Artículos de Investigación en IA Diarios

Artículos de investigación en IA seleccionados diariamente con traducciones

Agentes API vs. Agentes GUI: Divergencia y Convergencia
API Agents vs. GUI Agents: Divergence and Convergence

Chaoyun Zhang, Shilin He, Liqun Li, Si Qin, Yu Kang, Qingwei Lin, Dongmei Zhang•Mar 14, 2025•372

PLADIS: Llevando al límite la atención en modelos de difusión durante el tiempo de inferencia mediante el aprovechamiento de la dispersión
PLADIS: Pushing the Limits of Attention in Diffusion Models at Inference Time by Leveraging Sparsity

Kwanyoung Kim, Byeongsu Sim•Mar 10, 2025•842

MaRI: Integración de Recuperación de Materiales entre Dominios
MaRI: Material Retrieval Integration across Domains

Jianhui Wang, Zhifei Yang, Yangfan He, Huixiong Zhang, Yuxuan Chen, Jingwei Huang•Mar 11, 2025•72

Aprendizaje Automático Robusto a Nivel de Grupo para el Olvido de Datos
Group-robust Machine Unlearning

Thomas De Min, Subhankar Roy, Stéphane Lathuilière, Elisa Ricci, Massimiliano Mancini•Mar 12, 2025•12

CHOrD: Generación de Gemelos Digitales Libres de Colisiones, a Escala de Vivienda y Organizados para Escenas Interiores 3D con Planos de Planta Controlables y Distribuciones Óptimas
CHOrD: Generation of Collision-Free, House-Scale, and Organized Digital Twins for 3D Indoor Scenes with Controllable Floor Plans and Optimal Layouts

Chong Su, Yingbin Fu, Zheyuan Hu, Jing Yang, Param Hanji, Shaojun Wang, Xuan Zhao, Cengiz Öztireli, Fangcheng Zhong•Mar 15, 2025•33

Tecnologías sobre Efectividad y Eficiencia: Una Revisión de los Modelos de Espacios de Estados
Technologies on Effectiveness and Efficiency: A Survey of State Spaces Models

Xingtai Lv, Youbang Sun, Kaiyan Zhang, Shang Qu, Xuekai Zhu, Yuchen Fan, Yi Wu, Ermo Hua, Xinwei Long, Ning Ding, Bowen Zhou•Mar 14, 2025•272

Modelado Autoregresivo Vecinal para la Generación Visual Eficiente
Neighboring Autoregressive Modeling for Efficient Visual Generation

Yefei He, Yuanyu He, Shaoxuan He, Feng Chen, Hong Zhou, Kaipeng Zhang, Bohan Zhuang•Mar 12, 2025•83

¿Pueden los Modelos de Razonamiento a Gran Escala realizar Razonamiento Analógico bajo Incertidumbre Perceptual?
Can Large Reasoning Models do Analogical Reasoning under Perceptual Uncertainty?

Giacomo Camposampiero, Michael Hersche, Roger Wattenhofer, Abu Sebastian, Abbas Rahimi•Mar 14, 2025•52

ProJudge: Un punto de referencia multimodal y multidisciplinario, y un conjunto de datos para el ajuste por instrucciones de jueces de procesos basados en MLLM
ProJudge: A Multi-Modal Multi-Discipline Benchmark and Instruction-Tuning Dataset for MLLM-based Process Judges

Jiaxin Ai, Pengfei Zhou, Zhaopan Xu, Ming Li, Fanrui Zhang, Zizhen Li, Jianwen Sun, Yukang Feng, Baojin Huang, Zhongyuan Wang, Kaipeng Zhang•Mar 9, 2025•82

SmolDocling: Un modelo ultracompacto de visión y lenguaje para la conversión multimodal de documentos de extremo a extremo
SmolDocling: An ultra-compact vision-language model for end-to-end multi-modal document conversion

Ahmed Nassar, Andres Marafioti, Matteo Omenetti, Maksym Lysak, Nikolaos Livathinos, Christoph Auer, Lucas Morin, Rafael Teixeira de Lima, Yusik Kim, A. Said Gurbuz, Michele Dolfi, Miquel Farré, Peter W. J. Staar•Mar 14, 2025•10014

Cockatiel: Integración de Entrenamiento Sintético y con Preferencias Humanas para la Generación de Descripciones Detalladas de Videos
Cockatiel: Ensembling Synthetic and Human Preferenced Training for Detailed Video Caption

Luozheng Qin, Zhiyu Tan, Mengping Yang, Xiaomeng Yang, Hao Li•Mar 12, 2025•52

TreeMeshGPT: Generación Artística de Mallas con Secuenciación Autoregresiva en Árbol
TreeMeshGPT: Artistic Mesh Generation with Autoregressive Tree Sequencing

Stefan Lionar, Jiabin Liang, Gim Hee Lee•Mar 14, 2025•62

ARMOR v0.1: Potenciando el Modelo de Comprensión Multimodal Autoregresivo con Generación Multimodal Entrelazada mediante Sinergía Asimétrica
ARMOR v0.1: Empowering Autoregressive Multimodal Understanding Model with Interleaved Multimodal Generation via Asymmetric Synergy

Jianwen Sun, Yukang Feng, Chuanhao Li, Fanrui Zhang, Zizhen Li, Jiaxin Ai, Sizhuo Zhou, Yu Dai, Shenglin Zhang, Kaipeng Zhang•Mar 9, 2025•82

ETCH: Generalización del ajuste corporal a humanos vestidos mediante tensión equivariante
ETCH: Generalizing Body Fitting to Clothed Humans via Equivariant Tightness

Boqian Li, Haiwen Feng, Zeyu Cai, Michael J. Black, Yuliang Xiu•Mar 13, 2025•82

Atención de Kolmogorov-Arnold: ¿Es la atención aprendible mejor para los Transformers de visión?
Kolmogorov-Arnold Attention: Is Learnable Attention Better For Vision Transformers?

