Artículos de Investigación en IA Diarios

Artículos de investigación en IA seleccionados diariamente con traducciones

Video-R1: Refuerzo del Razonamiento en Vídeo para MLLMs
Video-R1: Reinforcing Video Reasoning in MLLMs

Kaituo Feng, Kaixiong Gong, Bohao Li, Zonghao Guo, Yibing Wang, Tianshuo Peng, Benyou Wang, Xiangyu Yue•Mar 27, 2025•786

Agente de Modelo de Lenguaje de Gran Escala: Una Revisión sobre Metodología, Aplicaciones y Desafíos
Large Language Model Agent: A Survey on Methodology, Applications and Challenges

Junyu Luo, Weizhi Zhang, Ye Yuan, Yusheng Zhao, Junwei Yang, Yiyang Gu, Bohan Wu, Binqi Chen, Ziyue Qiao, Qingqing Long, Rongcheng Tu, Xiao Luo, Wei Ju, Zhiping Xiao, Yifan Wang, Meng Xiao, Chenwu Liu, Jingyang Yuan, Shichang Zhang, Yiqiao Jin, Fan Zhang, Xian Wu, Hanqing Zhao, Dacheng Tao, Philip S. Yu, Ming Zhang•Mar 27, 2025•772

UI-R1: Mejora de la Predicción de Acciones en Agentes de Interfaz Gráfica mediante Aprendizaje por Refuerzo
UI-R1: Enhancing Action Prediction of GUI Agents by Reinforcement Learning

Zhengxi Lu, Yuxiang Chai, Yaxuan Guo, Xi Yin, Liang Liu, Hao Wang, Guanjing Xiong, Hongsheng Li•Mar 27, 2025•619

Desafiando los límites del razonamiento: Un punto de referencia olímpico en matemáticas para modelos de lenguaje de gran escala
Challenging the Boundaries of Reasoning: An Olympiad-Level Math Benchmark for Large Language Models

Haoxiang Sun, Yingqian Min, Zhipeng Chen, Wayne Xin Zhao, Zheng Liu, Zhongyuan Wang, Lei Fang, Ji-Rong Wen•Mar 27, 2025•374

VBench-2.0: Avanzando en el Conjunto de Evaluación de Generación de Vídeo para la Fidelidad Intrínseca
VBench-2.0: Advancing Video Generation Benchmark Suite for Intrinsic Faithfulness

Dian Zheng, Ziqi Huang, Hongbo Liu, Kai Zou, Yinan He, Fan Zhang, Yuanhan Zhang, Jingwen He, Wei-Shi Zheng, Yu Qiao, Ziwei Liu•Mar 27, 2025•332

ReaRAG: El razonamiento guiado por conocimiento mejora la factualidad de los modelos de razonamiento a gran escala con generación aumentada por recuperación iterativa
ReaRAG: Knowledge-guided Reasoning Enhances Factuality of Large Reasoning Models with Iterative Retrieval Augmented Generation

Zhicheng Lee, Shulin Cao, Jinxin Liu, Jiajie Zhang, Weichuan Liu, Xiaoyin Che, Lei Hou, Juanzi Li•Mar 27, 2025•284

LeX-Art: Replanteando la generación de texto mediante la síntesis escalable de datos de alta calidad
LeX-Art: Rethinking Text Generation via Scalable High-Quality Data Synthesis

Shitian Zhao, Qilong Wu, Xinyue Li, Bo Zhang, Ming Li, Qi Qin, Dongyang Liu, Kaipeng Zhang, Hongsheng Li, Yu Qiao, Peng Gao, Bin Fu, Zhen Li•Mar 27, 2025•262

ChatAnyone: Generación de videos de retratos estilizados en tiempo real con un modelo jerárquico de difusión de movimiento.
ChatAnyone: Stylized Real-time Portrait Video Generation with Hierarchical Motion Diffusion Model

Jinwei Qi, Chaonan Ji, Sheng Xu, Peng Zhang, Bang Zhang, Liefeng Bo•Mar 27, 2025•253

Embodied-Reasoner: Sinergizando Búsqueda Visual, Razonamiento y Acción para Tareas Interactivas de Embodiment
Embodied-Reasoner: Synergizing Visual Search, Reasoning, and Action for Embodied Interactive Tasks

Wenqi Zhang, Mengna Wang, Gangao Liu, Xu Huixin, Yiwei Jiang, Yongliang Shen, Guiyang Hou, Zhe Zheng, Hang Zhang, Xin Li, Weiming Lu, Peng Li, Yueting Zhuang•Mar 27, 2025•223

Lumina-Image 2.0: Un Marco Unificado y Eficiente para la Generación de Imágenes
Lumina-Image 2.0: A Unified and Efficient Image Generative Framework

