieren de las condiciones de entrenamiento. Los resultados muestran su efectividad en aplicaciones de monitoreo de salud estructural.

arxiv arXiv cs.AI · hace 2 h

BeliefDiffusion: Planificación predictiva con modelos generativos para navegación

BeliefDiffusion combina modelos de difusión para la representación de creencias multimodales con Control Predictivo basado en Modelos (MPC) para la planificación de navegación a largo plazo. Supera al aprendizaje por refuerzo sin modelo y a otros métodos generativos en el éxito de la navegación y la eficiencia del camino en entornos parcialmente observables.

arxiv arXiv cs.AI · hace 2 h

Destilación de continuación guiada por habilidades para agentes GUI

SGCD introduce un marco iterativo para mejorar los agentes GUI abordando las brechas de supervisión en estados fuera de trayectoria. Extrae habilidades tanto de rollouts exitosos como fallidos, utilizándolas para guiar continuaciones de políticas que se mezclan con trayectorias expertas. En OSWorld-Verified, SGCD aumenta las tasas de éxito de tres modelos base desde el 30% bajo hasta más del 50%.

arxiv arXiv cs.AI · hace 2 h

SAERec: Priors de intención de gran detalle mediante autoencoders dispersos

SAERec construye priors de intención de gran detalle e interpretables a partir de corpus textuales utilizando autoencoders dispersos para desentrañar la semántica relacionada con la intención. Recupera intenciones tanto personales como públicas para los usuarios, guiando las recomendaciones con explicaciones comprensibles para humanos y supera a los modelos más avanzados en conjuntos de datos públicos.

arxiv arXiv cs.AI · hace 2 h

Los LLM tienen dificultades con la negación en el lenguaje figurado

Un estudio revela que los modelos de lenguaje grandes tienen dificultades para interpretar la negación en el lenguaje figurado. El rendimiento varía significativamente según el estilo del prompt, lo que destaca una limitación clave en la comprensión de estructuras lingüísticas complejas por parte de los modelos actuales.

arxiv arXiv cs.AI · hace 2 h

TransitNet alcanza un 95,2 % de precisión en búsquedas de tránsitos con baja relación señal-ruido

TransitNet, un marco compacto de aprendizaje profundo aumentado con atención, alcanza un 95,2 % de precisión en búsquedas ciegas de tránsitos con baja relación señal-ruido, superando a TLS y BLS en valores de ROC-AUC y PR-AP. Recupera el 93,0 % de los tránsitos inyectados del tamaño de la Tierra y sub-Tierra, con el 97,4 % de los tránsitos inyectados completamente cubiertos por las ventanas de tránsito estimadas, y recupera con éxito los 34 planetas confirmados de Kepler con un error medio en el punto medio de 1,24 horas.

arxiv arXiv cs.AI · hace 2 h

SciRisk-Bench: Una evaluación de referencia consciente de las dimensiones del riesgo para la seguridad en IA4Science

SciRisk-Bench introduce una evaluación de referencia para evaluar la seguridad de IA4Science mediante la evaluación de modelos en 7 disciplinas, 31 subdisciplinas y 10 dimensiones de riesgo. Evalúa tanto LLMs mainstream como orientados a la ciencia para identificar brechas específicas en el reconocimiento y la evitación de riesgos dentro de contextos científicos de alto riesgo.

arxiv arXiv cs.AI · hace 2 h

Desacoplar la búsqueda del razonamiento en agentes LLM

La fundamentación de búsqueda desacoplada (DSG) separa la funcionalidad de búsqueda de los modelos de razonamiento, permitiendo una fundamentación de búsqueda agnóstica al proveedor, ajustable y reutilizable. DSG logra una precisión casi nativa en SimpleQA con un 91% menos de costo de búsqueda y una tasa de acierto en caché caliente del 99.4%, mientras reduce la latencia en un 68% y preserva los contratos de salida concisos.

arxiv arXiv cs.AI · hace 2 h

RTSGameBench: Un benchmark de RTS para el razonamiento estratégico

RTSGameBench aborda las limitaciones de los benchmarks de RTS existentes ofreciendo una jugabilidad diversa, diagnóstico de competencias específicas y generación de escenarios autoevolutivos. Evalúa modelos de visión y lenguaje en el razonamiento estratégico bajo incertidumbre, revelando que los modelos de última generación tienen dificultades con la coordinación multiagente y tareas a gran escala.

