LATIDIA / EXPLORAR
Ciencia e investigación · noticias de IA
Publicaciones relacionadas, con las más nuevas primero y acceso al archivo.
Últimas noticias relacionadas
Desde enero de 2026. Archivo recuperado: 888 publicaciones en este filtro; cobertura parcial de las fuentes accesibles. Una nueva noticia aparece primero sin cambiar la fecha de las anteriores.
Este año · Todo el archivo conservado
Razonamiento LLM autoguiado para el diagnóstico de errores en problemas de enrutamiento de vehículos
arXiv: 2610.21393v1Tipo de anuncio: nuevo Resumen: Los problemas de enrutamiento de vehículos (VRP) son fundamentales para muchas aplicaciones del mundo real. Los avances recientes en los modelos de lenguaje grandes (LLM) han estimulado el progreso en la resolución de estos NP-h
arXiv · cs.AIWatts If? Un punto de referencia para el razonamiento contrafáctico sobre la construcción del centro de datos de IA
arXiv:2610.21397v1 Tipo de anuncio: nuevo Resumen: Un centro de datos de IA se compromete años antes de que extraiga un vatio: algunas opciones discretas (rejilla o gas en el sitio, enfriamiento por evaporación o en seco, en qué condado archivar) arreglan su capitel
arXiv · cs.AIMemCut: Cada secreto deja un rastro en la memoria a largo plazo de los agentes de LLM
arXiv: 2610.21405v1Tipo de anuncio: nuevo Resumen: La memoria a largo plazo se ha convertido en un componente crucial de los agentes del modelo de lenguaje grande (LLM), y la mayoría de las investigaciones se centran en recuperar información relevante con precisión y eficiencia
arXiv · cs.AIJev-LiteMAS: Separar las decisiones de la generación en flujos de trabajo multiagente
arXiv: 2610.21411v1Tipo de anuncio: nuevo Resumen: Los sistemas LLM multiagente se basan en modelos generativos para la ejecución experta, la planificación del flujo de trabajo y la revisión de artefactos. Sin embargo, muchas operaciones de coordinación solo requieren decisiones limitadas
arXiv · cs.AIThe World Won 't Wait: Evaluating and Teaching Agents Under a Live Clock
arXiv: 2610.20665v1Tipo de anuncio: nuevo Resumen: los agentes del modelo de lenguaje grande (LLM) pueden resolver tareas interactivas complejas, pero el razonamiento y las llamadas a herramientas llevan tiempo. En entornos en continuo cambio, un
arXiv · cs.AIL2G-SR: Aprender a guiar la regresión simbólica basada en LLM
arXiv:2610.20685v1 Announce Type: new Abstract: La regresión simbólica busca una ecuación que explique los datos observados. El error numérico se usa comúnmente para guiar la búsqueda, pero solo puede favorecer a un sustituto preciso
arXiv · cs.AIIA de mundo abierto: una historia de tres requisitos
arXiv:2610.20782v1 Tipo de anuncio: nuevo Resumen: El mundo cerrado pide a la IA competencia especializada y le permite fabricar los datos iid que su teoría asume: un criterio fijo licencia la recopilación de ejemplos hasta que la tarea i
arXiv · cs.AIUn modelo de accesibilidad de IA de múltiples niveles (MAIAM): límites proporcionales de acceso y capacidad para la seguridad integral de la IA en la frontera
arXiv:2610.20921v1 Tipo de anuncio: nuevo Resumen: La mayoría del debate sobre la liberación de sistemas de IA capaces trata la elección como binaria: mantener el modelo detrás de una API o publicar los pesos. Que enmarcar corre junto a dos separados de
arXiv · cs.AIMSP: Modality Self-Play for Training Multimodal LLMs Without Paired Cross-Modal Data
arXiv: 2610.20965v1Tipo de anuncio: nuevo Resumen: Los grandes modelos multimodales han logrado un progreso notable al escalar la capacidad del modelo y la capacitación en datos multimodales emparejados masivos. Sin embargo, este paradigma introduce un fondo
arXiv · cs.AIOmicsBench: un punto de referencia de múltiples giros a largo plazo de agentes de IA en bioinformática a escala de estudio de investigación
arXiv: 2610.21074v1Tipo de anuncio: nuevo Resumen: Los biólogos computacionales delegan cada vez más análisis sustanciales a los agentes de IA en sesiones de largo horizonte y múltiples turnos, pero la mayoría de los puntos de referencia de la capacidad bioinformática de los agentes
arXiv · cs.AISci$\Pi$Voto: Evaluación comparativa del juicio del investigador principal en momentos cruciales de los agentes científicos de investigación automática
arXiv:2610.21082v1 Tipo de anuncio: nuevo Resumen: los agentes del modelo de lenguaje grande (LLM) pueden mantener los experimentos científicos en funcionamiento durante meses con poca supervisión humana, pero la investigación autónoma confiable también requiere
arXiv · cs.AIMemComposer: Aprender a ensamblar memorias para agentes de LLM a través del aprendizaje de refuerzo
