Descubre O2CP, un marco de predicción conforme online que optimiza intervalos multi-paso, logrando cobertura garantizada y menor desperdicio. Ideal para series temporales en IA y cloud.
Nuevo análisis del gradiente natural submuestreado: convergencia global con un mini-batch y ventaja sobre SGD.
Descubre el Conditional Vendi Score, una nueva métrica que aísla la diversidad generada por el modelo en sistemas de IA guiados por prompts. Ideal para evaluar LLMs y modelos texto-imagen.
Descubre cómo el marco E-SUOT mejora la adaptación gradual de dominio usando transporte óptimo semidual, superando limitaciones de estimación de verosimilitud.
Descubre cómo S3-GFN genera moléculas sintetizables con GFlowNets y priores químicos, logrando altas recompensas y más del 95% de sintetizabilidad.
Descubre PRISM: modelo que combina iteraciones residuales con paralelismo total para lograr 174x de rendimiento sin perder expresividad.
Los ataques no borran huellas estilísticas. Un nuevo método de paráfrasis evade todos, pero el análisis multdocumento los distingue. Descúbrelo.
AnomaMind detecta anomalías temporales con razonamiento aumentado por herramientas. Mejora precisión y generalización en múltiples dominios.
Aprende a especializar LLMs multimodales para fabricación aditiva con 50M tokens y más del 90% de precisión.
Descubre por qué los modelos de IA fallan en genómica: la alta entropía del ADN limita el aprendizaje y genera desacuerdo.
Investigamos la eficacia del clustering profundo ensemble en historias clínicas electrónicas para identificar subgrupos de pacientes con insuficiencia cardíaca.
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 mide nivel de paz en videos de redes sociales en tiempo real, usando LLM y machine learning para promover discurso positivo.
Descubre cómo HiGR, el nuevo marco jerárquico generativo de Tencent, mejora la recomendación de listas un 10% y acelera la inferencia 5x. ¡Lee más!
Descubre torch-sla: álgebra lineal dispersa diferenciable para PyTorch con soporte multi-backend, solucionadores adjuntos y paralelismo tensorial.
Explora un nuevo marco teórico de campo medio para la auto-atención multicabezal, estableciendo condiciones de convergencia y estabilidad bajo entrenamiento con entropía cruzada.
Aprende cómo el problema de Procrustes restaura la correlación en datos sintéticos, preservando distribuciones y rendimiento.
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.
Descubre: mezclar generadores sintéticos supera a seleccionar el mejor en preentrenamiento. La composición del corpus es clave.
Descubre cómo la predicción conforme cuantifica la incertidumbre en simulaciones con operadores neurales, ofreciendo intervalos con cobertura garantizada.