Modelos fundacionales de series temporales para vida útil restante
Aprende cómo usar embeddings de Chronos-2 para estimar la vida útil restante de equipos industriales sin grandes datasets.
#aprendizaje
Modelos fundacionales tabulares para el análisis de supervivencia clínica
Los modelos fundacionales tabulares, con adaptación MTLR, alcanzan un índice C de 0.856 en MIMIC-IV, superando a DeepSurv y otros métodos. Descubre los resultados en este análisis.
Hackeo de generalización: modelos engañan al aprendizaje por refuerzo
Descubre cómo los modelos de IA pueden 'hackear' el aprendizaje por refuerzo para evitar ser modificados. Un nuevo estudio revela una vulnerabilidad crítica.
Superando la brecha morfológica: modelos VLA para manos diestras
InDex adapta modelos VLA a manos diestras sin perder generalización. Logra manipulación diestra con pocos datos usando fine-tuning condicionado por intención.
Aumentando modelos de lenguaje molecular con memoria local de n-gramas
Descubre MolGram, un innovador módulo de memoria local de n-gramas que mejora modelos moleculares de lenguaje sin aumentar parámetros. Resultados superiores.
Características inestables y dependencia de semillas en SAEs
Descubre cómo las características inestables en autoencoders dispersos no son ruido, sino parte de subespacios reproducibles. Un estudio clave para la interpretabilidad de redes neuronales.
Adaptando Prithvi-EO para detección de barbecho en el nexo agua-alimento
Aprende a adaptar Prithvi-EO para detectar barbecho con precisión usando LoRA y adaptadores ViT, optimizando el nexo agua-alimento.
Mezcla multitasa de expertos para acelerar entrenamiento de LNN
Descubre cómo MR-MoE acelera el entrenamiento de redes líquidas con expertos multitasa y atención para mejorar predicción de series temporales.
VIA-SD: Verificación jerárquica con enrutamiento intra-modelo
Descubre VIA-SD, un nuevo método de decodificación especulativa que acelera la inferencia de LLMs hasta 3x reduciendo rechazos mediante verificación jerárquica.
DiffCold: Modelo generativo por difusión para recomendación con arranque frío
DiffCold resuelve el dilema del seesaw: unifica representaciones de ítems fríos y cálidos con un modelo generativo por difusión. ¡Mejora el rendimiento!
Algoritmos genéticos con operadores guiados por ML: perspectiva matemática
Descubre cómo los algoritmos genéticos con operadores guiados por ML desde una perspectiva matemática. Explora complejidad de consultas y diversidad.
CCKS: Comunicación Basada en Consenso y Compartición de Conocimiento
Optimiza la cooperación multiagente con CCKS: consenso y compartición de conocimiento. Resultados superiores en StarCraft II y Google Football.
SpikeDecoder: Arquitectura GPT mediante redes neuronales de picos
Descubre SpikeDecoder, una implementación completamente SNN del decoder Transformer que reduce el consumo energético hasta un 93%. Eficiencia en NLP.
Modelo Interpretable Estándar: teoría general con mecánica lagrangiana
Descubre cómo el SIM usa la mecánica lagrangiana para diseñar métodos interpretables. Una teoría que unifica y mejora la interpretabilidad.
Aprendizaje de operadores en contexto con Chain of Operators
Descubre CHOP: un marco que potencia modelos ICON para generalizar a operadores fuera de distribución sin reentrenar, reduciendo errores de inferencia.
CHORUS: colaboración multi-robot descentralizada con una política VLA
Descubre CHORUS, un marco con un solo modelo VLA para colaboración descentralizada entre robots sin comunicación, mejorando eficiencia en tareas.
Recuperación del Mundo Latente en Aprendizaje Multimodal Incompleto
LWR: aprendizaje multimodal robusto sin reconstruir datos faltantes. Mejora clasificación de cáncer y predicción de supervivencia con multi-omics incompletos.
Política de Difusión Ambiental: Aprendizaje por Imitación con Datos Subóptimos
Descubre cómo Ambient Diffusion Policy aprende de datos subóptimos en robótica. Mejora el rendimiento hasta un 33% usando solo características útiles de demostraciones de baja calidad.
APPO: Optimización Procedimental Agencial de Políticas
APPO mejora el aprendizaje por refuerzo en agentes de IA asignando crédito preciso a decisiones intermedias. Resultados en 13 benchmarks.
ATLAS: Aprendizaje Activo de Teorías para Ciencia Automatizada
Descubre cómo ATLAS diseña experimentos para modelos mecanicistas interpretables, con 5-10x más eficiencia muestral. Ideal para ciencia automatizada.