arXiv:2610.21091v1 Announce Type: new Resumen: La memoria del agente permite a los agentes del modelo de lenguaje grande (LLM) reutilizar experiencias pasadas sin actualizar sus parámetros. Sin embargo, la similitud semántica por sí sola no me garantiza
arXiv · cs.AICompromiso de planificación de LLM bajo observabilidad parcial
arXiv: 2610.21108v1Announce Type: new Abstract: Los agentes de planificación basados en LLM se comprometen con planes de diferentes longitudes antes de interactuar con un entorno parcialmente observable. Algunos se comprometen agresivamente con un plan a largo plazo basado en
arXiv · cs.AIMemScope: Arquitecturas de memoria de agentes en evolución a través de la reparación de código localizado
arXiv: 2610.21170v1Announce Type: new Resumen: Las arquitecturas de memoria del agente definen cómo los agentes LLM almacenan y reutilizan la experiencia en todas las tareas, pero generalmente se corrigen después de la implementación, lo que limita su adaptabilidad en
arXiv · cs.AILos juicios de rúbrica carecen de incertidumbre: ponderación conforme para la evaluación de LLM
arXiv: 2610.21214v1Tipo de anuncio: nuevo Resumen: La evaluación basada en rúbricas se utiliza ampliamente para evaluar los resultados del modelo de lenguaje grande (LLM) al descomponer la calidad en múltiples criterios y asignar a cada uno un juicio binario de
arXiv · cs.AIAutoOnboarder: Incorporación autónoma de agentes LLM
arXiv:2610.21218v1 Tipo de anuncio: nuevo Resumen: Se ha documentado que los modelos genéticos de lenguaje grande pierden la capacidad de razonamiento cuando se colocan dentro de un arnés, el software que media sus observaciones y acciones. Para
arXiv · cs.AIAuditoría de la confiabilidad de la escalada en agentes de LLM de atención médica: un punto de referencia controlado por la perturbación de las fallas del estado del flujo de trabajo
arXiv:2610.21270v1 Tipo de anuncio: nuevo Resumen: La IA biomédica confiable requiere una selección de acción confiable cuando falta evidencia, está obsoleta, es conflictiva o tardía, no solo respuestas precisas en entradas estáticas. Instantia
arXiv · cs.AILa densidad del pensamiento: predecir y dirigir el razonamiento en modelos de lenguaje grandes
arXiv: 2610.21286v1Tipo de anuncio: nuevo Resumen: Investigamos si la variación en la densidad de información a través de los pasos de razonamiento de la cadena de pensamiento (CoT) predice la corrección de la respuesta y puede servir como una inferencia controlable-
arXiv · cs.AIControl de sesgo e inyección para la agregación de múltiples agentes
arXiv: 2610.21290v1Tipo de anuncio: nuevo Resumen: El razonamiento multiagente con modelos de lenguaje grandes (LLM) plantea una pregunta central para la toma de decisiones colectivas: cuando los agentes no están de acuerdo, ¿en qué decisión se debe confiar? Re
arXiv · cs.AIAprendizaje automático cuántico versus clásico para trastornos neuropsiquiátricos: una evaluación de múltiples cohortes con características coincidentes
arXiv: 2610.21344v1Tipo de anuncio: nuevo Resumen: La conectividad funcional en estado de reposo se utiliza ampliamente en la clasificación de trastornos neuropsiquiátricos basada en el aprendizaje automático. Los modelos de aprendizaje automático cuántico han sido propo
arXiv · cs.AIJevAgentHarness: Evaluación comparativa, implementación y capacitación de modelos de decisión que comparten el control con los LLM
arXiv: 2610.21412v1Tipo de anuncio: nuevo Resumen: los agentes del modelo de lenguaje grande (LLM) ahora arreglan el software, operan los ordenadores y sirven a los clientes, pero sus arneses, los programas que los ejecutan, llaman a un LLM grande en cada paso,
arXiv · cs.AIRefinamiento de ontologías con incrustaciones y LLM: un estudio de caso sobre CASTON
arXiv:2610.21466v1 Tipo de anuncio: nuevo Resumen: Las ontologías se utilizan ampliamente para representar y organizar conocimientos complejos en dominios como la biomedicina y la atención médica. Sin embargo, la construcción de ontologías confiables sigue siendo chal
arXiv · cs.AIModelos de lenguaje grandes aumentados con herramientas para un cálculo médico confiable a partir de las notas del paciente
arXiv: 2610.21477v1Tipo de anuncio: nuevo Resumen: Las calculadoras médicas traducen los resultados brutos de los pacientes en valores y puntuaciones clínicamente procesables. Sin embargo, aplicar estas calculadoras directamente a las notas libres del paciente
arXiv · cs.AIRespuesta a desastres impulsada por IA y monitoreo de desplazamientos
arXiv:2610.21482v1 Tipo de anuncio: nuevo Resumen: la INTELIGENCIA ARTIFICIAL (IA) ha demostrado su potencial en una amplia gama de tareas humanitarias, ofreciendo soluciones escalables y basadas en datos a algunos de los
arXiv · cs.AI