Una nueva métrica, AUC entre conjuntos de datos (Cross-AUC), aborda las limitaciones de las evaluaciones tradicionales de AUC al promediar los AUC por dominio e incorporar la polarización de las predicciones mediante la Distancia de Wasserstein. Refleja mejor el rendimiento en el mundo real bajo cambios de dominio y proporciona interpretaciones claras sobre la degradación del detector.
AGDN introduce un marco de red neuronal de grafos que aborda los priores topológicos y la pérdida de conectividad en TSP. Utiliza una matriz de transición MixScore y difusión anisotrópica para permitir un intercambio eficiente de información, superando a los métodos existentes en diversos tamaños de problema y distribuciones mientras mantiene un tiempo de cómputo competitivo. La implementación está disponible en GitHub.
Un nuevo sistema automatizado aborda el desequilibrio extremo de clases y el ruido asimétrico en las etiquetas de los datos de Frenado Automático de Emergencia. Utiliza aumento de datos dirigido y supresión de ruido para identificar disparadores raros retardados y falsos con un 80% de mejora en la recuperación y una reducción del 50% en el esfuerzo de anotación manual, permitiendo la auto-mejora continua en la optimización del AEB a bordo del vehículo.
Un nuevo marco de RL enfocado en entrenamiento conjuntamente un pronosticador y un controlador de carga para manejar tiempos de salida desconocidos de vehículos eléctricos. Al alinear la precisión del pronóstico con la calidad de las decisiones posteriores, el método logra hasta un 14% más de recompensa total y una reducción del 55% en energía no suministrada en comparación con los enfoques estándar de RL.
Una nueva teoría modela cómo las paráfrasis semánticas pueden engañar a los clasificadores de sentimiento financiero analizando el desplazamiento en el peor caso de las representaciones del modelo objetivo. El índice de atacabilidad λ*(x) se deriva del mayor autovalor generalizado de un lápiz matricial (A,B), ofreciendo predicciones de forma cerrada y certificados de robustez para salidas afines. El marco conecta la teoría de perturbaciones continuas con la búsqueda discreta de paráfrasis, con validación empírica en clasificadores de texto financiero reales.
XGBoost-Forget permite el desprendimiento de aprendizaje eficiente para modelos XGBoost en conjuntos de datos tabulares de intrusiones de red. Mantiene el rendimiento del modelo mientras logra un desprendimiento más rápido en comparación con el reentrenamiento completo, abordando una brecha en la investigación sobre desprendimiento de aprendizaje para datos tabulares en la detección de intrusiones de red.
MAST, un método de olvido guiado por mecanismos, logra el olvido dirigido del razonamiento inducido por RLVR con daños colaterales mínimos. En Qwen2.5-Math-1.5B y Qwen3-1.7B-Base, reduce significativamente el rendimiento en MATH (de 45/150 a 37/15-0) mientras preserva la precisión de GSM8K en +0.8 puntos y mantiene la retención de MATH en -0.5 puntos. Los resultados se mantienen consistentes entre diferentes semillas, objetivos y modelos, mostrando una estabilidad superior frente al olvido de parámetros completos.
Un marco de optimización bayesiana con humano en el bucle extiende el Muestreo Guiado por la Frontera de Pareto al incorporar satisfacción probabilística de restricciones y robustez de entrada como objetivos explícitos. Permite a los expertos del dominio refinar iterativamente los criterios de selección mediante proyecciones interactivas en un tablero de control de las compensaciones entre rendimiento, incertidumbre y viabilidad en la optimización del cultivo de células CHO.
STARE aborda el colapso de la entropía de la política en el aprendizaje por refuerzo basado en GRPO identificando subconjuntos de tokens críticos para la entropía mediante cuantiles de sorpresal y reponderando sus ventajas. Mantiene una entropía de la política estable a través de escalas de modelos y tareas, superando a DAPO y otras líneas base entre un 4% y un 8% en AIME24 y AIME25, con un equilibrio consistente entre exploración y explotación.
