Este artículo explora la Computación de Reservorio como un método libre de características para la clasificación de señales de audio en bruto. Muestra que las arquitecturas paralelas de reservorio profundo superan a las superficiales y secuenciales en precisión mientras mantienen baja complejidad, permitiendo un procesamiento de audio eficiente y de bajo consumo con mínima preprocesamiento.
DataClaw0 introduce un paradigma agéntico para refinar activamente los datos multimodales en bruto con el fin de alinearse con las intenciones del usuario y de las tareas posteriores. Utiliza una canalización en dos etapas basada en anclajes factuales para generar un conjunto de datos a gran escala en cinco dominios, y combina el ajuste fino supervisado con GRPO para lograr una fuerte alineación con tareas de refinamiento complejas. Evaluado en generación de video, VQA y navegación por GUI, DataClaw0 produce datos adaptados de alta densidad de información, lo que permite 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 alto ruido realistas, destacando la sensibilidad de los modelos y la necesidad de datos de entrenamiento más ruidosos del mundo real y estrategias de mitigación.
Este artículo presenta una interpretación de Árboles de Comportamiento Temporales (TBT) mediante Redes de Petri con recompensas para el aprendizaje por refuerzo. Traduce los TBTs a Redes de Petri, asignando recompensas basadas en restricciones estructurales definidas en Lógica Temporal Lineal, lo que permite un aprendizaje efectivo en tareas robóticas complejas y de largo plazo donde el RL estándar falla.
Un nuevo marco utiliza datos de infraestructura pública y OpenStreetMap para reconstruir la topología de la red eléctrica urbana, desde las conexiones de transmisión hasta el nivel de los edificios. Mapea con éxito la red para 7,330 edificios en el distrito Alna de Oslo, permitiendo un análisis detallado del sistema eléctrico, como la optimización del flujo y estudios de resiliencia.
SOHET introduce una arquitectura de transformador jerárquica con codificadores tabulares específicos por tipo de evento y preentrenamiento auto-supervisado. Supera a los métodos existentes en un 5.8% en la tarea de detección de fraude de Booking.com y alcanza resultados de vanguardia en 6 de las 8 tareas del benchmark EBES.
Un marco de aprendizaje profundo que utiliza atención multi-cabeza y aprendizaje en línea predice con precisión las duraciones de reparación integrando datos históricos categóricos y numéricos. El modelo alcanza una precisión del 78% en datos reales de reparaciones desde 2013 hasta 2020, superando a las redes neuronales feed-forward y a los bosques aleatorios, con pesos de atención que revelan interacciones clave entre características.
Fast-TurboQuant introduce un método de proyección sin multiplicadores que utiliza una transformación estructurada rápida de Johnson-Lindenstrauss. Reemplaza las matrices de rotación aleatoria densas con inversión de fase de Rademacher y la transformada rápida de Walsh-Hadamard, reduciendo la aritmética únicamente a sumas y mejorando Recall@10 con un error cuadrático medio menor.
Graph-of-Differences (GoD) introduce alineación de diferencias estructuradas por anatomía para la reidentificación de imágenes médicas. Representa las imágenes como grafos anatómicos, calcula diferencias sobre regiones anatómicas emparejadas y ancla señales de recuperación a estructuras homólogas. GoD mejora la precisión Rank-1 en 7.1 pp en fondos de ojo y 3.1 pp en CXR, con mejor generalización en configuraciones de zero-shot.
NAC, una arquitectura inspirada en códecs de audio neural, comprime trayectorias de acción de robots como señales 1D multicanal utilizando cuantización vectorial residual multiescala. Al reemplazar las pérdidas de mel-espectrograma con reconstrucción en el dominio del tiempo y no-mel espectral, NAC logra una codificación de acción de alta fidelidad con cambios arquitecturales mínimos, superando a los tokenizers existentes en error de reconstrucción y tasas de éxito en tareas de manipulación del mundo real.
