El Modelo de Mundo Social descompone la interacción social en cinco dimensiones para permitir el aprendizaje en bucle cerrado. Permite que los modelos de código abierto mejoren y retengan sosteniblemente las capacidades sociales, superando a las líneas base e igualando a Gemini 3 Flash de código cerrado en métricas clave sin olvidar a través de niveles de dificultad.
Un estudio con 2.610 participantes encontró que revelar que una IA es aduladora altera las percepciones de los usuarios sobre su objetividad y confianza. Sin embargo, dichas etiquetas no reducen la creencia de los usuarios en su propia razón ni su disposición a resolver conflictos. Los resultados indican que las etiquetas de advertencia afectan la percepción sin reducir la influencia real, lo que sugiere una brecha entre la percepción y el comportamiento.
La propagación de Ramanujan utiliza grafos de Ramanujan para reducir el sobre-apretamiento en Redes Neuronales Graficas asegurando una curvatura de resistencia no negativa. El método preserva la conectividad local mientras permite un flujo eficiente de información a largo plazo, superando a nueve técnicas de reensamblaje de vanguardia.
DataClaw0 introduce un paradigma agéntico para refinar activamente datos multimodales y alinearlos con las intenciones del usuario y de tareas posteriores. Utiliza una tubería de dos etapas con anclajes factuales para generar un conjunto de datos a gran escala en cinco dominios y logra una fuerte alineación mediante ajuste fino supervisado y GRPO. Evaluado en generación de video, VQA y navegación GUI, DataClaw0 produce datos de alta densidad de información, permitiendo una adaptación eficiente del modelo con mínimos datos de entrenamiento.
Un estudio descubre que los modelos de predicción de trayectorias basados en Transformer se degradan significativamente con datos de estado de objetos ruidosos. La precisión disminuye 1.3x bajo ruido leve y hasta 3.9x bajo condiciones de ruido alto realistas, destacando su sensibilidad y la necesidad de datos de entrenamiento más ruidosos y del mundo real, así como estrategias de mitigación.
SOHET introduce una arquitectura de transformador jerárquica con codificadores tabulares específicos por tipo de evento y objetivos de pre-entrenamiento auto-supervisados. Supera a los métodos existentes en un 5.8% en la tarea de detección de fraude de Booking.com y logra una convergencia más rápida con una ganancia adicional del 2.4% del pre-entrenamiento. En el benchmark EBES, SOHET bidireccional iguala o supera los mejores resultados publicados en seis de las ocho tareas.
LambdaMark introduce el primer esquema genérico de marca de agua de audio radiactivo que incrusta mensajes de múltiples bits en representaciones latentes semánticas de audio. Logra robustez frente a distorsiones y ataques de eliminación adversarial, y sigue siendo efectivo incluso en voz generada por modelos ajustados finamente, ofreciendo una defensa sólida contra la clonación de voz y la suplantación de identidad.
Un modelo de aprendizaje automático desarrollado utilizando características clínicas previas a la colonoscopia predice pólipos colorrectales de alto riesgo en afroamericanos. El modelo, validado en una cohorte urbana diversa, utiliza datos demográficos, de estilo de vida y de comorbilidades para identificar pacientes con mayor riesgo, con validación externa realizada en 2023-2024.
Un estudio descubre que las voces de IA sexualizadas en una plataforma comercial refuerzan las expresiones de género binarias y heteronormativas. Las voces codificadas como femeninas se etiquetan con mayor frecuencia con descriptores sexualizados y sumisos, mientras que las voces codificadas como masculinas se asocian con dominancia y rasgos positivos, destacando los desequilibrios de poder de género persistentes en el diseño de voces de IA.
Graph-of-Differences (GoD) introduce representaciones de grafos anatómicos para habilitar la reidentificación de imágenes médicas con fundamentación estructural explícita. Calcula diferencias entre regiones anatómicas nombradas y las alinea con las diferencias del backbone global, proporcionando explicaciones a nivel de estructura clínicamente auditables. GoD mejora la precisión Rank-1 en 7.1 pp en fondos de ojo y 3.1 pp en CXR, con mejor rendimiento en transferencias zero-shot.
