Autoresearch descubre ataques adversariales avanzados para LLMs
Descubre cómo la IA logra encontrar nuevos métodos de ataque adversarial contra LLMs, superando defensas avanzadas con tasas de éxito del 80% y 100%.
#algoritmo
Cuantización Consciente del Producto Interno: Algoritmos Rápidos y Adaptativos
Descubre cómo los algoritmos de cuantización adaptativa preservan el producto interno de vectores, ofreciendo precisión y velocidad hasta 10 veces mayor.
Cuantificación precisa de incertidumbre en grandes muestras con SG-MCMC
Descubre cómo nuevas aproximaciones discretas a SGLD permiten cuantificar incertidumbre en grandes conjuntos de datos para mejor ajuste y robustez.
PE-means: Mejora del clustering k-means con privacidad diferencial
Descubre cómo PE-means mejora el clustering k-means con privacidad diferencial, logrando un 20% menos de pérdida. Una solución innovadora y eficiente.
GLENS: Búsqueda global con difusión desde iteraciones del solver
Descubre GLENS, un método que usa modelos de difusión para generar inicializaciones diversas y de alta calidad, acelerando la convergencia en optimización no convexa.
¿Cuánta ortogonalización necesita Muon?
Descubre cuánta ortogonalización necesita el optimizador Muon para entrenar redes neuronales de forma eficiente sin sacrificar precisión.
Muestreo de Thompson sensible a la varianza en bandidos lineales generalizados
Nueva demostración de cotas de arrepentimiento sensibles a la varianza para el muestreo de Thompson en bandidos lineales generalizados. Análisis teórico que supera limitaciones previas.
Reescalado adaptativo monótono sin hiperparámetros para colas largas
Nuevo método SAMN elimina hiperparámetros en reescalado adaptativo monótono para colas largas. Resultados SOTA en benchmarks.
Inferencia eficiente en tiempo de test para modelos de planificación generativa
Optimiza la inferencia en tiempo de prueba con el algoritmo OCL, mejorando eficiencia y calidad de soluciones en planificación generativa.
Optimización offline regularizada con creencia bayesiana híbrida posterior
Nuevo método unifica incertidumbre epistémica y de modelo en RL offline. Optimización regularizada con creencia bayesiana híbrida.
Evaluación de generalización en RL mediante certificados
Descubre cómo los certificados neurales validan la generalización de algoritmos de RL en entornos continuos, correlacionando violaciones con éxito en tareas no vistas.
Algoritmos para plataformas de diseño eficiente en edificios verdes
Plataforma BIM + algoritmos evolutivos: reduce un 29.3% el consumo energético en edificios verdes, con solo 3.7% más de coste. ¡Optimiza tus proyectos!
Regresión Imbalanceada Híbrida con Equilibrio de Datos y Algoritmo
Descubre cómo un marco híbrido unifica equilibrio de datos y algoritmo para mejorar la predicción en regresión con clases desbalanceadas. Resultados superiores en benchmarks.
QADR: Algoritmo Cuántico para Reducción Distribuida de Entrelazamientos
El marco QADR reduce la memoria de simulación exponencial y evita los barren plateaus, superando a SVM y redes clásicas en MNIST y diagnóstico industrial.
Exploración eficiente para optimización iterativa de preferencias Nash
La exploración explícita clave para optimizar preferencias Nash en modelos de lenguaje: nuevo algoritmo logra mejor equilibrio y menor arrepentimiento.
MINTS: Muestreo Thompson Minimalista
Descubre MINTS, algoritmo de Muestreo Thompson minimalista que logra arrepentimiento casi óptimo en bandidos con restricciones. Ideal para IA y decisiones.
Identificación de mejor acción con dos fidelidades en árboles minimax estocásticos
Descubre cómo el algoritmo 2FFS reduce costos computacionales al combinar evaluaciones rápidas y precisas para identificar la mejor acción en árboles minimax estocásticos.
Representaciones más ricas para razonamiento algorítmico neuronal mediante reconstrucción auxiliar
Mejora el razonamiento algorítmico neuronal con reconstrucción auxiliar: representaciones más ricas que potencian el rendimiento de arquitecturas existentes.
Ataque A* multiagente de ofuscación de sentido común en prompts LLM
Descubre un framework A* multiagente que ofusca prompts de LLM, induciendo alucinaciones de sentido común con alta eficacia y pocos intentos.
Desarrollo algorítmico con LLMs: optimización de contracción tensorial
Descubre cómo los LLMs impulsan el desarrollo algorítmico con un caso práctico de optimización de contracción en redes tensoriales. Resultados y desafíos para científicos.