ALINC: Clasificación de Nodos Inductiva con Muestreo de Grafos
ALINC optimiza la clasificación de nodos inductiva seleccionando grafos completos. Ideal para química y diseño electrónico. ¡Aumenta tu eficiencia!
#aprendizaje automático
Reconciliando causalidad y termodinámica con modelos causales hamiltonianos
Nuevos modelos causales hamiltonianos reconcilian causalidad y termodinámica de no equilibrio. Aprende cómo miden la irreversibilidad en sistemas físicos.
Predicción bajo compresión imperfecta: teoría de MDL aproximado
Descubre cómo la compresión aproximada garantiza predicciones confiables en secuencias, incluso con errores de optimización. Un análisis teórico del MDL.
Optimización de hiperparámetros con costo de muestreo reducido
Los priors informativos reducen hasta un 90% el costo de muestreo en optimización de hiperparámetros, manteniendo la calidad. Un avance para AutoML ecológico.
Histéresis de la utilidad: modelo Preisach para aceptación de trabajos gig
Descubre cómo un modelo de histéresis con IA reduce un 21% la nómina y aumenta un 9.7% la aceptación en economía gig.
Resumen del Desafío de Recuperación Multimodal EReL@MIR 2025 (Track 1)
Descubre los resultados del EReL@MIR 2025: sistemas de recuperación multimodal que combinan texto e imágenes. Conoce a los ganadores y sus innovadoras soluciones.
Benchmark revela limitada generalización en modelos de predicción epítopos TCR
Nuevo benchmark revela limitada generalización de modelos de predicción de epítopos TCR. Descubre por qué se necesitan mejores algoritmos para la inmunología.
Escalando la generación de grafos novedosos con modelos autorregresivos ligeros
Descubre cómo un marco autorregresivo ligero escala la generación de grafos con alta novedad y eficiencia. Ideal para IA y ciberseguridad.
Graph Cascades: reconfiguración mesoscópica para GNNs
Mejora tus GNNs con Graph Cascades: una técnica de reconfiguración mesoscópica basada en difusión por contagio que optimiza la clasificación en grafos homofílicos y heterofílicos.
FLAGG: Generación Autoregresiva Flexible de Grafos
Aprende cómo FLAGG revoluciona la generación de grafos al combinar modelos one-shot y autoregresivos. Supera limitaciones y mejora resultados.
RIDE: Dataset abierto para predecir retrasos de trenes
Explora RIDE, el dataset abierto para predicción de retrasos ferroviarios. Compara redes neuronales, estadísticos y más. ¡Optimiza tus modelos!
Midiendo lo relevante: Benchmarks sintéticos para modelos de cuello de botella
Aprende cómo los benchmarks sintéticos optimizan los modelos de cuello de botella de conceptos para apoyo a la decisión y automatización.
Imputación selectiva con difusión consciente de incertidumbre
Diff-Joint identifica cuándo no imputar datos faltantes con ausencias significativas. Mejora modelos de análisis usando difusión consciente de incertidumbre.
Series temporales financieras con características convolucionales aleatorias
Aprende cómo SOCK, un enfoque de características convolucionales aleatorias, genera series financieras realistas sin sobreajuste, incluso con datos escasos.
SpliceBind: Predicción de farmacabilidad de bolsillos según isoformas
Descubre SpliceBind, el modelo de IA que predice la farmacabilidad de bolsillos de unión según isoformas, mejorando la predicción de resistencia a fármacos diana en cáncer.
Reinventando la puntuación de leads con ranking jerárquico basado en LLM
Nuevo framework basado en LLM mejora la puntuación de leads con ranking jerárquico, logrando un 9.5% más de ventas. Ideal para automotive y real estate.
Decaimiento de bajo rango para grokking en transformers invariantes a escala
Descubre cómo el decaimiento de bajo rango (LRD) acelera el grokking en transformers invariantes a escala, comprimiendo valores singulares.
LoopMoE: Unificando Iteración y Mezcla de Expertos en Lenguaje
Descubre cómo LoopMoE integra computación iterativa con Mezcla de Expertos para superar a modelos tradicionales en benchmarks de lenguaje. ¡Mejora de rendimiento a escalas de 3B y 9B!
SePO: Agente de Prompt Auto-Evolutivo para Optimización de Prompts de Sistema
SePO optimiza prompts de sistema sin modificar el modelo subyacente. Su enfoque auto-evolutivo mejora la precisión media un 4.49% en cinco benchmarks clave.
Calibración adaptativa para un reconocimiento facial justo y eficaz
Descubre cómo la calibración adaptativa mejora la precisión y equidad del reconocimiento facial sin necesidad de datos demográficos.