Un marco de trabajo de texto a CAD inspirado en TRIZ utiliza modelos de lenguaje grandes para generar modelos CAD 3D creativos y editables integrando principios inventivos de datos de patentes. En un estudio de caso sobre diseño de sillas, logró una reducción de masa del 4.0-14.7% mientras preservaba la integridad estructural mediante principios como la segmentación y los materiales compuestos.
El artículo demuestra que las direcciones localmente ortogonales en modelos generativos garantizan la identificabilidad de los factores latentes sin necesidad de independencia estadística ni supuestos causales. Los experimentos con flujos normalizados regularizados por ortogonalidad confirman la recuperación fiable de los factores latentes verdaderos, desafiando afirmaciones previas sobre la imposibilidad del desentrelazamiento no supervisado.
VLA-FAIL introduce un marco de detección de fallos ligero para modelos de visión-lenguaje-acción que utiliza la distancia de Mahalanobis de la última capa y la consistencia de los fragmentos de acción sin requerir datos de fallo ni muestreo costoso de acciones. El marco combina estos detectores para lograr una detección temprana y fiable de fallos en diversas tareas, superando a los métodos base tanto en precisión como en eficiencia.
Los Modelos de Lenguaje Atomístico (ALMs) unifican el lenguaje y las estructuras atomísticas, permitiendo la generación y optimización de cristales impulsadas por lenguaje natural. Los ALMs utilizan un puente continuo para mapear incrustaciones de lenguaje en el espacio de dirección de difusión atomística y emplean Text-to-Crystal Feynman-Kac para precisión estequiométrica. La benchmark ALM Bench evalúa la generación y optimización de materiales condicionados por texto, con código y pesos que se liberarán pronto.
CAT-Translate presenta una familia de modelos pequeños y de código abierto (de 0.8B a 7B parámetros) especializados en la traducción bidireccional japonés-inglés. Utilizando corpus paralelos sintéticos y un enfoque de ajuste fino en dos etapas con Multi-Objective GRPO, los modelos superan a los modelos multilingües en benchmarks del mundo real en dominios empresariales, legales, médicos, financieros y de patentes.
ADualVUOT introduce un VAE de codificador dual con Flujos Normalizadores Continuos para mejorar la flexibilidad de la representación latente en la segmentación de imágenes médicas. Utiliza la distancia Gaussian-Gromov-Wasserstein para la alineación de dominio y la augmentación adversarial para aumentar la robustez, superando a métodos previos basados en transporte óptimo en benchmarks de imagen médica.
NASDAQ aborda los desafíos de observación de baja dimensión en el aprendizaje por refuerzo normalizando los espacios de observación para equilibrar las pérdidas de reconstrucción entre dimensiones. El marco combina el aprendizaje de valores con el valor a corto plazo y la predicción de la siguiente observación, logrando un rendimiento competitivo o superior con menos tiempo de entrenamiento en comparación con los métodos existentes.
El proyecto llama.cpp ha lanzado la versión b9833, introduciendo un analizador dedicado para el modelo MiniCPM5 junto con varias correcciones de errores y refactorización. Esta actualización incluye soporte para análisis de llamadas a herramientas, simplificación de gramática y corrección del comportamiento de la API Jinja para garantizar la compatibilidad con los estándares de Jinja2.
El marco LDT-FRL introduce un sistema de defensa que preserva la privacidad para dispositivos IoMT, combinando atención temporal, gemelos digitales ligeros y aprendizaje por refuerzo federado. Alcanza una precisión del 99.66% y 99.95% en los benchmarks CICDDoS 2019 y TON-IoT, con F1 perfecto en la clase MITM, converge un 81% más rápido que métodos anteriores y ofrece decisiones de defensa interpretables mediante SHAP y Grad-CAM.
DCGC introduce una red de convolución con atención dual y aprendizaje contrastivo a nivel de grupo para mejorar la completación de tensores dispersos. El método captura interacciones complejas entre modos y reduce la vulnerabilidad a la escasez de datos mediante señales autovigiladas, superando a los enfoques más avanzados en conjuntos de datos de tráfico y recomendación.