Subhajit Maity, Killian Hitsman, Xin Li, Aritra Dutta•Mar 13, 2025•142

TxAgent: Un Agente de IA para el Razonamiento Terapéutico a Través de un Universo de Herramientas
TxAgent: An AI Agent for Therapeutic Reasoning Across a Universe of Tools

Shanghua Gao, Richard Zhu, Zhenglun Kong, Ayush Noori, Xiaorui Su, Curtis Ginder, Theodoros Tsiligkaridis, Marinka Zitnik•Mar 14, 2025•173

Aprendizaje de Modelos de Difusión de Pocos Pasos mediante Emparejamiento de Distribución de Trayectorias
Learning Few-Step Diffusion Models by Trajectory Distribution Matching

Yihong Luo, Tianyang Hu, Jiacheng Sun, Yujun Cai, Jing Tang•Mar 9, 2025•73

Recopilación de Datos Adversariales: Perturbaciones Colaborativas con Humanos para un Aprendizaje por Imitación Robótico Eficiente y Robusto
Adversarial Data Collection: Human-Collaborative Perturbations for Efficient and Robust Robotic Imitation Learning

Siyuan Huang, Yue Liao, Siyuan Feng, Shu Jiang, Si Liu, Hongsheng Li, Maoqing Yao, Guanghui Ren•Mar 14, 2025•362

De TOWER a SPIRE: Incorporación de la modalidad de habla a un LLM exclusivamente de texto
From TOWER to SPIRE: Adding the Speech Modality to a Text-Only LLM

Kshitij Ambilduke, Ben Peters, Sonal Sannigrahi, Anil Keshwani, Tsz Kin Lam, Bruno Martins, Marcely Zanon Boito, André F. T. Martins•Mar 13, 2025•72

Descubrimiento de Habilidades en Mundo Abierto a partir de Demostraciones no Segmentadas
Open-World Skill Discovery from Unsegmented Demonstrations

Jingwen Deng, Zihao Wang, Shaofei Cai, Anji Liu, Yitao Liang•Mar 11, 2025•53

FlowTok: Fluyendo sin problemas entre tokens de texto e imagen
FlowTok: Flowing Seamlessly Across Text and Image Tokens

Ju He, Qihang Yu, Qihao Liu, Liang-Chieh Chen•Mar 13, 2025•192

Vamba: Comprensión de videos de una hora de duración con híbridos Mamba-Transformers
Vamba: Understanding Hour-Long Videos with Hybrid Mamba-Transformers

Weiming Ren, Wentao Ma, Huan Yang, Cong Wei, Ge Zhang, Wenhu Chen•Mar 14, 2025•202

GoalFlow: Emparejamiento de Flujos Orientado a Objetivos para la Generación de Trayectorias Multimodales en Conducción Autónoma de Extremo a Extremo
GoalFlow: Goal-Driven Flow Matching for Multimodal Trajectories Generation in End-to-End Autonomous Driving

Zebin Xing, Xingyu Zhang, Yang Hu, Bo Jiang, Tong He, Qian Zhang, Xiaoxiao Long, Wei Yin•Mar 7, 2025•32

ReCamMaster: Renderizado Generativo Controlado por Cámara a partir de un Único Video
ReCamMaster: Camera-Controlled Generative Rendering from A Single Video

Jianhong Bai, Menghan Xia, Xiao Fu, Xintao Wang, Lianrui Mu, Jinwen Cao, Zuozhu Liu, Haoji Hu, Xiang Bai, Pengfei Wan, Di Zhang•Mar 14, 2025•1405

Explorando las Vulnerabilidades del Aprendizaje Federado: Un Análisis Profundo de los Ataques de Inversión de Gradientes
Exploring the Vulnerabilities of Federated Learning: A Deep Dive into Gradient Inversion Attacks

Pengxin Guo, Runxi Wang, Shuang Zeng, Jinjing Zhu, Haoning Jiang, Yanran Wang, Yuyin Zhou, Feifei Wang, Hui Xiong, Liangqiong Qu•Mar 13, 2025•162

Preentrenamiento a Gran Escala para la Generación de Descripciones de Video con Base en Contexto
Large-scale Pre-training for Grounded Video Caption Generation

Evangelos Kazakos, Cordelia Schmid, Josef Sivic•Mar 13, 2025•172

VGGT: Transformador Basado en Geometría Visual
VGGT: Visual Geometry Grounded Transformer

Jianyuan Wang, Minghao Chen, Nikita Karaev, Andrea Vedaldi, Christian Rupprecht, David Novotny•Mar 14, 2025•212