modelos de lenguaje visual
2 published articles
Evaluación fundamentada vs. no fundamentada
Por qué la autoevaluación de tu modelo de IA falla en la calidad visual
Una nueva investigación introduce la 'fundamentación' como la variable clave que gobierna un tercer eje del cómputo en tiempo de prueba: el escalado de interacción. Los hallazgos muestran que un instrumento determinista que mide el diseño real supera a la evaluación VLM sobre captura de pantalla, arreglando el 40, 74% de los defectos en modalidades visuales mientras la métrica estándar no ve nada.
2026-07-31
IA multimodal
Por qué los modelos de visión-lenguaje necesitan una ventana de retransmisión visual para dejar de alucinar
Una nueva investigación revela una redistribución estable de tres etapas de la atención multimodal en los VLM, operacionalizada como la Ventana de Retransmisión Visual (VRW). El marco TRACE utiliza módulos ligeros entrenados para programar esta ventana por tarea, mejorando los puntos de referencia sensibles al anclaje en un promedio de 4,33 puntos y hasta 6,6 puntos.
2026-07-23