Marco de aprendizaje geométrico-espectral mejorado para clasificación de MPC
Marco de aprendizaje geométrico-espectral mejorado para clasificar nubes de puntos multiespectrales. Usa atención y fusión residual, mejora datos
#cla
Refinamiento de propuestas para detección few-shot
Refinamiento de propuestas mejora detección few-shot equilibrando distribución entre clases, logrando nuevo estado del arte sin aumentar inferencia.
Refinamiento de propuestas para detección de objetos con pocos ejemplos
Nuevo método de refinamiento de propuestas para detección few-shot. Reequilibra distribución entre clases, logrando estado del arte sin coste de inferencia.
¿Los LLM identifican unidades de información correcta en discurso afásico?
¿Los LLM identifican unidades de información en afasia? Con pocos ejemplos logran alta efectividad pero requieren supervisión. Ideal para evaluación asistida.
RoboPIN: Razonamiento Incorporado con Cadena de Pensamiento Anclada
Descubre cómo RoboPIN con PinCoT mejora el razonamiento incorporado usando anclas visuales, logrando un 12% más de precisión en benchmarks.
Aprendizaje Heurístico Médico: Reglas Clínicas Interpretables con LLM
Descubre cómo MHL usa LLMs para crear reglas clínicas transparentes y auditables, superando el desbalance y la evolución de datos en salud.
Aprendizaje Heurístico Médico: Marco LLM para Reglas Clínicas Interpretables
Descubre MHL, un marco basado en LLM que genera reglas de decisión clínicas interpretables y auditables, con rendimiento comparable a métodos estado del arte
OpenClaw-Skill: Búsqueda Colectiva en Árbol de Habilidades para LLMs
Descubre cómo OpenClaw-Skill construye un árbol de habilidades colectivas para mejorar la planificación y el uso de herramientas en LLMs agentivos. ¡Aprende
Razonamiento de LLM con pocas etiquetas: marco semisupervisado con verificador ligero
Descubre cómo un marco semisupervisado con verificador ligero permite que los LLM aprendan a razonar con solo unas pocas etiquetas, logrando precisión
Framework de LLM agéntico basado en consenso para clasificación HTS
Framework de LLM agéntico con consenso multiagente para clasificación precisa de códigos HTS, integrando IA, evidencia y supervisión humana.
Análisis escalable de comentarios con clasificación multi-etiqueta e IA generativa
Combina clasificación multi-etiqueta e IA generativa para analizar comentarios de usuarios y obtener insights accionables para mejorar tu producto
¿Tienen emociones los grandes modelos de lenguaje?
¿Los grandes modelos de lenguaje pueden tener emociones? Un estudio de Anthropic sobre Claude sugiere emociones funcionales. Analizamos la evidencia y el
Modelo generativo con expertos de dominio para series temporales escasas
TimeMoDE combina diffusion transformers y expertos de dominio para generar series temporales realistas con pocos datos. Supera la escasez de datos.
Re-alimentación vs reproducción: ruido en crédito contrafactual de tokens
Re-alimentar el prompt introduce ruido en crédito contrafactual, afectando selección de tokens. Estudio vLLM revela diferencias hasta 28pp.
Ajuste fino federado consciente de conflictos en LLMs con MoE
Aprende cómo el marco FC-MoE resuelve conflictos en el ajuste fino federado de modelos de lenguaje grandes con mezcla de expertos, mejorando convergencia y
Ajuste fino federado consciente de conflictos para LLMs con MoE
Descubre cómo FC-MoE optimiza el ajuste fino federado de LLMs con mezcla de expertos, resolviendo conflictos entre clientes para acelerar la convergencia y
Vulnerabilidad en Rockwell Automation RSLinx Classic
Vulnerabilidad CVE-2020-13573 en Rockwell RSLinx Classic: desbordamiento de búfer causa denegación de servicio. Actualiza a v4.60.00 o parche BF31213.
Aceleración de OCSVM mediante ensemble de SVMs de un dato
Descubre cómo acelerar el entrenamiento de OCSVM en grandes conjuntos de datos usando un ensemble de SVMs de un dato. Resultados rápidos y precisos. Código
Calibración de decisiones en tiempo de inferencia para clasificación temporal
Descubre cómo mejorar la clasificación temporal con evidencia residual y calibración post-hoc. Resultados en FI-2010, PTB-XL y más.
Parada Adaptativa en Muestreo con Clasificadores
Descubre cómo detener el muestreador de forma inteligente usando clasificadores neuronales para acelerar MCMC sin perder precisión. ¡Entra!