Desaprendizaje automático multiobjetivo alineado con referencia
RAUL: un marco multiobjetivo que elimina datos de entrenamiento sin perder precisión. Optimiza olvido y retención con alineación de referencia.
#aprendizaje automático
Explotando simetrías del espacio de pesos para aproximar curvatura
Descubre cómo las simetrías en el espacio de pesos facilitan la estimación de la curvatura en redes neuronales, mejorando la optimización y reduciendo costos computacionales.
Repensando las divergencias de Bregman en optimizadores Kronecker
Descubre cómo las divergencias de Bregman distribuyen el error de aproximación espectral en optimizadores Kronecker y la propuesta de un optimizador adaptativo.
Agentes en árbol: coordinación por rutas para optimización molecular
ATOM: marco multiagente que coordina agentes en un árbol para optimizar moléculas multiobjetivo. Mejora Pareto en diseño de fármacos. ¡Descúbrelo!
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.
CityTrajBench: un benchmark unificado para generar trayectorias vehiculares urbanas
Descubre CityTrajBench, el benchmark unificado para generar trayectorias vehiculares urbanas. Compara modelos como DiffTraj, GANs y flujos. Resultados multiobjetivo clave.
MASER: Enrutamiento Adaptativo de Modalidades para IA Espacial 3D
MASER: un framework que selecciona la mejor modalidad para responder preguntas espaciales 3D con alta precisión. Basado en Open3D-VQA.
AdaCodec: Un Código Visual Predictivo para Video MLLMs
AdaCodec reduce tokens visuales en video MLLMs hasta 1/7, mejorando benchmarks y reduciendo tiempo de primera respuesta de 9.26s a 1.62s.
Espejismo de seguridad: Correlaciones espurias y desaprendizaje en VLM
Aprende cómo las correlaciones espurias en VLM crean un espejismo de seguridad y cómo el desaprendizaje reduce ataques y rechazos innecesarios.
InPhyRe: Grandes modelos multimodales fallan en razonamiento físico inductivo
Descubre el nuevo benchmark InPhyRe revela: modelos multimodales fallan en razonamiento físico inductivo, cuestionando su fiabilidad en aplicaciones críticas.
Modelos de lenguaje y simulación física para síntesis de materiales inorgánicos
Explora cómo los LLMs combinados con simulaciones físicas facilitan la síntesis de materiales inorgánicos. Caso práctico: sistema niobio-oxígeno.
Del ruido al control: Políticas de difusión parametrizadas
Descubre cómo las Políticas de Difusión Parametrizadas (PDP) transforman el ruido en control, adaptando comportamientos robóticos sin reentrenar el modelo. Resu
Del ruido al control: Políticas de difusión parametrizadas
Descubre cómo las políticas de difusión parametrizadas permiten adaptar comportamientos robóticos sin reentrenar, mejorando la síntesis de nuevas conductas.
VESTA: Exploración Visual con Agentes de Herramientas Estadísticas
Descubre cómo VESTA equipa agentes de IA con herramientas visuales dinámicas para explorar y refinar modelos estadísticos con mayor precisión.
TAPS: Selección de Prefijos Consciente del Objetivo para Decodificación Especulativa
Descubre TAPS, que acelera la decodificación especulativa hasta 7.9x con selección inteligente de árboles de prefijos. Mejora el rendimiento sin pérdidas.
EnergyMamba: modelo espaciotemporal con incertidumbre para energía
Aumenta la precisión en predicción de consumo energético en un 5% con EnergyMamba, modelo que cuantifica incertidumbre mediante grafos y estados selectivos.
CoEvo-AHD: Heurísticas Evolutivas con LLM para Optimización Acoplada
Descubre cómo CoEvo-AHD usa LLMs para co-evolucionar heurísticas en problemas de optimización acoplada como TTP y TPP, mejorando soluciones de forma automática.
Tutoría con IA: falacias lógicas y preguntas socráticas contra desinformación
Aprende cómo LFTutor, un tutor con IA, enseña a detectar falacias lógicas usando preguntas socráticas para combatir la desinformación. ¡Mejora tu pensamiento!
MindClaw: Razonamiento Corporizado en Bucle Cerrado para Intervención Precisa
Descubre MindClaw, un marco de IA que permite a robots razonar sobre el estado mental y actuar solo cuando es necesario, mejorando asistencia robótica precisa.
CAREAgent: Agente Clínico con Razonamiento Estructurado para Órdenes
Descubre CAREAgent, el agente clínico que combina razonamiento estructurado y herramientas integradas para generar órdenes clínicas precisas. Mejora el F1 un 5%