korshunov.ai
Español
Todos los artículos Página 1 / 94
arxiv arXiv cs.AI · hace 1 h En vivo

Marco de doble agente para traducción verificada entre modelos

Un marco de doble agente convierte protocolos experimentales en lenguaje natural en comandos ejecutables para plataformas robóticas de laboratorio. Utiliza un Agente Analizador y un motor de mapeo basado en reglas para traducir los protocolos, con un Agente de Validación LLM heterogéneo que asegura la precisión e inicia la autocorrección. El marco permite con éxito la ejecución autónoma de extremo a extremo de experimentos basados en placas de microtitulación como el ensayo de Bradford.
arxiv arXiv cs.AI · hace 1 h En vivo

ScaffoldAgent: Optimización dinámica de esquías guiada por utilidad

ScaffoldAgent introduce un marco guiado por utilidad para la optimización dinámica de esquemas en investigación profunda abierta. Modela la evolución del esquema a través de operaciones de Expansión, Contracción y Revisión, guiadas por un mecanismo de retroalimentación que evalúa la ganancia de recuperación, la coherencia estructural y la calidad de generación. Los experimentos muestran que mejora la generación de informes de formato largo y el anclaje factual en comparación con agentes existentes.
arxiv arXiv cs.AI · hace 1 h En vivo

Emparejamiento de flujos consciente de la frecuencia para la generación de acciones robóticas

El emparejamiento de flujos consciente de la frecuencia (FAFM) permite la generación continua y temporalmente consistente de acciones robóticas transformando secuencias discretas de acciones al dominio de la frecuencia mediante la transformada coseno discreta. Regulariza las derivadas temporales de primer orden con una restricción de tipo Sobolev para asegurar acciones suaves, mejorando las tasas de éxito, la suavidad del movimiento y la robustez en tareas sintéticas y del mundo real sin añadir parámetros a la red.
arxiv arXiv cs.AI · hace 1 h En vivo

RACL: Capa de Control de Agente de Razonamiento para Aprendizaje Metaheurístico

RACL introduce un agente de razonamiento que controla el comportamiento de búsqueda metaheurística sin reemplazar optimizadores ni alterar restricciones. Mejora o iguala políticas clave en experimentos de enrutamiento de vehículos, reduciendo el costo promedio en un 8.337% frente a las políticas Fijas y en un 1.605% frente a las políticas Activadas por Estancamiento, sin sobrecarga computacional significativa.
arxiv arXiv cs.AI · hace 1 h En vivo

BIM-Edit: Evaluación de LLMs para la edición de BIM basada en IFC

BIM-Edit presenta un benchmark para evaluar modelos de lenguaje grandes en la edición de Modelos de Información de Construcción en formato IFC mediante lenguaje natural. Incluye 324 tareas de edición en 11 modelos de edificios reales y 36 sintéticos, evaluando precisión geométrica, validez semántica y consistencia topológica. El mejor modelo alcanza solo un puntaje promedio del 49.5%, sin que ningún modelo resuelva más del 3.4% de las tareas, lo que destaca una brecha significativa en las capacidades de los LLMs para flujos de trabajo de diseño de ingeniería.
arxiv arXiv cs.AI · hace 1 h En vivo

Se descubre que las representaciones de la calidad del ensayo en los LLM son linealmente accesibles

Un estudio revela que la información sobre la calidad del ensayo en los modelos de lenguaje grandes está codificada en formas linealmente accesibles dentro de sus representaciones ocultas. Estas representaciones emergen capa por capa, permanecen estables entre diferentes prompts y muestran transferencia parcial entre distintos prompts de ensayo, con los ensayos más largos dependiendo más de las capas más profundas del modelo. La investigación identifica 'neuronas específicas para la puntuación de ensayos' cuya activación se correlaciona fuertemente con las puntuaciones y puede ser influenciada por intervenciones dirigidas.
arxiv arXiv cs.AI · hace 2 h