arxiv arXiv cs.AI · hace 2 h

La Aumento de GAN Cuántico No Muestra Beneficio en Resonancia Magnética Cerebral

Un benchmark controlado no encontró ganancia significativa de rendimiento de modelos generativos cuánticos en aumento de resonancia magnética cerebral. Las muestras sintéticas producidas por GANs cuánticas y clásicas fueron estadísticamente indistinguibles, mostrando ambas colapso de modo y muestras fuera de distribución, especialmente a fracciones bajas de datos. El estudio concluye que el aumento cuántico no proporciona expansión significativa de datos y actúa más como regularización.

arxiv arXiv cs.AI · hace 2 h

CAPRA: Sistema de LLM multiagente para retroalimentación de arquitectura de software

CAPRA es un sistema de LLM multiagente que genera retroalimentación en LaTeX personalizada y conforme a plantillas sobre entregables de arquitectura de software. Utiliza agentes especializados, PyMuPDF y gpt-4o para extraer y analizar texto y diagramas UML, con anclaje de evidencia y gestión de consistencia para garantizar la fiabilidad. Una evaluación preliminar de 10 informes estudiantiles muestra que CAPRA cumplió el 88.8% de ocho criterios y logró un acuerdo moderado entre evaluadores (kappa = 0.582), con cada informe procesado en menos de 4 minutos.

arxiv arXiv cs.AI · hace 2 h

ThinkDeception: Marco de detección de engaño multimodal interpretable

ThinkDeception introduce un marco de aprendizaje por refuerzo progresivo que permite la detección de engaño multimodal interpretable. Aprovecha un conjunto de datos de Cadena de Pensamiento anotado paso a paso y propone la Optimización de Política Relativa Grupal Visual-Audio con un currículo dinámico, mejorando la calidad del razonamiento y superando a los métodos existentes en benchmarks principales.

arxiv arXiv cs.AI · hace 2 h

G-IdiomAlign: Benchmark con pivote de glosa para la alineación de modismos multilingües

G-IdiomAlign introduce un benchmark con pivote de glosa que utiliza glosas en inglés de Wiktionary para anclar los modismos. Incluye protocolos de equivalencia de opción múltiple controlada y generación contrastiva de glosas, mostrando que las glosas mejoran el rendimiento en la alineación semántica basada en embeddings, aunque los resultados siguen siendo modestos, lo que indica un potencial significativo de mejora en la generación de modismos multilingües.

arxiv arXiv cs.AI · hace 2 h

TRAP: Benchmark para la finalización de tareas y resistencia a la extracción activa de privacidad

TRAP evalúa qué tan bien los modelos completan tareas utilizando datos privados sin filtrarlos. En 22 modelos, todos muestran una filtración de privacidad no trivial, con la capacidad de seguir instrucciones vinculada a una mayor filtración. El aislamiento estructural de campos privados previene la filtración reemplazando los campos privados con claves hash, manteniendo la precisión de la tarea sin sacrificar la privacidad.

arxiv arXiv cs.AI · hace 2 h

Destacado: Uso de GPUs Spot para acelerar el post-entrenamiento RL de DiT

Spotlight habilita el post-entrenamiento RL de DiT aprovechando GPUs spot inactivas, reduciendo los costos entre 1.4 y 6.4 veces mientras se logra una calidad de imagen superior. Utiliza pesos de modelo desactualizados en la exploración y reconfigura el paralelismo de secuencias en tiempo real, permitiendo un uso eficiente de las GPUs sin interrumpir los pipelines de entrenamiento.

arxiv arXiv cs.AI · hace 2 h

FoMoE rompe la barrera de réplicas completas con capas de expertos particionadas

FoMoE introduce un sistema que particiona las capas de expertos entre trabajadores para evitar réplicas completas del modelo, reduciendo los costos de comunicación hasta 1.42x en comparación con las bases eficientes y 45.44x en comparación con DDP. Logra aceleraciones de rendimiento de hasta 1.4x mediante un mecanismo de salto de tokens y demuestra un enrutamiento estable, con beneficios proyectados que se extienden a modelos de escala 100B a través del modelado del sistema.

arxiv arXiv cs.AI · hace 2 h

El Transformer de Visión LSTM mejora la predicción del error de pronóstico HRRR

Un marco híbrido de LSTM-Transformer de Visión mejora la predicción de errores de pronóstico HRRR al integrar perfiles atmosféricos de profilers mesonet. Logra hasta una mejora de dos veces en la predicción del error de precipitación, especialmente durante períodos activos de la capa límite planetaria, al capturar mejor la evolución del error convectivo y reducir la degradación relacionada con la PBL.