Informática - Inteligencia artificial

Técnicas para proteger datos sensibles en el aprendizaje automático.

La tecnología de IA está cambiando el panorama de las estafas de vishing, aumentando los riesgos para las personas.

Una nueva técnica mejora el rendimiento de los modelos que combinan texto e imágenes.

AXIS simplifica la interacción con el software a través de comandos basados en API para mejorar la eficiencia y la confiabilidad.

Nuevo sistema mejora el ensamblaje de robots mediante técnicas de diseño generativo.

Un método para revelar lo que aprenden las redes neuronales profundas y cómo se alinea con el conocimiento existente.

AXE mejora el rendimiento del modelo mientras minimiza el desbordamiento en la cuantización con conciencia del acumulador.

Un nuevo enfoque para una visualización y comprensión más clara de los modelos de aprendizaje profundo.

Nuevos métodos optimizan la cuantización de modelos de lenguaje grandes, mejorando la eficiencia y la precisión.

Este estudio compara algoritmos de DG para abordar el cambio de dominio en el análisis de imágenes médicas.

Un nuevo método mejora los resultados de salud al analizar datos multimodales incompletos.

La investigación evalúa las conexiones entre modelos de habla y lenguaje para mejorar el reconocimiento y la traducción.

Este método permite que los modelos de lenguaje consideren resultados alternativos en la generación de texto.

Explorando la idea de las matemáticas como una forma de expresar los pensamientos humanos.

La investigación destaca la necesidad de métodos centrados en el usuario en la atribución de datos de entrenamiento.

Explorando el impacto y el futuro de los modelos de lenguaje grandes en la comunicación.

ASLS permite la personalización en tiempo real de modelos de lenguaje según las interacciones del usuario.

Este estudio se centra en mejorar el reconocimiento de entidades en textos antiguos afectados por errores de OCR.

Los investigadores están combinando la computación clásica y la cuántica para hacer análisis de sentimiento más rápido.

Mejorando las habilidades de rechazo en agentes de rol para tener mejores interacciones con los usuarios.

Un nuevo marco mejora la capacidad de los modelos para manejar preguntas relacionadas con el tiempo de manera efectiva.

Examinando cómo los robots pueden entender el lenguaje de verdad a través de experiencias del mundo real.

Están surgiendo nuevos métodos para planificar misiones que enfrenten el aumento de basura espacial.

Un nuevo enfoque para evaluar los benchmarks de IA en la comprensión cultural.

Combinando imágenes hiperespectrales y deep learning para mejorar la clasificación de materiales.

Este artículo presenta un nuevo enfoque para inspeccionar defectos en aislantes de redes eléctricas.

PeerArg mejora la transparencia y fiabilidad en el proceso de revisión por pares.

Un enfoque fresco mejora la capacitación de grupos de modelos diversos de manera eficiente sin datos OOD separados.

Un nuevo chatbot ayuda a los estudiantes con preguntas de opción múltiple de STEM.

Las tasas de aprendizaje dinámicas y los superconjuntos de nivel mejoran la estabilidad en el entrenamiento de redes neuronales.

Un nuevo enfoque mejora la comprensión de las respuestas neuronales al tacto en interacciones sociales.

Nuevos enfoques en HAR mejoran el reconocimiento de actividades usando datos del smartphone.

Te presentamos CLIPFit, un método para afinar de manera eficiente los Modelos de Visión-Lenguaje.

Aprende cómo la cuantización de bajo bit mejora la eficiencia de los modelos de lenguaje grandes.

El "graph unlearning" ofrece una solución para eliminar datos obsoletos sin necesidad de un nuevo entrenamiento completo.

GraphLoRA mejora la transferibilidad de las Redes Neuronales Gráficas en diferentes grafos.

Un nuevo enfoque para mejorar las predicciones de propiedades moleculares en IA usando adición de tareas.

Presentando un nuevo método para mejorar los modelos de aprendizaje profundo reduciendo el sobreajuste.

Un nuevo método mejora la eficiencia en el manejo de materiales usando aprendizaje por refuerzo multi-agente.

El marco A3 mejora los modelos de aprendizaje automático para adaptarse a nuevos entornos de datos.