EnTrust introduce un marco que trata el conflicto inter-modal como la fuente principal de incertidumbre predictiva en el análisis de imágenes médicas. Descompone las características multimodales en consenso compartido, señales específicas de cada modalidad y señales de conflicto, permitiendo una estimación de incertidumbre calibrada a nivel de píxel mediante un modelo basado en difusión y mapeo de confianza. EnTrust logra la precisión de segmentación más avanzada, reduce el error de calibración en un 40% y supera a los conjuntos profundos (deep ensembles) 5x con la mitad del uso de memoria.
El artículo demuestra que los conceptos latentes pueden ser identificados en el aprendizaje no supervisado a través de la ortogonalidad funcional, una restricción de ortogonalidad sobre el Jacobiano del mapeo generativo. Esta condición permite la identificabilidad en modelos no lineales generales sin necesidad de independencia estadística ni supuestos causales, siempre que el dominio latente soporte todas las combinaciones de factores. Los experimentos con flujos normalizadores confirman la recuperación confiable de los factores verdaderos, ofreciendo una base viable para el aprendizaje de representaciones desentrelazadas.
Un estudio evalúa seis LLMs en la detección de vulnerabilidades web del mundo real en plugins de WordPress, encontrando que las tasas de detección varían según el modelo y el diseño del prompt. Claude Opus 4.6 logró la tasa de detección más alta con un 63%, mientras que Qwen 3.5 solo alcanzó un 35%, y ningún modelo identificó consistentemente todas las vulnerabilidades de referencia a través de las iteraciones.
La supervisión actual de los agentes LLM se basa en puntuaciones de riesgo escalares, pero esto no logra capturar si una intervención mejora los resultados. El artículo introduce "ventaja de intervención" como la métrica clave, demostrando que el control condicionado a la acción supera al enrutamiento escalar en benchmarks, con una reducción significativa del arrepentimiento en regímenes interactivos. La calibración por sí sola no resuelve la discrepancia subyacente en el rendimiento del control.
SwarmX introduce predictores neuronales para habilitar la programación consciente del prompt en sistemas de IA agéntica. Reduce la latencia de cola hasta un 61,5 % y mantiene hasta 2x el throughput de los programadores de producción bajo los mismos objetivos de nivel de servicio.
Los estudios muestran que la información engañosa puede hacer que los agentes LLM rindan peor que sin ninguna información. En HotpotQA, Qwen2.5-7B baja de 44.8 a 4.7 F1 bajo recuperación desordenada, a pesar de tener herramientas limpias. Estos resultados indican que las ganancias por el uso de herramientas pueden estar exageradas y que los controles sin información son esenciales para una evaluación válida.
Un estudio compara modelos de difusión 2D y 3D para generar imágenes sintéticas de rayos X. Muestra que los rayos X sintéticos basados en difusión 2D pueden entrenar modelos de IA para desempeñarse tan bien como los modelos entrenados con rayos X reales, ofreciendo una ruta viable hacia conjuntos de datos grandes y diversos sin depender de datos reales de pacientes.
MIRCaps introduce un conjunto de datos multimodal a gran escala con 141.364 imágenes, 981.947 descripciones a nivel de imagen, 1.742.264 descripciones a nivel de región y 5.391.779 anotaciones de cajas delimitadoras. Permite el aprendizaje fino de visión y lenguaje al proporcionar descripciones detalladas para categorías de objetos, tamaños, colores, acciones y contexto ambiental, y demuestra efectividad en tareas de descripción de imágenes y detección de objetos.
Un estudio empírico encuentra que los modelos Mixture-of-Experts no superan consistentemente a los modelos densos en hardware de consumo o edge. En el Apple M2 Pro, OLMoE-1B-7B es solo un 10% más lento que un modelo denso comparable, mientras que en el NVIDIA Jetson Orin Nano, es un 31% más lento con 2.1 veces más energía por token, debido a restricciones de memoria y KV-cache. Los resultados indican que los beneficios de la activación dispersa están limitados por la huella de memoria del total de parámetros, especialmente en dispositivos edge limitados por ancho de banda.
AutoRAS propone un marco para diseñar automáticamente sistemas agénticos robustos generando secuencias de primitivas simbólicas que codifican tanto la conectividad estructural como las acciones conductuales. Optimiza estas secuencias utilizando señales de seguridad de la ejecución y objetivos basados en flujos, logrando un rendimiento superior tanto en condiciones normales como adversarias con una degradación mínima bajo ataques.