Modelos de lenguaje grandes adaptados al dominio para fabricación aditiva
Aprende a especializar LLMs multimodales para fabricación aditiva con 50M tokens y más del 90% de precisión.
#aprendizaje automático
Entropía, desacuerdo y los límites de los modelos fundacionales en genómica
Descubre por qué los modelos de IA fallan en genómica: la alta entropía del ADN limita el aprendizaje y genera desacuerdo.
Eficacia del clustering profundo en conjunto en historias clínicas
Investigamos la eficacia del clustering profundo ensemble en historias clínicas electrónicas para identificar subgrupos de pacientes con insuficiencia cardíaca.
Muestreo de Punto Más Lejano Guiado por Gradiente para Selección Robusta
GGFPS: muestreo guiado por gradiente para seleccionar conjuntos de entrenamiento. Reduce costos hasta un 50% y mejora la robustez de modelos de ML en química.
App de IA monitorea nivel de paz en videos de redes sociales en tiempo real
App de IA mide nivel de paz en videos de redes sociales en tiempo real, usando LLM y machine learning para promover discurso positivo.
HiGR: Marco jerárquico generativo para recomendación de listas en Tencent
Descubre cómo HiGR, el nuevo marco jerárquico generativo de Tencent, mejora la recomendación de listas un 10% y acelera la inferencia 5x. ¡Lee más!
torch-sla: álgebra lineal dispersa y diferenciable en PyTorch
Descubre torch-sla: álgebra lineal dispersa diferenciable para PyTorch con soporte multi-backend, solucionadores adjuntos y paralelismo tensorial.
Análisis de campo medio de auto-atención multicabezal bajo entropía cruzada
Explora un nuevo marco teórico de campo medio para la auto-atención multicabezal, estableciendo condiciones de convergencia y estabilidad bajo entrenamiento con entropía cruzada.
Procrustes Ortogonal Preserva Correlaciones en Datos Sintéticos
Aprende cómo el problema de Procrustes restaura la correlación en datos sintéticos, preservando distribuciones y rendimiento.
Confianza en IA educativa: alfabetización y cognición como moderadores
Descubre cómo la confianza en la IA afecta la capacidad de los estudiantes para evaluar recomendaciones. Un estudio revela el papel de la alfabetización en IA y la necesidad de cognición.
Mezcla, no elijas: composición de corpus sintético para series temporales
Descubre: mezclar generadores sintéticos supera a seleccionar el mejor en preentrenamiento. La composición del corpus es clave.
Predicción conforme para operadores neurales: incertidumbre en simulación física
Descubre cómo la predicción conforme cuantifica la incertidumbre en simulaciones con operadores neurales, ofreciendo intervalos con cobertura garantizada.
Aprendizaje de hiperparámetros para factorización latente de tensores en redes dinámicas
Descubre cómo DE-LFT automatiza la búsqueda de hiperparámetros en factorización de tensores para mejorar la precisión en redes dinámicas. Menos esfuerzo, mejores resultados.
SinkRec: Mitigación del hundimiento semántico en secuencias largas
Descubre SinkRec: modelo que mitiga el hundimiento semántico en recomendaciones de secuencias largas con memoria condicionada y redes delta. Eficiente.
Optuna TPE con restricciones: generalización de densidad conjunta de c-TPE
Descubre cómo Optuna implementa el TPE con restricciones como una generalización de densidad conjunta, mejorando la optimización de hiperparámetros. ¡Lee más!
LMT: Descubrimiento causal en alarmas textuales de fabricación
Aprende cómo el marco bayesiano LMT combina LLMs y datos temporales para descubrir relaciones causales en alarmas de fabricación.
Manifold navegable del espectro de conciencia en modelos de lenguaje
Los modelos de lenguaje codifican un espectro de conciencia en sus representaciones, formando un manifold navegable. Clave para la alineación de IA.
Muestreo activo generativo para entrenar sustitutos PDE en línea
Descubre cómo OGAS mejora el entrenamiento de sustitutos PDE al enfocarse en casos difíciles, reduciendo errores extremos y dispersión sin sobrecarga computacional.
SPDM: Modelado con restricciones de variedad para series temporales
Descubre SPDM, un modelo con restricciones de variedad para pronóstico preciso y eficiente de series temporales.
nCMD: Selección anclada en benigno para detección de intrusiones
Descubre cómo nCMD, un método ligero e interpretable, mejora la selección de características en NIDS para detección de intrusiones en redes desbalanceadas.