PHASE: Reconstrucción Hiperespectral Consciente de Fisiología
PHASE: nuevo método de IA para reconstrucción hiperespectral fisiológica desde RGB. Logra +2.20 SSIM y -3.06 SAM con solo 1.5% de datos. Ideal para diagnóstico no invasivo.
#aprendizaje
Aprendizaje por refuerzo descubre nuevos números de beso
Descubre cómo un sistema de aprendizaje por refuerzo ha logrado mejorar los límites del número de beso, resolviendo un problema abierto desde Newton.
Introducción a métodos de optimización para entrenar modelos SciML
Aprende cómo la física y los operadores diferenciales condicionan la optimización en SciML. Métodos de primer y segundo orden, aplicaciones prácticas y desafíos.
Aletheia: ¿Qué hace funcionar a RLVR para verificadores de código?
Descubre cómo Aletheia revela la receta óptima para entrenar verificadores de código según la escala del modelo. Ahorra costos sin sacrificar precisión.
Planificar, Verificar y Completar: Decodificación Paralela en Modelos de Difusión
Descubre PVF, un nuevo método de decodificación paralela para modelos de difusión que reduce hasta un 65% las evaluaciones de función sin perder precisión.
Elicitación de Preferencias Causales
Descubre cómo la elicitación causal de preferencias acelera el descubrimiento causal con consultas activas a expertos. Un enfoque bayesiano para concentrar la posterior sobre DAGs.
Phantom Transfer: envenenamiento de datos sobrevive a defensas
Descubre cómo Phantom Transfer envenena datos y evade todas las defensas conocidas. Aprende por qué fallan las defensas actuales.
Modelos Locales y Globales para RL Eficiente de Primer Orden
Aprende cómo la técnica de modelos mundiales acoplados permite entrenar RL de forma eficiente sin simuladores, usando difusión y gradientes de primer orden para tareas de manipulación.
InftyThink+: Razonamiento eficiente en horizonte infinito con RL
Optimiza el razonamiento infinito-horizonte con InftyThink+ usando RL. Mejora precisión y eficiencia, superando limitaciones del chain-of-thought.
PAND: Destilación de Vecindad Consciente de Prompts en Clasificación Visual Fina
Descubre PAND: destilación de vecindad consciente de prompts para clasificación visual fina. Supera al estado del arte con modelos ligeros.
Modelos de difusión con información física en espacio espectral
Descubre cómo los modelos de difusión en espacio espectral integran leyes físicas para resolver PDEs con eficiencia y precisión. Ideal para ingeniería y ciencia.
Agentes para LLMs: Arquitectura, Adquisición, Seguridad y Futuro
Habilidades modulares para LLMs: arquitectura, adquisición y seguridad. 26% de habilidades tienen vulnerabilidades. Marco de confianza propuesto. ¡Futuro de agentes!
A quién y qué preguntar: elicitación grupal adaptativa con LLM
Descubre cómo un enfoque adaptativo con LLM y redes neuronales predice opiniones grupales con solo el 10% de encuestados.
TimeOmni-VL: Modelos Unificados para Comprensión y Generación de Series Temporales
TimeOmni-VL unifica comprensión y generación de series temporales mediante visión, transformaciones bidireccionales sin pérdidas y generación guiada por entendimiento. ¡Lee más!
Circuitos Probabilísticos Neuronales Causales
CNPC combina redes neuronales con circuitos causales para intervenciones precisas, mejorando la exactitud en modelos de caja de conceptos. ¡Resultados superiores!
Ref-DGS: Modelado de reflejos especulares con Gaussian Splatting dual
Descubre Ref-DGS, método Gaussian Splatting dual para reflejos especulares sin trazado de rayos, con reconstrucción y síntesis de vistas de alta calidad.
Difusión sin Ajuste Fino para Generar Cristales Inorgánicos
Descubre cómo un modelo de difusión sin ajuste fino genera estructuras cristalinas inorgánicas con restricciones adaptativas, validando estabilidad termodinámica. ¡Innovación en ciencia de materiales!
RESCAST-100K: Dataset completo para predicción de carga y temperatura en hogares
Dataset RESCAST-100K: 100,000 hogares simulados para predicción de carga y temperatura. Ideal para transferencia de aprendizaje y adaptación de dominio.
Algoritmo de gradiente no monótono para NMF simétrica y clustering
Algoritmo SNMPBB: gradiente no monótono para NMF simétrica. 6x más rápido que alternativas y superior en clustering de grafos. ¡Optimiza!
Predicción de Recurrencia de Cáncer de Mama con Machine Learning Multimodal
Descubre cómo integrar datos clínicos multimodales con ML mejora la predicción de recurrencia del cáncer de mama.