Campos adaptativos volumétricos propiedades mecánicas invariantes a resolución
AdaVoMP predice propiedades mecánicas volumétricas invariantes a resolución para objetos 3D, logrando simulaciones realistas con resolución 16x superior.
#adaptativos
C2FL: Aprendizaje Federado Continuo y Agrupado ante Deriva Espacial y Temporal
Descubre C2FL, un enfoque de aprendizaje federado que permite a sistemas adaptativos colectivos manejar deriva espacial y temporal mediante agrupación por
Marco Compositivo para la Inteligencia Abierta
Explora el marco compositivo que habilita inteligencia sin límites: primitivas, composición y aprendizaje continuo para adaptarse a cualquier entorno.
Schattor: Métodos de la familia Schatten para optimización en deep learning
Descubre Schattor, una familia de métodos adaptativos basados en normas Schatten que unifica SGD y Muon para optimizar modelos de deep learning.
Optimalidad en el muestreo por importancia: una revisión suave
Descubre cómo optimizar la densidad propuesta en métodos Monte Carlo para mejorar el rendimiento en aprendizaje automático, inferencia bayesiana y más.
Defensa contra inyección de prompts adaptativos con razonamiento
RETA reduce la tasa de éxito de ataques de inyección adaptativa a menos del 10% usando alineación de tareas con razonamiento. ¡Protege tus modelos!
MAF: Prompting Adaptativo Multimodal para Análisis de Sentimientos
Mejora el análisis de sentimientos con MAF: marco adaptativo multimodal que recupera demostraciones relevantes y fusiona similitudes para mayor precisión en
AutoDojo revela defensas superficiales en agentes LLM
AutoDojo revela que las defensas contra inyección indirecta son superficiales: ataques adaptativos logran un 28% de éxito incluso con filtros perfectos.
Optimización Convexa Online con Sondas Sublineales Ruidosas
¿Cómo mejoran las sondas ruidosas sublineales el regret en optimización convexa online? Descubre este novedoso modelo y sus aplicaciones a la predicción con expertos.
Unificar comunicaciones y actualizaciones locales en preentrenamiento de LLMs
GASLoC unifica comunicaciones y actualizaciones locales para preentrenar LLMs. Supera algoritmos descentralizados y compite con DiLoCo en eficiencia.
GASLoC: unificando comunicaciones y actualizaciones locales para LLMs
GASLoC unifica comunicaciones y actualizaciones locales para preentrenar LLMs de forma eficiente, superando a DiLoCo en entornos heterogéneos.
56 optimizadores puestos a prueba en inferencia variacional
Descubre la comparativa de 56 optimizadores para inferencia variacional. Más de 550,000 ejecuciones revelan los mejores sin ajuste manual.
IRAM-Omega-Q: Modelo para regulación de incertidumbre en agentes adaptativos
Nuevo marco cuántico IRAM-Omega-Q regula incertidumbre en agentes adaptativos. Compara órdenes de control y revela impacto en eficacia.
Diseño no supervisado de compañeros para trabajo en equipo ad-hoc robusto
El Diseño No Supervisado de Compañeros (UPD) logra trabajo en equipo ad-hoc robusto sin poblaciones preentrenadas, superando en juegos y estudios humanos.
Autoexplicabilidad en sistemas adaptativos y auto-organizativos: estado y retos
Autoexplicabilidad en sistemas complejos: estado, niveles y retos. Revisión sistemática que establece la base para sistemas que se explican a sí mismos.
Aprendizaje por refuerzo para transiciones en salud mental
RL para unir atención clínica y bienestar diario en salud mental. Estudio revela beneficios post-intervención y cómo evitar el burnout.
Teoría Bootstrap de la Emergencia Representacional
Descubre cómo la insuficiencia explicativa impulsa la creación de nuevas representaciones en IA, desde modelos del mundo hasta gemelos digitales. Una teoría que transforma el aprendizaje.
Teoría Bootstrap de Emergencia Representacional: Insuficiencia Explicativa
Descubre cómo la insuficiencia explicativa impulsa la creación de nuevas representaciones en IA. Teoría Bootstrap de Emergencia Representacional, sus 5 etapas y aplicaciones.
Minimización de arrepentimiento con oponentes adaptativos en juegos repetidos
Exploramos cómo minimizar el arrepentimiento en juegos repetidos con oponentes adaptativos, presentando algoritmos que logran cooperación y equilibrios óptimos.
OLIVE: Aprendizaje incremental online bajo rango para exoesqueletos adaptativos
OLIVE: aprendizaje incremental de bajo rango para exoesqueletos. Logra 13% más suavidad, 22% menos esfuerzo y mayor estabilidad en terrenos. ¡Descúbrelo!