TxBench-PP es una benchmark verificable para farmacología preclínica de moléculas pequeñas, que prueba la capacidad de los agentes de IA para derivar conclusiones precisas a partir de datos de ensayos del mundo real. En 16 configuraciones de model-harness, ningún sistema tomó decisiones de farmacología preclínica correctas de manera confiable, con el mejor rendimiento en 59.3% (Claude Opus 4.8 / Pi) y 55.3% (GPT-5.5 / Pi) de intentos de punto final.
TGO-I analiza la geometría espectral de los Vision Transformers utilizando ViT-Small/16 entrenado en ImageNet-100. Revela un aumento en la utilización dimensional y una reducción de la anisotropía, con espectros propios que se vuelven más planos y entropía espectral creciente. El token CLS final muestra la mayor dimensionalidad efectiva y la menor anisotropía, lo que indica una distribución amplia de varianza a través de las dimensiones.
Una red neuronal gráfica mejora los solucionadores multigrid algebraicos al predecir coeficientes polinómicos óptimos para operadores pseudo-inversos dispersos. El método reduce las iteraciones del ciclo V y logra aceleraciones en tiempo real de 4% a 37% en benchmarks, con un rendimiento robusto en mallas hasta 128 veces más grandes que los datos de entrenamiento y en problemas industriales no vistos como AirfRANS.
OneCanvas permite la comprensión de escenas 3D en Modelos Visión-Lenguaje agregando características de parches sobre un único lienzo panorámico utilizando coordenadas del mundo 3D. Alcanza rendimiento de vanguardia en SQA3D y VSI-Bench, y se generaliza a datos fuera de distribución en SPBench, utilizando significativamente menos capacidad de entrenamiento que los métodos existentes.
SCAN mejora la detección de anomalías en series temporales basada en reconstrucción mediante la integración de agrupamiento multiescale centrado en el vecindario. Utiliza representaciones del centro del clúster para restringir la reconstrucción de patrones normales y deriva una puntuación de confianza de anomalía basada en la probabilidad de pertenencia al clúster, combinada con el error de reconstrucción. Experimentos extensos en conjuntos de datos reales muestran que SCAN alcanza un rendimiento de vanguardia.
Un estudio evalúa la clasificación de cargas de trabajo de GPU utilizando únicamente telemetría NVML de cero sobrecarga. El clasificador logra una precisión del 98,2% en la identificación de cargas de trabajo de entrenamiento y una precisión del 43-87% frente a cargas de trabajo adversarialmente disfrazadas e inesperadas en 9 modelos de GPU.
Gibbs de Lenguaje Grande utiliza distribuciones condicionales de LLM como operadores de transición para el remuestreo iterativo de variables. Este método permite una inferencia probabilística coherente e independiente del orden al lograr una distribución estacionaria que equilibra los condicionales locales, ofreciendo una alternativa práctica a la generación de un solo pase para tareas de razonamiento estructurado.
Un usuario del subreddit LocalLLaMA informa que su LLM local basado en llama.cpp comenzó a encontrar bloqueos de CAPTCHA de DuckDuckGo esta mañana. El artículo pregunta si otros usuarios están experimentando problemas similares con las medidas anti-bot de DuckDuckGo.
Un usuario de Reddit está solicitando datos del mundo real sobre implementaciones empresariales de inteligencia artificial autoalojada, distinguiendo el uso real en producción de las pruebas de aficionados.
Un usuario de Reddit compartió una imagen que muestra una interfaz de aplicación simulada que requiere escaneo facial, verificación de huellas dactilares y validación de pasaporte para unirse a la vista previa de GPT 5.6 Sol. La publicación caracteriza estos estrictos pasos de verificación de identidad como inusuales o "locos" para acceder a una vista previa del modelo.
Una nueva perspectiva sostiene que la investigación en IA de imagen médica debería priorizar la innovación conceptual —reformulación de problemas, métricas de evaluación y relevancia clínica— por encima de las mejoras algorítmicas por sí solas. El artículo destaca que los incentivos académicos actuales subestiman las contribuciones conceptuales, lo que lleva a objetivos desalineados e impacto limitado en el mundo real, y ofrece recomendaciones para investigadores, mentores y revistas con el fin de apoyar mejor dicha innovación.