Gradiente natural sin inversión en variedades riemannianas
Descubre cómo optimizar modelos estadísticos en variedades Riemannianas sin invertir la matriz de Fisher. Un método eficiente con convergencia probada.
#aprendizaje automático
Clasificación binaria: pública y privada con predictores en espacios métricos
Clasificación binaria con Proto-NN: consistencia universal y privacidad diferencial local con ruido de Laplace.
Las lecciones aprendidas en el camino. ¿O no?
Descubre las lecciones clave de proyectos de investigación en la era de la IA. ¿Realmente hemos aprendido lo suficiente? Reflexiones para seguir avanzando.
Cómo diseñar una pila tecnológica de IA escalable
Descubre cómo diseñar una pila tecnológica de IA escalable desde la capa de datos hasta la implementación. Aprende sobre IA generativa, MLOps y mejores prácticas.
Marco unificado guiado por evaluación para optimizar prompts según consultas
Descubre marco optimización prompts que utiliza evaluación unificada para mejorar calidad respuestas por consulta. Resultados interpretables y consistentes.
REAL: Resuelve conflictos en VQA con pivote de razonamiento
Descubre cómo REAL resuelve conflictos de conocimiento en preguntas visuales con pivotes de razonamiento, mejorando la precisión en VQA intensiva.
PECKER: Borrado eficiente de conocimiento en modelos de difusión
PECKER: método eficiente de desaprendizaje para modelos de difusión. Reduce el tiempo de entrenamiento y mejora el borrado selectivo de conocimiento.
Cómo ampliar el aprendizaje centrado en decisiones con estimación de gradiente
Nuevo método basado en función de puntuación amplía el aprendizaje centrado en decisiones a problemas con incertidumbre en restricciones.
Comprensión del paisaje agrícola a escala nacional
Descubre el primer sistema de mapeo agrícola a escala nacional que identifica campos, árboles y agua con IA. Ideal para políticas y desarrollo sostenible.
Regularización implícita para selección de características multi-etiqueta
Descubre cómo la regularización implícita mejora la selección de características en problemas multi-etiqueta, reduciendo sesgo y permitiendo un sobreajuste beni
EuroBERT: Escalando Codificadores Multilingües para Lenguas Europeas
Descubre EuroBERT, la nueva familia de codificadores multilingües. Supera a alternativas en recuperación, clasificación y más. Soporta 8,192 tokens.
Borrados, no olvidados: backdoors eluden eliminación de conceptos
Descubre cómo los backdoors pueden eludir la eliminación de conceptos en modelos de IA, exponiendo contenido nocivo hasta un 82% de efectividad. ¡Infórmate!
Cooperación de Expertos: Fusión Heterogénea con Gran Margen
CoE fusiona información heterogénea con expertos especializados y un mecanismo de gran margen. Ideal para análisis de datos complejos.
Hacia un modelo fundacional de física
Descubre GPhyT, el primer modelo fundacional de física que aprende dinámicas complejas sin ecuaciones, superando a arquitecturas especializadas en múltiples dominios.
Destilación de Grandes Modelos de Lenguaje con Puntuación Concreta
Descubre CSD, técnica de destilación que evita suavizado softmax y optimiza logits, mejorando modelos de lenguaje grandes. Ideal para IA eficiente.
HRTFformer: Transformer espacial para upsampling de HRTF
Descubre cómo HRTFformer, un transformer consciente del espacio, revoluciona el upsampling de HRTF para audio inmersivo realista con alta precisión y fidelidad.
MADPO: Optimización Adaptativa de Preferencias por Márgenes
Descubre MADPO, un método que utiliza un modelo de recompensa para ajustar dinámicamente el aprendizaje en la optimización de preferencias, superando las limitaciones de DPO.
Aprendizaje para medir: Adquisición activa de características en contexto
Descubre L2M: un método de meta-aprendizaje para adquirir características en contexto, mejorando modelos con datos escasos.
La geometría del grokking: minimización de norma en la variedad de pérdida cero
Descubre cómo la minimización de norma en la variedad de pérdida cero explica el fenómeno grokking: generalización tardía tras memorización.
Flow Matching para reducción de escala de precipitación convectiva
Descubre cómo flow matching mejora la reducción de escala de precipitación convectiva, superando a modelos de difusión en precisión espacial. Ideal para proyecciones climáticas de alta resolución.