RL offline logra planificación efectiva con soluciones aleatorias
CDQAC: RL offline que aprende planificación efectiva incluso de soluciones aleatorias, superando heurísticas complejas con mínimos datos.
#óptima
Longitud óptima de razonamiento en modelos con RL
¿Sabías que la longitud de razonamiento tiene un punto óptimo? Descubre cómo la investigación optimiza precisión y coste en modelos de lenguaje con RL.
Escalas óptimas de cuantización post-entrenamiento y dónde encontrarlas
Descubre PiSO, un algoritmo que calcula escalas óptimas de cuantización para LLMs. Mejora perplejidad y precisión en tus modelos.
Teoría de decisión estadística con pérdida contrafactual
Descubre cómo la teoría de decisión estadística con pérdida contrafactual permite evaluar decisiones a nivel unitario, superando limitaciones clásicas. Ideal para IA y ciberseguridad.
OptMuon: Momento Ortogonalizado en Bucle Cerrado para Optimización Estocástica
Descubre OptMuon, optimizador con momento ortogonalizado y control adaptativo en bucle cerrado. Logra tasas óptimas incluso sin ruido. Ideal deep learning.
P-Cast en FP8: colapso sink y escala óptima S=2^8
Descubre cómo la escala S=2^8 y la iteración inversa evitan el colapso de precisión en atención FP8, mejorando el MSE entre 3 y 10 veces.
Tasas óptimas de generalización en descenso de gradiente con redes profundas
Descubre cómo GD y SGD alcanzan tasas óptimas de generalización en redes ReLU profundas, con resultados minimax comparables a kernels.
Más allá de las recompensas en el aprendizaje por refuerzo para ciberdefensa
Descubre cómo las recompensas dispersas en el aprendizaje por refuerzo mejoran la ciberdefensa, ofreciendo políticas más seguras y efectivas que las densas.
Agentic Monte Carlo: Aprendizaje por Refuerzo en Agentes Caja Negra
Optimiza agentes LLM de caja negra sin entrenarlos. Agentic Monte Carlo supera a GRPO. Aprende inferencia bayesiana.
Representaciones Bayes-Suficientes en Aprendizaje Supervisado
Descubre cómo las representaciones Bayes-suficientes preservan la información relevante para la predicción óptima. Incluye experimentos con iNaturalist.
Aprendizaje bayesiano para el problema de ruta más corta estocástica
Aprende cómo el aprendizaje bayesiano cuantifica la incertidumbre en rutas estocásticas, mejorando la eficiencia de datos frente a métodos tradicionales.
Tasas óptimas de generalización del descenso de gradiente en clasificación ReLU profunda
Descubre cómo el descenso de gradiente logra tasas de generalización óptimas en redes ReLU profundas con dependencia polinomial de la profundidad, mejorando resultados previos.
Enfoque de perturbación para bandidos lineales
Descubre cómo un enfoque de perturbación logra arrepentimiento óptimo en bandidos lineales no restringidos, con nuevas garantías de alta probabilidad y tasas adaptativas.
Pruebas privadas casi óptimas para hipótesis simples y MLR
Descubre pruebas privadas casi óptimas para hipótesis simples y MLR con privacidad diferencial gaussiana. Resultados comparables a pruebas no privadas.
Estimación casi óptima y tratable con invarianza por desplazamiento
Estimación casi óptima y eficiente de señales discretas con recurrencias lineales. Descubre el estimador minimax y su aplicación en detección.
Aprendizaje por refuerzo multiobjetivo para decisiones tácticas en camiones
Descubre cómo el aprendizaje por refuerzo multiobjetivo optimiza seguridad, eficiencia y costes en camiones autónomos con frontera de Pareto.
Zero-Shot Off-Policy: Aprendizaje sin Entrenamiento
Nueva técnica de aprendizaje off-policy con zero-shot adapta políticas óptimas sin reentrenamiento, usando sucesores y densidades estacionarias. Benchmark en ExoRL y OGBench.
La auditoría de políticas casi óptimas puede ser exponencialmente difícil
Descubre por qué auditar políticas casi óptimas en RL puede ser exponencialmente difícil. Analizamos cotas inferiores de consulta y la capacidad Rashomon.
Teoría exacta de algoritmos de error feedback en optimización distribuida
Aprende cómo los algoritmos de error feedback logran convergencia óptima en optimización distribuida con compresión de gradientes. Análisis para EF y EF21.
Cómo decidir cuándo detener la optimización bayesiana
Descubre cómo la nueva regla de parada consciente del costo optimiza la optimización bayesiana, reduciendo evaluaciones innecesarias y mejorando el regret simple ajustado al costo.