Investigación
Papers que sí importan
49 artículos en esta sección.
El Office Comprehension Bench (OCB) pone de manifiesto el fracaso del aplanamiento de texto y la necesidad crítica de implementar un análisis de formatos nativos en los sistemas de LLM.
El benchmark Indi-RomCoM revela que los LLMs tienen dificultades con la mezcla de código indio-inglesa romanizada, destacando un fallo crítico en los pipelines de entrenamiento multilingüe actuales.
Un análisis de un nuevo marco para medir la alineación curricular, destacando la desconexión entre la cobertura académica y la competencia real en la industria.
Explorando el cambio de los system prompts probabilísticos a la aplicación formal de políticas en tiempo de ejecución mediante lógica deóntica para asegurar la ejecución de herramientas por agentes LLM.
La búsqueda de materia oscura está pasando de trampas de hardware a simulaciones impulsadas por IA, lo que requiere infraestructura energética escalable como las iniciativas solares de Kenia.
Un análisis del benchmark SkillChain-Gym y su enfoque para tratar las capacidades de la fuerza laboral como variables dinámicas y en decaimiento en la optimización de RL industrial.
Un análisis de las altas puntuaciones de Gemini-SQL2 en el benchmark BIRD y los desafíos de aplicar IA de texto a SQL en entornos de producción reales y desordenados.
Un análisis sobre el uso de LLMs para extraer datos estructurados de complejas Hojas de Datos de Seguridad, destacando los desafíos de la ingestión de PDFs y la precisión.
MacArena expone la brecha entre los entornos simulados y la fricción real de operar una interfaz gráfica de macOS, destacando la fragilidad de los agentes actuales.
KVarN de Huawei reduce el uso de VRAM en vLLM al cuantizar el KV-Cache, permitiendo lotes más grandes y ventanas de contexto más extensas.
