DREAM-S: Decodificación especulativa para generación multimodal
Acelera la generación multimodal con DREAM-S, un novedoso método de decodificación especulativa que alcanza 3.85x de velocidad en VLMs.
#características
DhondtXAI: Atribución de Características con el Método D'Hondt
Conoce DhondtXAI, un método de atribución de características proporcional y basado en alianzas, sin depender de SHAP. Ideal para modelos tabulares en salud y más.
DAStatFormer: Transformador híbrido multirrama para reconocimiento patrones DAS
DAStatFormer, transformador híbrido, logra 99.4% de precisión en clasificación DAS con menos parámetros. Ideal para monitoreo.
Interpretación de DNNs mediante grupo de renormalización y familia exponencial
Descubre cómo las DNNs entrenadas equivalen al grupo de renormalización en datos de familia exponencial. Una nueva teoría de interpretabilidad.
Estimación de información mutua entre series temporales y secuencias de eventos
Estimador no paramétrico de información mutua entre series temporales y eventos discretos. Mejora precisión y robustez en diversas tareas de análisis.
FedMTFI: Destilación con importancia de características en FL heterogéneo
FedMTFI optimiza el aprendizaje federado heterogéneo con destilación multi-maestro y valores Shapley, mejorando precisión e interpretabilidad.
CodeCytos: análisis espacial molecular con IA y código
CodeCytos automatiza el análisis espacial molecular con IA. Descubre cómo este agente de código acelera la búsqueda de biomarcadores.
Representaciones más ricas para razonamiento algorítmico neuronal mediante reconstrucción auxiliar
Mejora el razonamiento algorítmico neuronal con reconstrucción auxiliar: representaciones más ricas que potencian el rendimiento de arquitecturas existentes.
Dificultad de aprender meta-red para selección de datos
La selección de datos sintéticos con meta-redes tiene desafíos. Descubre cómo aumentar el tamaño de lote y usar características informativas mejora el rendimiento en un 5.49%.
Expande neuronas, no parámetros
Descubre cómo aumentar el número de neuronas sin añadir parámetros mejora la precisión al reducir la interferencia entre características. Optimiza tu IA.
Visión optimizada por características para reconstrucción 3D adaptativa
Descubre un front-end adaptativo que optimiza la selección de puntos clave en reconstrucción 3D, mejorando precisión y reduciendo RMSE.
Alcance espectral: el escalado neuronal progresa en la cola espectral
Descubre cómo el alcance espectral mide la capacidad de los modelos grandes para explotar señales débiles en la cola espectral, reduciendo la pérdida mediante el aprendizaje de características.
Interpretabilidad sin pérdida: Desenredando la polisemia
Descubre ELUDe, método que mejora interpretabilidad sin sacrificar rendimiento. Desenreda polisemia neuronal manteniendo precisión. ¡Lee más!
Aprendizaje de mapas de flujo en NVAR: error según librería
Descubre cómo la librería de características influye en el error de entrenamiento de modelos NVAR para series temporales. Aprende leyes de escalamiento.
Relación entre activaciones atípicas y muerte de características en SAE
Descubre cómo los valores atípicos en las activaciones neuronales provocan la muerte de características en autoencoders dispersos y cómo solucionarlo con centrado de media.
SAEmnesia: eliminación precisa de conceptos en modelos de difusión
Descubre SAEmnesia, un marco que elimina conceptos en modelos de difusión con precisión y eficiencia, reduciendo la búsqueda de hiperparámetros en un 96.67%.
Generación de grafos e hipergrafos con características vía predicción de escala
Descubre FAHNES: marco jerárquico para generar grafos e hipergrafos con topología y características. Escala a estructuras complejas con predicción de escala.
Percepción del mundo por control: representaciones basadas en empoderamiento
Descubre cómo el empoderamiento aprende representaciones solo con lo relevante para el control, ignorando el ruido. Perspectiva causal desde la interacción.
Middleware consciente del contexto para informes de imágenes médicas
Descubre cómo un middleware consciente del contexto optimiza la asignación de imágenes médicas usando extracción de características y reglas de asociación.
Duda compartida: estimación de confianza cero-shot en modelos multilingües
Descubre cómo los LLMs multilingües comparten dudas entre idiomas: una sonda lineal logra estimación de confianza zero-shot sin reentrenamiento.