arxiv arXiv cs.LG · hace 1 h En vivo

UNIEGO: Representación egocéntrica unificada mediada por proxy

UNIEGO introduce un marco de destilación jerárquica multi-profesor que utiliza modelos proxy para mediar la transferencia de conocimiento desde nueve profesores diversos en puntos de vista y modalidades. La etapa de Destilación de Proxy Selectiva (SPD) selecciona adaptativamente proxies confiables durante el entrenamiento, mejorando la calidad y estabilidad de la representación. UNIEGO logra resultados de vanguardia en reconocimiento de acciones, recuperación de video y segmentación de acción en benchmarks ego-exo.

arxiv arXiv cs.LG · hace 1 h En vivo

¿Qué tan transparente es DiffusionGemma?

DiffusionGemma tiene una transparencia de variables deficiente debido a su alta profundidad serial opaca, pero esto puede mitigarse mediante un cuello de botella de tokens interpretable, reduciendo la profundidad serial a 1.1X la de Gemma 4. La transparencia algorítmica es más desafiante en los modelos de difusión debido a los cambios dinámicos de tokens, aunque los estudios de caso revelan fenómenos novedosos como el razonamiento no cronológico y el razonamiento con contexto intermedio. Se encuentra que DiffusionGemma es monitoreable de manera similar a Gemma 4.

arxiv arXiv cs.AI · hace 1 h En vivo

Agente Economista de IA: Marco de Análisis Económico Basado en Modelos

El Agente Economista de IA utiliza RAG, grafos de conocimiento y LLMs para generar narrativas económicas fundamentadas en teoría y datos. Permite análisis basado en modelos, recuperación de evidencia y generación de informes, asegurando coherencia económica y trazabilidad a través de cálculos explícitos del modelo.

arxiv arXiv cs.AI · hace 1 h En vivo

See-and-Reach: Navegación de visión-lenguaje para UAVs en el campo de visión

UAV-VLN-FOV aísla la etapa de ver-y-alcanzar para una evaluación precisa de la navegación de UAV. 3DG-VLN mejora la fundamentación visual y la alineación espacial utilizando pistas de dirección 3D dinámicas, logrando una mejora del 13.82% en la tasa de éxito sobre las líneas base y validado en pruebas del mundo real.

arxiv arXiv cs.AI · hace 1 h En vivo

El Administrador de Tareas Reduce la Latencia de Cola en un 14-75% a Escala Empresarial

Un Administrador de Tareas introduce inferencia de prioridad, fusión de eventos relacionados y preempción para habilitar la operación continua en IA empresarial. Reduce la latencia de colas de alta prioridad entre un 14-77% y mejora la corrección de eventos relacionados en más de 20 puntos porcentuales a escala empresarial, abordando el ruido del descubrimiento de agentes como el principal cuello de botella.

github llama.cpp · hace 1 h En vivo

la versión b9831 de llama.cpp añade soporte para DFlash y nuevos binarios

La versión b9831 de llama.cpp introduce soporte para DFlash v2, incluyendo atención de ventana deslizante por tipo de capa, junto con un conjunto completo de binarios precompilados para múltiples plataformas.

arxiv arXiv cs.AI · hace 1 h En vivo

Lean como Oráculo de Recompensa Verificado por Proceso en RL para Demostración de Teoremas

Este trabajo muestra que Lean puede servir como un oráculo simbólico de proceso, proporcionando retroalimentación fina y verificada durante el aprendizaje por refuerzo. Al analizar los intentos de demostración en secuencias de tácticas y usar la elaboración de Lean para marcar pasos válidos y primeros fallos, el sistema genera señales de recompensa densas basadas en teoría de tipos. Los experimentos demuestran que la supervisión a nivel de táctica supera a los métodos solo de resultado en benchmarks como MiniF2F y ProofNet, destacando el papel de Lean tanto como evaluador como fuente de recompensa de entrenamiento.

arxiv arXiv cs.AI · hace 1 h En vivo

Fusión global aprendible para tokenización de longitud variable en Transformers de difusión

Un nuevo tokenizador de longitud variable utiliza fusión global aprendible para permitir la alineación de representaciones entre longitudes en modelos de difusión. Este enfoque independiente de los datos supera la semántica dependiente de la posición y mejora el equilibrio entre calidad y costo computacional en la generación de ImageNet 256×256 en comparación con métodos anteriores.

arxiv arXiv cs.AI · hace 1 h En vivo

Evolución oculta del contexto visual disfrazado en VLMs

Los tokens visuales ingresan a los modelos de lenguaje grandes como señales crudas y no estructuradas. Su transformación e integración internas dependen de la arquitectura, ya sea como prompts in-context o inyectados en capas intermedias, lo que conduce a distintas trayectorias evolutivas en la representación visual y las características de frecuencia. Encontramos que la atención por sí sola es insuficiente; el rendimiento está impulsado por la calidad de las representaciones visuales en cada capa a través de diferentes paradigmas de integración.

arxiv arXiv cs.AI · hace 1 h En vivo

Optimización evolutiva en el espacio residual mediante modelos generativos basados en flujos

Un marco agnóstico al modelo combina la edición generativa basada en flujos con algoritmos evolutivos para habilitar la edición de datos en entornos no diferenciables. Opera en el espacio residual, utilizando autofecundación para el refinamiento local y fecundación cruzada para la exploración amplia, validado en MorphoMNIST y datos cristalinos para equilibrar la alineación con el objetivo, la preservación de instancias y la diversidad.

arxiv arXiv cs.AI · hace 1 h En vivo

SAC basado en atención para la predicción de porosidad en fabricación aditiva

Un extractor de características con atención multi-cabeza integrado con Soft Actor-Critic mejora la predicción de porosidad y la optimización de parámetros del proceso en fusión por lecho de polvo láser. El método alcanza un valor de convergencia de 322.79 en 14 episodios, superando a DQN, PPO, TD3 y SAC estándar con una convergencia más rápida y mayor estabilidad.

arxiv arXiv cs.AI · hace 1 h En vivo

IHUBERT: Modelo preentrenado en persa con deduplicación semántica

IHUBERT es un modelo de lenguaje preentrenado monolingüe en persa, entrenado sobre un subconjunto curado de 45 GB de la colección Sepahr-Danesh. Utiliza deduplicación semántica basada en vectores y una canalización de preentrenamiento equilibrada por dominio para mejorar la calidad del corpus y reducir la redundancia, logrando un rendimiento destacado en respuesta a preguntas extractivas y resultados sólidos en NER y clasificación de temas, aunque la extracción de relaciones sigue siendo un desafío.

arxiv arXiv cs.AI · hace 1 h En vivo

MakeupMirror mejora la preservación de atributos faciales en modelos de difusión

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.

arxiv arXiv cs.AI · hace 1 h En vivo

Transformador de difusión híbrido para edición de audio guiada por instrucciones

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.

arxiv arXiv cs.AI · hace 1 h En vivo

Modelos del Mundo Sensorimotores para la Percepción Alineada con la Acción

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.

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

La tutoría adaptativa con LLM mejora la participación y la eficiencia

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.

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.