modelo de lenguaje visual
5 published articles
Investigación en conducción autónoma
Qwen-Drive-1.0 obtiene 69,43 en QA de conducción y luego señala su propia brecha de razonamiento
Qwen-Drive-1.0 acopla una cabeza de percepción de vista de pájaro y un planificador de flow matching a un backbone Qwen3.5-4B intacto, y luego registra una media de 69,43 en QA de conducción. La propia conclusión del artículo señala lo que la puntuación oculta: un razonamiento que no siempre coincide con la trayectoria.
2026-09-15
CARE-X, IA médica
Dilatación aórtica leve: 12% detectados en las primeras lecturas, 93% con un VLM que mide
La dilatación aórtica rara vez se cuantifica en las radiografías de tórax, y los casos leves pasan desapercibidos: 5 de 43 en las lecturas iniciales. Un VLM aumentado con herramientas detectó 40. La nueva investigación de CARE-X explica por qué la IA en radiología necesita reglas, no solo ojos.
2026-08-16
Inteligencia Artificial
AutoVSR: un marco de IA que integra esquemas de circuitos con expresiones simbólicas mediante verificación prioritaria
AutoVSR utiliza percepción visual, una representación intermedia ejecutable y solucionadores simbólicos aumentados con herramientas para convertir de forma fiable diagramas de circuitos en expresiones simbólicas válidas. Los experimentos realizados en cinco tipos de circuitos muestran que supera tanto a los VLM de propósito general como a los métodos especializados, logrando mejoras de precisión del 30 al 59% y del 42 al 52%, respectivamente.
2026-08-04
Aprendizaje por Refuerzo
Investigadores de Meta y UIUC entrenan modelos de lenguaje y visión para que verifiquen su propio trabajo y repiensen respuestas incorrectas
SVR-R1 convierte el propio veredicto binario de un modelo de lenguaje y visión en una señal de aprendizaje. Probado en puntos de referencia de razonamiento sobre gráficos y tablas, supera ampliamente al GRPO estándar, mientras que el modelo reduce progresivamente el número de rondas de verificación, lo que indica que internaliza la autocorrección.
2026-07-25
IA multimodal
Un modelo de 12B supera a uno de 90B. La ortodoxia del escalado está en aprietos
Pixtral-12B iguala o supera a modelos siete veces más grandes en benchmarks multimodales, sin sacrificar el rendimiento lingüístico. Mistral también publica un nuevo benchmark abierto para la evaluación práctica de lenguaje visual, desafiando la idea de que más grande siempre es mejor.
2026-07-17