Variables Canónicas en el Espacio Métrico de Wasserstein
Descubre cómo las variables canónicas en el espacio métrico de Wasserstein mejoran la clasificación de distribuciones mediante la maximización de la razón de
#cla
Aprendizaje en el estado recurrente: descenso de gradiente con redes lineales
La arquitectura GRIL permite a redes recurrentes lineales realizar descenso de gradiente en una sola pasada, aprendiendo en contexto de forma eficiente para
PURe: Módulo Residual de Unidades Producto para Redes de Visión
Descubre PURe, un módulo residual plug-and-play que mejora redes de visión mediante interacciones multiplicativas. Aumenta precisión sin aumentar parámetros.
Mosaic: Destilación sin datos para entornos heterogéneos
Descubre Mosaic, método de destilación sin datos que usa mezcla de expertos para superar heterogeneidad en aprendizaje federado.
AC-ODM: Mezcla de Datos en Línea Actor-Crítico para Preentrenar LLM
AC-ODM acelera el preentrenamiento de LLM hasta un 66% y mejora precisión en MMLU y HumanEval. ¡Conoce más!
Evaluación de clasificadores binarios sin rebalanceo ante desbalance
Descubre el rendimiento de clasificadores binarios sin rebalanceo. Evaluamos su robustez ante desbalance extremo con datos reales y sintéticos.
AL-GNN: Aprendizaje Continuo de Grafos sin Replay y con Privacidad
Descubre AL-GNN, un nuevo marco para aprendizaje continuo de grafos que elimina el buffer de replay, preserva la privacidad y reduce el tiempo de entrenamiento
¿GPU obligatoria para tu LLM? Clasificadores CPU y pipelines multi-etapa
¿GPU necesaria para seguridad de LLM? Los clasificadores CPU igualan rendimiento al 20% del coste. Descubre el pipeline GuardChain.
Modelo de grafo kNN adaptativo
Descubre cómo un modelo de grafo adaptativo basado en HNSW acelera la inferencia kNN en tiempo real sin comprometer la precisión. Ideal para grandes volúmenes
SLUM-i: Aprendizaje semisupervisado para mapeo de asentamientos informales
SLUM-i: aprendizaje semisupervisado para mapeo de asentamientos informales con mejora en calidad de datos. Logra +5.9 pp mIoU.
CLARITY: Segmentación de escenas de conducción con guía lingüística RGB-T
Descubre CLARITY, un framework de fusión RGB-T adaptativa guiado por lenguaje visual, que logra SOTA en segmentación de escenas de conducción (62.3% mIoU).
Cribado neurodegenerativo con LLM multimodales unificando acústica y texto
NeurMLLM unifica acústica y texto con LLM multimodales para detectar Alzheimer y Parkinson. Resultados superiores en clasificación de etapas.
Clasificación ensemble de enfermedades en hojas de limón con deep learning
Descubre cómo un ensemble de InceptionV3 y MobileNetV2 clasifica enfermedades en hojas de limón con un 99.27% de precisión. Entrenamiento adversarial y
Destilación mejorada de conocimiento para clasificación de uso de suelo
Descubre la destilación de conocimiento mejorada que logra 99.04% precisión en clasificación uso de suelo, comprimiendo modelos sin perder rendimiento.
Detección automatizada de daños con atención multimodal en imágenes satelitales
Atención multimodal logra 94.9% de precisión en clasificación automática de daños por desastres usando imágenes satelitales. Ideal para respuesta rápida.
FastMix: Optimización de mezcla de datos con gradiente descendente
Descubre FastMix, un marco que optimiza automáticamente la mezcla de datos usando gradiente descendente, reduciendo costos y mejorando el rendimiento de tus
Clasificación de defectos en STEM con aprendizaje profundo contextual
Aprende cómo la IA contextual mejora la clasificación de defectos en STEM, alcanzando 98% de precisión con datos químicos.
Circuitos en cabezas de atención: coactivación propone, ablación dispone
¿La coactivación revela circuitos de atención? Descubre cómo la prueba de cierre separa propuestas de circuitos confirmados en modelos Pythia y OLMo.
Declaraciones Mejoradas con Procedencia en Grafos de Conocimiento
El marco DEC interpreta la procedencia como postura epistémica, agrupa declaraciones en mundos cognitivos y permite razonar sin inconsistencias en grafos.
Mi startup logró $120M: 4 decisiones clave del primer año
Descubre las 4 decisiones clave que tomé en el primer año y llevaron a mi startup a una valoración de $120M. Aprende a controlar tu futuro.