RL para diseño óptimo de experimentos en identificación de parámetros
Agente de RL optimiza señales de excitación para identificación de parámetros en sistemas mecatrónicos, superando métodos clásicos con solo 0.75% de violaciones
#óptimo
Evaluación distribucional abierta del alineamiento cultural de LLM con codebook de valores
DOVE evalúa la alineación cultural de LLMs mediante distribuciones de texto. Mejora precisión y fiabilidad con codebook de valores.
Cómo equilibrar tasas de aprendizaje entre capas en redes neuronales lineales
Descubre cómo equilibrar las tasas de aprendizaje entre capas en redes lineales mejora el rendimiento temprano. Resultados teóricos y experimentales.
Generación en un paso: geometría de transporte en espacio semántico
Descubre cómo las representaciones semánticas SSL reducen 39 veces el FID en ImageNet, optimizando la generación en un paso sin métricas hackeadas.
Optimización Bayesiana Invariante a Permutaciones para Parques Eólicos Marinos
Descubre cómo la Optimización Bayesiana invariante a permutaciones, basada en transporte óptimo, reduce a la mitad el tiempo de cómputo y mejora el diseño de parques eólicos marinos.
Comportamiento de Teoría de Prospectos en MDPs con Estados Catastróficos
Descubre cómo la optimalidad de Bellman en MDPs con estados catastróficos produce aversión a pérdidas y efecto reflejo, sin preferencias de riesgo.
DOT-MoE: transporte óptimo diferenciable para modelos MoE
Descubre DOT-MoE, un método que convierte modelos de lenguaje densos en MoE usando transporte óptimo diferenciable, manteniendo un 90% del rendimiento con un 50% menos parámetros activos.
LLMs sin Deep Learning: Arquitectura RBF con Óptimo Global
LLMs sin Deep Learning: nueva arquitectura RBF que encuentra el óptimo global en una iteración, eliminando el tedioso entrenamiento.
Selección Activa de Tiempos para Aprender Trayectorias de Medidas
Descubre cómo seleccionar los mejores tiempos de medición usando aprendizaje activo y procesos gaussianos para reducir costos en biología unicelular.
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.
Privacidad Diferencial Local con Ruido Correlacionado Logra Costo Óptimo Central
Descubre cómo el ruido correlacionado en privacidad diferencial local iguala el costo óptimo del modelo central, revolucionando la estimación privada de datos.
Transporte Óptimo por Minibatch y Límites de Perplejidad en Flujo Discreto
Descubre cómo el transporte óptimo por minibatch reduce hasta 32 veces las transiciones en flujos discretos, mejorando la perplejidad sin perder diversidad.
CellBRIDGE: Alineación consciente de interacciones para trayectorias celulares
CellBRIDGE integra comunicación célula-célula en el transporte óptimo para mejorar trayectorias celulares en scRNA-seq. Ideal para perturbaciones in silico.
Cómo elegir el mejor chatbot de IA para un proveedor de servicio al cliente?
Aprende a elegir el chatbot AI óptimo para atención al cliente y mejora la experiencia de tus usuarios