Qi Qin, Le Zhuo, Yi Xin, Ruoyi Du, Zhen Li, Bin Fu, Yiting Lu, Jiakang Yuan, Xinyue Li, Dongyang Liu, Xiangyang Zhu, Manyuan Zhang, Will Beddow, Erwann Millon, Victor Perez, Wenhai Wang, Conghui He, Bo Zhang, Xiaohong Liu, Hongsheng Li, Yu Qiao, Chang Xu, Peng Gao•Mar 27, 2025•212

ResearchBench: Evaluación de Modelos de Lenguaje de Gran Escala en el Descubrimiento Científico mediante Descomposición de Tareas Basada en Inspiración
ResearchBench: Benchmarking LLMs in Scientific Discovery via Inspiration-Based Task Decomposition

Yujie Liu, Zonglin Yang, Tong Xie, Jinjie Ni, Ben Gao, Yuqiang Li, Shixiang Tang, Wanli Ouyang, Erik Cambria, Dongzhan Zhou•Mar 27, 2025•202

FinAudio: Un punto de referencia para modelos de lenguaje grande de audio en aplicaciones financieras
FinAudio: A Benchmark for Audio Large Language Models in Financial Applications

Yupeng Cao, Haohang Li, Yangyang Yu, Shashidhar Reddy Javaji, Yueru He, Jimin Huang, Zining Zhu, Qianqian Xie, Xiao-yang Liu, Koduvayur Subbalakshmi, Meikang Qiu, Sophia Ananiadou, Jian-Yun Nie•Mar 26, 2025•192

El video sintético mejora la fidelidad física en la síntesis de video.
Synthetic Video Enhances Physical Fidelity in Video Synthesis

Qi Zhao, Xingyu Ni, Ziyu Wang, Feng Cheng, Ziyan Yang, Lu Jiang, Bohan Wang•Mar 26, 2025•163

Tamaño de paso óptimo para el muestreo de difusión
Optimal Stepsize for Diffusion Sampling

Jianning Pei, Han Hu, Shuyang Gu•Mar 27, 2025•132

Explorando la Evolución de la Cognición Física en la Generación de Videos: Una Revisión
Exploring the Evolution of Physics Cognition in Video Generation: A Survey

Minghui Lin, Xiang Wang, Yishan Wang, Shu Wang, Fengqi Dai, Pengxiang Ding, Cunxiang Wang, Zhengrong Zuo, Nong Sang, Siteng Huang, Donglin Wang•Mar 27, 2025•112

Difusión Discreta Multimodal Unificada
Unified Multimodal Discrete Diffusion

Alexander Swerdlow, Mihir Prabhudesai, Siddharth Gandhi, Deepak Pathak, Katerina Fragkiadaki•Mar 26, 2025•92

Feature4X: Conectando cualquier video monocular a la IA agentica 4D con campos de características gaussianos versátiles
Feature4X: Bridging Any Monocular Video to 4D Agentic AI with Versatile Gaussian Feature Fields

Shijie Zhou, Hui Ren, Yijia Weng, Shuwang Zhang, Zhen Wang, Dejia Xu, Zhiwen Fan, Suya You, Zhangyang Wang, Leonidas Guibas, Achuta Kadambi•Mar 26, 2025•82

Adaptación de Biblioteca Semántica: Recuperación y Fusión LoRA para Segmentación Semántica de Vocabulario Abierto
Semantic Library Adaptation: LoRA Retrieval and Fusion for Open-Vocabulary Semantic Segmentation

Reza Qorbani, Gianluca Villani, Theodoros Panagiotakopoulos, Marc Botet Colomer, Linus Härenstam-Nielsen, Mattia Segu, Pier Luigi Dovesi, Jussi Karlgren, Daniel Cremers, Federico Tombari, Matteo Poggi•Mar 27, 2025•72

ZJUKLAB en SemEval-2025 Tarea 4: Desaprendizaje mediante Fusión de Modelos
ZJUKLAB at SemEval-2025 Task 4: Unlearning via Model Merging

Haoming Xu, Shuxun Wang, Yanqiu Zhao, Yi Zhong, Ziyan Jiang, Ningyuan Zhao, Shumin Deng, Huajun Chen, Ningyu Zhang•Mar 27, 2025•72

LLPut: Investigación de Modelos de Lenguaje de Gran Escala para la Generación de Entradas Basadas en Reportes de Errores
LLPut: Investigating Large Language Models for Bug Report-Based Input Generation

Alif Al Hasan, Subarna Saha, Mia Mohammad Imran, Tarannum Shaila Zaman•Mar 26, 2025•52

Tracktention: Aprovechamiento del seguimiento de puntos para procesar videos de manera más rápida y eficiente
Tracktention: Leveraging Point Tracking to Attend Videos Faster and Better

Zihang Lai, Andrea Vedaldi•Mar 25, 2025•22

LOCATEdit: Atención Cruzada Optimizada con Laplaciano de Grafos para Edición Localizada de Imágenes Guiada por Texto
LOCATEdit: Graph Laplacian Optimized Cross Attention for Localized Text-Guided Image Editing

Achint Soni, Meet Soni, Sirisha Rambhatla•Mar 27, 2025•12