Observatorio de información y Publicaciones

Resumen:La predicción espacio-temporal urbana en condiciones extremas (por ejemplo, lluvias intensas) es un desafío debido a la rareza y la dinámica de los eventos. Los enfoques existentes basados ​​en datos que incorporan el clima como información auxiliar a menudo se basan en descriptores de grano grueso y carecen de mecanismos dedicados para capturar efectos espacio-temporales de grano fino.

Resumen: El avance de los agentes impulsados ​​por el modelo de lenguaje grande (LLM) ha permitido el procesamiento automatizado de tareas a través de capacidades de invocación de herramientas y razonamiento.

Resumen: La decodificación basada en muestreo subyace al razonamiento complejo en modelos de lenguaje grandes (LLM), donde las estrategias de decodificación dan forma crítica al comportamiento del modelo.