Atención por capas eficiente: poda de recuperaciones redundantes
Descubre cómo ELA, usando divergencia KL y mapeo cuantil beta, reduce un 30% el tiempo de entrenamiento al podar capas redundantes en atención por capas.
#clasificación imágenes
Aprendizaje de Coordinación Multi-Agente mediante Sheaf-ADMM
Descubre cómo un nuevo marco de optimización diferenciable permite a agentes coordinarse resolviendo subproblemas locales con ADMM y sheaf, mejorando robustez y