Informática - Inteligencia artificial

Este artículo examina el "unlearning" en modelos de lenguaje grandes.

DeepCN captura relaciones complejas para mejores predicciones de series temporales multivariadas.

Examinando el grokking en el deep learning y sus implicaciones para el rendimiento.

Este estudio explora el papel de la IA en la creación de resúmenes de pacientes más claros.

Nuevos métodos permiten que los robots entiendan y ejecuten tareas con instrucciones en lenguaje.

Un nuevo método mejora el descubrimiento causal con datos incompletos usando transporte óptimo.

MemeCraft crea memes chidos para promover causas sociales de manera segura.

Un estudio sobre cómo identificar y reducir el sesgo cognitivo en modelos de lenguaje grandes.

Un nuevo enfoque combina LLMs y sistemas cognitivos para mejorar las tareas robóticas en la cocina.

La investigación muestra cómo limitar la potencia de las GPUs puede reducir el consumo de energía y las temperaturas.

Un enfoque novedoso para mejorar el comportamiento de los agentes generativos usando Lógica de Flujo Temporal.

CoDream permite a las organizaciones colaborar de manera segura sin compartir datos sensibles.

Este estudio examina las capacidades de extracción de información y sesgos en recuperadores densos.

Descubre cómo ESFL mejora la eficiencia del aprendizaje automático mientras protege la privacidad.

Un nuevo enfoque entrena a los agentes de IA para tomar decisiones justificables a través de debates estructurados.

Entender cómo las máquinas manejan tareas para los humanos a través de la alineación y las capacidades.

Este artículo habla sobre un nuevo marco para evaluar las alucinaciones en los LVLMs.

La investigación destaca el sesgo en las evaluaciones de modelos de lenguaje y propone métodos para mejorar.

Abordando las preocupaciones de privacidad en el aprendizaje automático con técnicas efectivas.

Los motores de búsqueda generativos enfrentan desafíos por preguntas adversariales, lo que afecta la precisión.

Desarrollar informes de transparencia regulares para modelos de base es esencial para la rendición de cuentas.

Integrar modelos de lenguaje en el descubrimiento causal simplifica el análisis y revela relaciones ocultas.

Nuevas técnicas mejoran la cuantización mientras manejan los valores atípicos para un mejor rendimiento del modelo.

Un nuevo marco mejora las acciones de los robots a través de comandos humanos.

Descubre cómo PPIretrieval mejora la comprensión de las interacciones proteicas.

Nuevos métodos mejoran el aprendizaje de los robots a través de la imitación usando políticas de fuentes informativas.

Este método mejora la participación del usuario a través de recomendaciones personalizadas y dinámicas.

Analizando los efectos de los métodos de razonamiento en el rendimiento de los modelos de lenguaje grandes.

Un análisis de los problemas comunes en la gestión de activos de aprendizaje automático y soluciones propuestas.

Un agente adaptativo mejora el trabajo en equipo en Codenames usando múltiples modelos de lenguaje.

DCLS mejora el rendimiento de clasificación de audio al aprender las posiciones del núcleo durante el entrenamiento.

Un método para mejorar la comprensión de los resultados del aprendizaje automático a través de la retroalimentación de los usuarios.

Explorando el potencial de la generación de videos en tareas del mundo real.

Los talleres ayudan a los dueños de pequeñas empresas a aprovechar las herramientas de IA generativa.

Te presentamos REFACTOR, un sistema para la extracción automática de teoremas a partir de pruebas matemáticas.

Este artículo habla sobre la explicabilidad y la justicia en los modelos de predicción de juicios legales.

Explora el papel clave de la fidelidad del algoritmo en el aprendizaje por refuerzo en línea para ensayos de salud.

Un sistema que mejora las instrucciones de navegación generadas por IA al detectar errores y ofrecer correcciones.

FedReview mejora el aprendizaje federado al rechazar actualizaciones de modelos dañinas.

Un nuevo método mejora la velocidad de generación de texto usando modelos de lenguaje grandes y pequeños.