PolicyGuard: defensa adversarial en tiempo de prueba y por paso para RL
PolicyGuard defiende agentes de RL contra ataques backdoor en tiempo de prueba, usando procesos Gaussianos para detectar anomalías paso a paso. Resultados state-of-the-art.
#aprendiz
GRASP: agarre robótico con lenguaje natural y planificación neuro-simbólica
GRASP combina visión-lenguaje y planificación neuro-simbólica para agarre robótico con lenguaje natural. 73.3% de éxito sin entrenamiento. ¡Descúbrelo!
LoRA-Muon: descenso espectral en el manifold de bajo rango
Descubre LoRA-Muon: optimiza fine-tuning con bajo rango, transfiere tasas de aprendizaje, supera líneas base densas. Eficiente en memoria.
Simulación y aumento eficiente para robótica en laboratorio húmedo
Descubre Pipette: plataforma de simulación y aumento de datos para robótica en laboratorio húmedo. Mejora VLA de 44.1% a 74.7% con solo 30 demostraciones.
Análisis ergonómico personalizado en tiempo real con aprendizaje automático
Aprendizaje automático analiza posturas ergonómicas en tiempo real con nubes de puntos 3D. Supera cámaras fijas y mejora seguridad laboral.
scLLM-DSC: Clustering multimodal con LLM para ARN-seq unicelular
scLLM-DSC: un novedoso marco de clustering multimodal que aprovecha grandes modelos de lenguaje para mejorar la precisión en el análisis de células individuales.
Un marco de aprendizaje automático para el análisis ergonómico de posturas en tiempo real
Marco de machine learning para análisis en tiempo real de posturas ergonómicas usando nubes de puntos 3D. Clasificación personalizada para seguridad laboral.
CausalMoE: modelo fundacional multimodal para causalidad de Granger
CausalMoE, un modelo multimodal, revoluciona la detección causal de Granger usando expertos heterogéneos y patrones temporales, integrando LLMs y VLMs.
scLLM-DSC: Agrupamiento Estructural Profundo Multimodal con LLM para scRNA-seq
scLLM-DSC mejora el clustering de scRNA-seq integrando conocimiento de LLM y supera 11 métodos. Conoce este avance en bioinformática.
CausalMoE: Modelo fundacional multimodal para causalidad Granger
Descubre CausalMoE, el primer modelo fundacional multimodal que integra LLMs y VLMs para descubrimiento causal Granger preciso en series temporales complejas.
EA-WM: Modelos del mundo conscientes de eventos para manipulación a largo plazo
EA-WM verifica eventos en modelos de mundo para manipulación robótica a largo plazo. Mejora planificación y control con predicciones interpretables.
TWLA: Cuantización post-entrenamiento pesos ternarios y activaciones de bajo bit
Descubre cómo TWLA, mediante cuantización post-entrenamiento, reduce el tamaño y acelera la inferencia de LLMs usando pesos ternarios y activaciones de 4 bits.
La regulación emocional mejora la clasificación de imágenes con aprendizaje profundo
Descubre cómo la regulación emocional artificial mejora la clasificación de imágenes con deep learning, superando métodos previos en datasets CIFAR.
Regulación emocional mejora clasificación de imágenes con aprendizaje profundo
Descubre cómo la regulación emocional artificial supera modelos de deep learning en clasificación de imágenes, logrando el nuevo estado del arte en CIFAR.
Seleccionar y mejorar: la mecánica del post-entrenamiento para razonamiento
El post-entrenamiento con RL activa selección y mejora de estrategias. Experimentos con Qwen-2.5 revelan mecanismos clave para escalar razonamiento.
Pensamiento Visual Iterativo: Autocorrección Espacial en Modelos Visión-Lenguaje
Descubre cómo IVT enseña a modelos visión-lenguaje a corregir sus errores espaciales: precisión 82% y degradación 5x menor.
Correspondencia propioceptiva-visual para distinción yo-otro en robots
Robot humanoide se distingue de otros usando percepción propioceptiva-visual sin etiquetas. Crea modelo corporal 3D para navegación y evitar colisiones.
Decodificando cantos: clasificador bioacústico semisupervisado de ortópteros
Descubre cómo PULSE, un clasificador bioacústico semisupervisado, supera a modelos generales en la identificación de cantos de ortópteros, mejorando el monitoreo ecológico.
Aprendizaje Federado Personalizado para Reconocimiento de Voz Disártrica
Mejora el reconocimiento de voz disártrica con aprendizaje federado personalizado. Descubre estrategias que reducen el WER hasta un 4.73% relativo. ¡Protege la privacidad!
Previsión simultánea escalable mediante estimación del equilibrio
Descubre cómo ESE acelera pronósticos hasta 70x. Preciso, escalable y robusto para economía, salud, y más.