Control de espacio de creencias para tratamiento personalizado del cáncer
Descubre cómo la inferencia activa optimiza tratamientos oncológicos personalizados, mejorando la eficacia bajo restricciones reales de medición y presupuesto.
#aprendizaje
Fine-tuning del modelo DeepSeek-R1-8B con LoRA y NEFTune
Descubre cómo el ajuste fino con LoRA y NEFTune potencia el rendimiento de DeepSeek-R1-8B en reconocimiento de entidades financieras, alcanzando un F1 de 0.912.
Marco unificado multimodal para sistemas financieros inteligentes
Descubre el marco unificado: RL, trading de alta frecuencia y teoría de juegos con análisis multimodal. Mejoras del 31% en predicción y 23% en carteras.
Redes Bayesianas y de Markov: Guía Intuitiva a la Incertidumbre Estructurada
Descubre cómo las redes bayesianas y de Markov modelan la incertidumbre estructurada. Una guía intuitiva para entender estos modelos probabilísticos en IA.
HIPIF: Planificación Jerárquica y Plegado de Información para Agentes LLM
Descubre cómo HIPIF optimiza agentes LLM mediante planificación jerárquica y plegado de información, reduciendo interferencias en tareas largas. Mejora el razonamiento y la toma de decisiones.
Aprendiendo a retener: optimización segura de memoria para IA
El nuevo marco OSL-MR optimiza la retención de memoria en agentes de lenguaje, superando heurísticas y mejorando precisión con presupuestos ajustados.
Mapeo semántico revela agencia y autonomía ignoradas por medición e IA
Estudio masivo revela que la medición e IA generativa ignoran la dimensión sociocultural de la agencia del alumno. Conoce la falacia jingle-jangle.
Role-Agent: Agentes LLM con evolución de doble rol
Role-Agent: un framework que impulsa agentes LLM mediante evolución de doble rol, mejorando el rendimiento en más de un 4%.
WorldKernel: el núcleo de acoplamiento de mundos posibles
Los predictores fallan al cuantificar la incertidumbre entre mundos contrafactuales. Descubre cómo el kernel de acoplamiento resuelve el enigma de la inferencia causal.
Decodificación Bellman-Taylor para MDP con acciones estado-dependientes
La decodificación Bellman-Taylor optimiza políticas en MDP con acciones estado-dependientes, superando RL tradicional. Resultados óptimos en control de colas.
Adaptación de bajo rango con restricción de espacio nulo para desaprendizaje de LLM
Descubre cómo NSRU permite desaprender conocimiento no deseado en LLMs preservando capacidades benéficas mediante adaptación de bajo rango con espacio nulo.
IA culturalmente consciente para aprendizaje comunitario transfronterizo
Estudiantes universitarios crean IA cultural para preservar patrimonio y desarrollo sostenible en comunidades transfronterizas. Marco colaborativo innovador.
Análisis de IA de patrones acústicos en la enseñanza en equipo
Descubre cómo el análisis con IA de patrones acústicos en enseñanza en equipo revela diferencias de volumen según experiencia, cohorte y tareas.
Self-EmoQ: Planificación emocional guiada por Plutchik para TTS en streaming
Explora Self-EmoQ: un sistema que usa aprendizaje por refuerzo y la rueda de Plutchik para decidir emociones y generar voz expresiva en tiempo real.
Usando programas probabilísticos para entrenar razonamiento inductivo en LLMs
Aprende cómo un nuevo método de entrenamiento con programas probabilísticos mejora el razonamiento inductivo en LLMs, alineándolos con juicios humanos.
QSplitFL: Selección Óptima de Punto de División en Split Federated Learning
QSplitFL: Deep Q-Learning para seleccionar el punto de división óptimo en SFL, mejorando convergencia y precisión en dispositivos heterogéneos.
Modos de fallo del RL multiagente en precios asíncronos: diagnóstico y solución parcial
Estudio de fallos en RL multiagente para precios asíncronos: la asincronía reduce colusión un 48% y análisis de trazas. Solución parcial.
TractFM: modelo fundacional de tractogramas
TractFM: el primer modelo fundacional que aprende representaciones de tractogramas completos para segmentación de vías y predicción de fenotipos cerebrales.
MoE y Aprendizaje Federado para Predicción Espaciotemporal
Descubre cómo MoE-FedTP combina aprendizaje federado y redes de expertos para predecir el tráfico en ciudades con pocos datos, preservando la privacidad.
Métodos de machine learning para estudiar dinámicas neuronales latentes
Descubre cómo modelos de machine learning revelan la dinámica oculta de la actividad neuronal. Revisión para decodificar el cerebro.