VLBM: Pronóstico Robusto OOD con Modelado de Base Latente Variacional
VLBM mejora MAE en 15% y MSE en 7.74% frente al mejor baseline, separando dinámicas estables de desviaciones OOD en series temporales.
#aprendizaje automático
Generalización en optimización topológica con flujo Bernoulli condicionado
El condicionamiento por sensibilidad mejora la generalización en optimización topológica con flujo Bernoulli bajo cambios de carga y condiciones de contorno.
FreqLite: Pronóstico a largo plazo con descomposición frecuencial ligero
Descubre FreqLite, un modelo ligero de descomposición frecuencial que supera a Transformers en pronóstico a largo plazo con 4 veces menos parámetros.
Compresión de redes neuronales mediante equivalencia diferencial aproximada
Aprende a comprimir redes neuronales agrupando neuronas por equivalencia diferencial. Reduce parámetros sin perder precisión, alternativa eficaz.
E4GEN: Generación explicable de series temporales con eventos extremos
Explora E4GEN, un innovador marco de difusión explicable para generar series temporales realistas que capturan eventos extremos. Mejora la fidelidad general y de extremos.
Difusión temporal basada en desenredo de preferencias para recomendación generativa
TDPM: difusión temporal basada en desenredo de preferencias mejora la recomendación generativa un 29% en precisión. ¡Descúbrelo!
Ajuste fino justo mitiga ataques de inferencia de distribución
Ajuste fino justo reduce ataques de inferencia de distribución. Conoce el vínculo entre equidad y privacidad en modelos de IA.
Atajo a ninguna parte: Desmitificando la regresión espuria profunda
La regresión espuria profunda revela cómo los atajos engañan a modelos de IA en predicciones continuas. Aprende a detectarlos y generalizar.
SECUREVENT: Monitoreo de seguridad híbrido IA/ML para sistemas de eventos distribuidos
Descubre SECUREVENT, un sistema híbrido de IA y ML que detecta anomalías en flujos de eventos distribuidos, mejorando la seguridad sin sacrificar rendimiento.
Sesgo implícito generativo para acelerar dinámica de proteínas
Descubre cómo un nuevo sesgo implícito en espacios generativos acelera hasta 37x la emulación de dinámica de proteínas, aumentando diversidad y cubriendo más estados de baja energía.
Optimización encadenada de modalidades en aprendizaje federado multimodal
Descubre cómo FedMChain optimiza el aprendizaje federado multimodal evitando la competencia entre modalidades y mejorando la precisión con menos comunicación.
InfoAtlas: Un modelo base para estimación de dependencia estadística sin entrenamiento
InfoAtlas: estima dependencia estadística sin entrenamiento previo, 100x más rápido, con precisión de vanguardia. Ideal para tiempo real.
Destilación on-policy con guía de trayectorias futuras
Mejora el razonamiento de LLMs con TOPD: destilación on-policy con guía futura aumenta precisión del 47.8% al 52.2%.
MMG2Skill: Agentes aprenden habilidades de guías web
Descubre cómo MMG2Skill convierte guías web en habilidades ejecutables para agentes IA, mejorando su rendimiento hasta un 25% en múltiples dominios.
¿Qué tan difícil puede ser? Desaprendizaje multiobjetivo consciente de la dificultad
Descubre HAMU, un enfoque que garantiza mejoras en el olvido de datos minimizando la pérdida de rendimiento del modelo. Ideal para privacidad y equidad en IA.
CAFOSat: Dataset anotado para mapeo de CAFO con imágenes de alta resolución
Descubre CAFOSat, un dataset anotado con más de 45,000 imágenes para mapear granjas industriales mediante IA. Mejora la vigilancia ambiental y sanitaria.
Dificultad de aprender meta-red para selección de datos
La selección de datos sintéticos con meta-redes tiene desafíos. Descubre cómo aumentar el tamaño de lote y usar características informativas mejora el rendimiento en un 5.49%.
Ajuste fino consciente del desbalance en Qwen3-8B para defensa psicológica
Descubre cómo logramos el 4° puesto en PsyDefDetect 2026 usando Qwen3-8B con ajuste fino consciente del desbalance, aumentando el F1 macro un 24.4% sobre la línea base.
Desmitificando el clasificador justo óptimo en multiclase
Descubre cómo lograr el clasificador justo óptimo en multiclase. Algoritmos de pre y post-procesamiento alcanzan la frontera Pareto entre precisión y equidad.
Límites inferiores teóricos para optimización estocástica con bits limitados
Descubre cómo los límites informacionales afectan la optimización estocástica con gradientes de baja precisión: reducción a estimación gaussiana.