MakeupMirror, un modelo de transferencia de maquillaje basado en difusión, mejora la preservación de características faciales y tono de piel respecto a Stable-Makeup. Logra una mejora del +60% en similitud de reconocimiento facial y una reducción del -50% en diferencia de tono de piel, con un 94% de aceptación por expertos y una latencia de inferencia de 0.7s en conjuntos de datos diversos.
Una arquitectura híbrida de transformador de difusión en dos etapas permite una edición de audio guiada por instrucciones eficiente y precisa. Utiliza alineación semántica de grueso a fino mediante atención conjunta a baja resolución, seguida de una edición refinada con atención conjunta y cruzada alternada a alta resolución. El método logra un mejor rendimiento en tareas de edición complejas con mayor eficiencia y un modelo compacto.
Un nuevo modelo del mundo sensorimotor (SMWM) aprende representaciones latentes compactas y relevantes para la acción a partir de trayectorias offline. Utiliza regularización de dinámica inversa para evitar el colapso de la representación y alinear los estados latentes con los grados de libertad ambientales controlables, permitiendo un entrenamiento estable sin regularizadores complejos ni componentes congelados. SMWM logra un rendimiento competitivo en planificación en tareas de control 2D y 3D.
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.
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.
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.
Un nuevo sistema de tutoría adaptativo con LLM utiliza indicaciones conscientes del tema para mejorar la participación estudiantil. Supera a los modelos estáticos en simulación y demuestra efectividad en el mundo real, reduciendo las interacciones en 3 turnos y aumentando las tasas de conversión de ejercicios al 28.1% con una estrategia estocástica.
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.
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.
Un pipeline híbrido ANN-SNN utiliza codificadores EfficientNet preentrenados y convierte sus activaciones en trenes de picos mediante codificación por tasa. El sistema entrena un clasificador spiking CoLaNET con reglas de plasticidad local, logrando una precisión del 99.09% en el benchmark de 64 clases de ImageNet, igualando a las redes profundas convencionales.
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.
ModSync aborda la falla inducida por capacidad en los PINN evitando la modularidad funcional y la auto-partición de redes sobreparametrizadas. Mejora la interacción entre objetivos mediante una optimización estructural que penaliza las conexiones exclusivas de tareas mientras preserva las vías que promueven la interacción.
El soporte para el formato DFlash ha sido fusionado en el repositorio de llama.cpp. Esta actualización permite a los usuarios utilizar archivos DFlash dentro del marco.
Un nuevo marco llamado HISR utiliza hipergrafos para modelar relaciones complejas entre múltiples entidades, mejorando la precisión de la interpretación semántica hasta un 36.6% en comparación con los métodos existentes. Permite una inferencia semántica robusta bajo pérdida parcial de información al mapear entidades y relaciones de orden superior en subespacios semánticos dedicados.
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.
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.
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.
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.
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.
FlowMaps es un modelo de coincidencia de flujos latentes que predice las ubicaciones futuras de objetos en entornos 3D aprendiendo patrones espacio-temporales a partir de interacciones humanas. Supera a los métodos más avanzados en la navegación de objetos dinámicos a lo largo de más de 600 episodios tanto en entornos simulados como del mundo real.