Calibración sin entrenamiento para MoE: evitando ruptura de enrutamiento
Descubre cómo HARC corrige la ruptura de enrutamiento en MoE fusionados sin entrenamiento, usando curvatura hessiana. Ideal para razonamiento y código.
#aware
Mi GPU dejó de comer aire: backend en C++ para LLM
Descubre cómo optimizar la inferencia de LLM eliminando el padding con un backend en C++ y sequence packing. Mejora el rendimiento de tu GPU.
Modelos tabulares con recuperación alineada mejoran predicción clínica en EHR
Descubre cómo AWARE mejora hasta un 12.2% la precisión en predicción clínica con EHR bajo condiciones reales de desequilibrio.
Repensando Transformers: de escala a expresividad estructurada para CTR
Descubre cómo FAT revoluciona la predicción de CTR con expresividad estructurada: +4.38% AUC y +2.33% CTR en producción.
Transformadores multi-ómicos guiados por prior para redes reguladoras de genes
EpiAwareNet emplea transformadores multi-ómicos y prior biológico para inferir redes reguladoras de genes en célula única, logrando mayor precisión y relevancia biológica.
Escalado eficiente de GNNs con capas IO-aware
Descubre cómo optimizar GNNs con capas conscientes de E/S. Logra hasta 8.5x de aceleración y reduce la memoria hasta 76x. Implementaciones drop-in.
¿La preparación de datos para BI incluye paneles de control o informes?
<meta name=description content=Descubre si la preparación de datos para BI incluye paneles de control e informes. Aprende su alcance y optimiza tu análisis de negocio.>
Tail-Aware HiFloat4: Cuantización Post-Entrenamiento W4A4 para Wan2.2
Descubre la cuantización post-entrenamiento W4A4 con Tail-Aware HiFloat4 para Wan2.2. Reduce tamaño y mantiene precisión.