Modelos oscilatorios de espacio de estados como sesgos inductivos para PINNs
Optimiza la solución de EDP con modelos oscilatorios: mayor precisión, menor memoria. ¡Descubre cómo!
#aprendizaje automático
TadA-Bench: un millón de variantes para ingeniería de proteínas con agentes
TadA-Bench ofrece un millón de variantes de proteínas para que la IA descubra rondas futuras en evolución dirigida. Acelera la ingeniería de proteínas con agentes.
Mejorando predicción de PPIs con embeddings multimodales jerárquicos de motivos
Aprende sobre MMM-PPI, un innovador modelo que integra secuencia, estructura y función para predecir interacciones proteína-proteína con precisión superior.
Psicometría en SLMs: artefactos de prompt, no constructos psicológicos
Descubre por qué los SLMs miden artefactos de prompt, no rasgos psicológicos. Un estudio revela cómo los sesgos de cumplimiento dominan las evaluaciones.
Representaciones geográficas locales de alta resolución con funciones Slepian
Descubre cómo las funciones Slepian logran alta resolución geográfica localizada sin sacrificar eficiencia computacional.
WaterSIC: Cuantización lineal casi óptima (teoría de la información)
WaterSIC: algoritmo de cuantización casi óptimo que supera a GPTQ. Nuevo récord en LLMs Llama y Qwen para 1-4 bits. ¡Mejora la eficiencia!
ArrowFlow: Aprendizaje automático jerárquico en el espacio de permutaciones
ArrowFlow: modelo de aprendizaje automático en permutaciones sin parámetros flotantes. Competitivo, robusto al ruido, ideal para hardware neuromórfico.
Estimación de contribuciones visuales en decisiones humanas en Atari
Descubre cómo la visión periférica y el eye-tracking explican decisiones humanas en Atari. Estudio revela sorprendentes contribuciones.
Flujo de potencia con confianza: garantía probabilística para riesgo de voltaje
Nuevo marco de garantía probabilística para estimar riesgo de voltaje usando procesos gaussianos, reduciendo 15x los cálculos de flujo de potencia.
SDPLR+: Solucionador SDP escalable de bajo rango
Descubre SDPLR+: resuelve SDP con millones de variables usando límites de suboptimalidad y bajo rango. Más rápido y escalable.
Optimización de algoritmos neuro-difusos y de competencia colonial para cáncer de piel
Algoritmos neuro-difusos y de competencia colonial alcanzan 94% de precisión en diagnóstico de cáncer de piel. Descubre cómo esta IA ayuda.
Aprendizaje de DNF mediante representaciones generalizadas de Fourier
Descubre cómo las representaciones generalizadas de Fourier permiten aprender DNF bajo distribuciones no producto. Un avance clave en teoría del aprendizaje automático.
Estimación bidireccional de efectos causales con kernel online
Nuevo método de kernel online para estimar efectos causales bidireccionales con alta precisión y escalabilidad. Ideal para datos masivos en ciencia, negocios y políticas.
RNN factorizado de bajo rango para dinámicas neuronales independientes
Descubre cómo el nuevo modelo FacRNN desenreda dinámicas neuronales latentes para una interpretabilidad sin precedentes en neurociencia computacional.
Un marco Cartesiano-3j para potenciales interatómicos de aprendizaje automático
Nuevo marco Cartesiano-3j logra precisión comparable a modelos esféricos en potenciales interatómicos. Descubre cómo.
Social Caption: Evaluación de la comprensión social en modelos multimodales
Descubre Social Caption: evaluando la comprensión social de modelos multimodales. Tres dimensiones clave: inferencia, análisis holístico y dirigido.
OPAL: Asignación optimizada de etiquetado para inferencia asistida
OPAL optimiza el etiquetado para inferencia precisa, logrando intervalos de confianza válidos con menos muestras etiquetadas. Ideal para medicina y ciencias.
Recuperación exacta en hipergrafos: modelo de bloques estocástico
Descubre cómo recuperar comunidades exactas en hipergrafos no uniformes con algoritmos óptimos. Un umbral preciso incluso si las capas individuales fallan.
Clasificación híbrida de malware con fusión de características secundarias
Descubre cómo un enfoque híbrido con fusión de características secundarias logra un 99.72% de precisión en clasificación de malware. ¡Mejora tu ciberseguridad!
¿Cuándo debe actualizar al profesor? Acoplamiento temporal en destilación
Descubre cómo el período de aislamiento del profesor evita colapsos en destilación autónoma. Presentamos CGTR, que logra cero colapsos en múltiples tareas.