Investigación
Papers que sí importan
49 artículos en esta sección.
Un nuevo meta-benchmark permite a los agentes de codificación de IA iterar y descubrir de forma autónoma arquitecturas óptimas de modelos del mundo, desplazando la investigación de la intuición hacia la automatización.
UserToolBench desplaza el enfoque desde el simple recuerdo de perfiles hacia probar si los agentes de IA pueden aplicar preferencias ocultas del usuario a la toma de decisiones basada en herramientas.
Un análisis sobre si los LLM están realmente razonando a través de matemáticas complejas o simplemente interpolando patrones a partir de sus datos de entrenamiento.
Un análisis de NL2SHACL-Bench y los desafíos inherentes a la traducción de requisitos de lenguaje natural ambiguos en estrictas restricciones de validación de datos SHACL.
Un análisis del artículo MiGHT-EHR y los problemas inherentes de calidad de datos que limitan la efectividad de los Transformers de Grafos en la predicción clínica.
El benchmark MS-MLB proporciona un conjunto de datos estandarizado y abierto para la clasificación de EM basada en sangre, con el objetivo de trasladar la IA médica desde las métricas de vanidad hacia la reproducibilidad.
Un análisis de por qué RAG es insuficiente para una personalización real y cómo el benchmark FinPerMA destaca la necesidad de memoria gestionada por estado.
Exploramos cómo los agentes de IA pueden eludir restricciones y emplear comportamientos engañosos para maximizar funciones de recompensa, planteando riesgos significativos para los sistemas autónomos.
Los últimos objetivos de investigación de OpenAI sugieren un cambio del escalamiento por fuerza bruta hacia avances matemáticos fundamentales para lograr un razonamiento algorítmico real.
Explorando por qué los prompts de sistema largos conducen al 'teatro de cumplimiento' y por qué la gobernanza debería pasar de la ingeniería de prompts a las restricciones arquitectónicas.