MedRLM: Marco de Inteligencia Clínica Multimodal Recursiva

Los MedRLs permiten el razonamiento clínico de contexto largo mediante la inspección recursiva de datos del paciente a través de texto, imágenes, sensores y guías. Integra agentes especializados y una Memoria de Grafo de Evidencia Clínica para conectar observaciones con evidencia y criterios de referencia, apoyando el razonamiento activado por sensores y la revisión clínica con puerta de incertidumbre.
arxiv arXiv cs.AI · hace 2 h

Benchmark RS-Neg y método NeFo para la comprensión de negación en MLLMs de teledetección

RS-Neg es el primer benchmark para evaluar la comprensión de negación en tareas de teledetección a través de escenarios a nivel de región y a nivel de escena. Revela que los MLLMs avanzados de teledetección tienen dificultades con la negación, mostrando alucinaciones y caídas de rendimiento. NeFo, un método de aprendizaje en tiempo de prueba, mejora la comprensión de la negación utilizando solo el 5% de datos de prueba sin etiquetar y se generaliza bien a nuevas tareas.
arxiv arXiv cs.AI · hace 2 h

HilDA: Destilación jerárquica con difusión para preentrenamiento auto-supervisado de LiDAR

HilDA introduce un marco de preentrenamiento auto-supervisado para backbones de LiDAR que utiliza destilación jerárquica y difusión de ocupación temporal para mejorar la comprensión semántica y geométrica. Logra resultados de última generación en benchmarks de destilación cross-modal y supera a métodos anteriores en detección de objetos 3D, flujo de escena y predicción de ocupación semántica.
arxiv arXiv cs.AI · hace 2 h

Los perfiles psicológicos de los LLM son artefactos de medición

Un análisis psicométrico formal muestra que los aparentes perfiles psicológicos de los modelos de lenguaje grandes están impulsados principalmente por el sesgo de respuesta, no por rasgos reales. Este sesgo, que hace que los modelos favorezcan consistentemente un extremo de una escala, explica del 81% al 90% de la variación entre modelos, superando ampliamente las diferencias humanas. El estudio concluye que estos perfiles son artefactos del diseño del instrumento y no propiedades verdaderas del modelo, instando al desarrollo de evaluaciones basadas en la ortogonalidad de la respuesta.
arxiv arXiv cs.AI · hace 2 h

Presentación de la Puntuación de Violación de Reglas para Cumplimiento Lógico

Presentamos la Puntuación de Violación de Reglas (RVS), una métrica que evalúa qué tan bien los modelos predictivos se adhieren a reglas lógicas. RVS distingue entre reglas estrictas y flexibles, funciona con cualquier conjunto de datos relacional y modelo, y puede calcularse mediante consultas SQL para reglas de Horn. La evaluación en múltiples conjuntos de datos muestra que los modelos con precisión predictiva similar pueden diferir enormemente en cumplimiento lógico, destacando la capacidad de RVS para revelar comportamientos pasados por alto por las métricas estándar.
arxiv arXiv cs.AI · hace 2 h

Aprendizaje por Refuerzo Profundo para la Mejora de la IA en Videojuegos

Este artículo propone un marco para aplicar el aprendizaje por refuerzo profundo a la IA de los videojuegos, con el objetivo de crear personajes más creíbles y similares a los humanos. Aborda las limitaciones actuales en el despliegue de agentes de aprendizaje automático en videojuegos e identifica los principales desafíos de investigación que podrían acelerar la adopción de la IA en la industria de los videojuegos.
arxiv arXiv cs.AI · hace 2 h

Detección de deriva de conceptos basada en el aprendiz: Análisis y evaluación

Este estudio analiza y evalúa algoritmos de detección de deriva de conceptos a través de varias categorías utilizando conjuntos de datos de streaming sintéticos y del mundo real. Examina las características de la deriva y evalúa el rendimiento de los detectores bajo escenarios de deriva abrupta y gradual para mejorar la comprensión del comportamiento de la deriva y la aplicabilidad de los detectores.