CuMA: Mezcla de adaptadores para alinear LLMs a valores culturales dispersos
CuMA alinea modelos de lenguaje a valores culturales usando mezcla de adaptadores, evitando el colapso medio y preservando la pluralidad cultural.
#adaptador
PermDoRA: Límites de la geometría en interferencia de adaptadores
La geometría del espacio de parámetros no predice la interferencia al combinar adaptadores en LLMs. Análisis con DoRA-RBAC y benchmarks de QA.
Claw-SWE-Bench: Un benchmark para evaluar agentes de codificación
Descubre Claw-SWE-Bench, un benchmark que mide la capacidad de agentes como OpenClaw para resolver issues de código. Compara harnesses, modelos y costos.
Ajuste eficiente de adaptadores para aprendizaje multimodal tabular-imagen
Descubre TI-Adapter: ajuste eficiente para aprendizaje multimodal tabular-imagen con rendimiento competitivo y menos parámetros entrenables.
Microservicio de notificaciones con DDD: patrones de producción
Descubre cómo implementar un microservicio de notificaciones con DDD, separando eventos, preferencias y canales para escalar sin dolor.
GRAFT: Adaptadores Recalibrados por Ganancia para Modelado Neuronal
Descubre GRAFT, el modelo que marca un nuevo SOTA en modelado neuronal con capacidad de recalibración entre días.
ASA: Representación sin Entrenamiento para Agentes de Herramientas
ASA mejora la precisión de agentes en herramientas sin reentrenar. Reduce falsos positivos un 66% y eleva F1 de 0.18 a 0.50 con solo 20KB.
Eliminando la carga del adaptador en IA multimodal
Descubre cómo eliminar la carga del adaptador en IA multimodal con arquitectura asíncrona. Ahorra tiempo y evita deuda técnica.
SIGA: Adaptadores auto-evolutivos para simulaciones científicas
Descubre cómo SIGA, un adaptador auto-evolutivo, permite a agentes de IA dominar simuladores científicos como GEOS en minutos, logrando una aceleración 36x respecto a expertos humanos.
SafeGene: Adaptadores reutilizables para alineación de seguridad transferible
SafeGene: adaptadores reutilizables para mantener la seguridad en LLMs tras fine-tuning. Reduce respuestas dañinas sin pérdida de rendimiento.
Entrenando un MoE disperso de 120B con escalado reversible
Aprende a entrenar un MoE de 120B parámetros en un solo nodo GPU usando escalado reversible y cuantización. Optimiza memoria y alcanza pérdida de 1.78.
Fundamentos Reversibles: Escalado de Preservación de Estado para MoE de 120B
Entrena un MoE de 120B en una sola máquina con 8 GPUs usando reversibilidad y escalado preservador de estado. Eficiencia sin precedentes.
MoDA: Adaptador de modulación para anclaje visual fino en MLLMs instructivos
Descubre MoDA, un adaptador ligero que mejora el anclaje visual en MLLMs mediante modulación por canal. Logra hasta +12 puntos en MMVP. ¡Código abierto!
LatentSkill: Habilidades latentes en pesos para agentes LLM
LatentSkill convierte habilidades textuales en adaptadores LoRA modulares, reduciendo tokens de prefijo hasta un 72% y mejorando rendimiento en agentes LLM. Descubre cómo.
Code2LoRA: Adaptadores hiperred para modelos de código evolutivo
Descubre Code2LoRA: genera adaptadores LoRA por repositorio sin tokens extra. Mejora modelos de código en entornos estáticos y evolutivos con 63.8% de exactitud.
Android Auto y Apple CarPlay en Chevy y Cadillac EV con este adaptador
Descubre cómo el adaptador EV Play LT integra Android Auto y Apple CarPlay en los vehículos eléctricos de Chevy, Cadillac y GMC. Una solución para GM.
Puedes combinar Fitbit Air y reloj en la misma correa (pero quizá no quieras)
Aprende a colocar tu Fitbit Air y un reloj en la misma correa. Descubre los pasos, limitaciones y por qué puede no ser cómodo ni preciso.
DRIFT: Adaptador de flujo residual para salidas continuas en modelos de lenguaje visual
Descubre cómo DRIFT adapta modelos de visión-lenguaje para generar salidas continuas con precisión, mejorando tareas como grounding visual y control robótico.
DRIFT: Adaptador de flujo residual para salidas continuas en VLMs
DRIFT adapta modelos VLM para salidas continuas con un adaptador de flujo residual, mejorando precisión en percepción y control robótico.
Adaptive Minds: Empoderando Agentes con LoRA como Herramientas
Descubre cómo modelos de lenguaje usan adaptadores LoRA como herramientas dinámicas, con 98.3% precisión al enrutar y mejoras 84 puntos en tareas específicas.