Aicomputetoken

Investigación que propone una gramática orientada a IA para lenguajes de programación, reduciendo costes computacionales en generación de código con LLM manteniendo equivalencia semántica con lenguajes tradicionales.

Revisión de aplicaciones de redes neuronales en morfología computacional, cubriendo técnicas, ventajas, desafíos y direcciones futuras en análisis y generación morfológica.

Análisis integral de la inteligencia distribuida en redes IoT, cubriendo arquitecturas de edge computing, aplicaciones, desafíos y direcciones futuras para sistemas IoT inteligentes.

El marco INoT permite a los LLM ejecutar razonamiento dialógico programático con menores costes de tokens y mejor rendimiento en múltiples benchmarks.

Artículo de investigación que analiza la precisión de las redes neuronales para modelar retrasos en redes informáticas en función del tráfico de entrada, con directrices prácticas para modelado y optimización de redes.

Investigación sobre el cálculo de errores de salida garantizados en redes neuronales cuantizadas mediante construcción de red fusionada y análisis de alcanzabilidad para aplicaciones de compresión de modelos.

Análisis de las limitaciones de la predicción de tokens en IA creativa, proponiendo modelos de diálogo interactivo para actuaciones improvisadas usando el battle rap como caso de estudio.

Un novedoso modelo de red neuronal cuántica que utiliza neuronas cuánticas suaves con operaciones de un solo qubit y mediciones, permitiendo clasificación no lineal eficiente y robustez al ruido.

Estudio y evaluación comparativa de técnicas de compresión de tokens para Vision Transformers, enfocadas en su aplicación en arquitecturas compactas para despliegue de IA en el edge.

Análisis del marco TREE, una nueva métrica de eficiencia energética para redes 6G con IA que incorpora el rendimiento de tokens de modelos grandes como utilidad de red.