Reevaluación psicométrica de LLMs: autoinformes y comportamiento
Descubre cuándo autoinformes de LLMs predicen su comportamiento. Estudio revela que Teoría del Comportamiento Planificado supera al Big Five en coherencia.
#cohere
ReSum: Sinergia entre Razonamiento y Resumen de LLMs con RL
Descubre cómo ReSum, un nuevo marco de RL, mejora el razonamiento de LLMs un 4% y reduce el largo de las cadenas un 18.6% mediante auto-resúmenes.
HELVAE: Autoencoders Multimodales con Divergencia Hellinger
Descubre cómo HELVAE mejora los autoencoders multimodales usando la divergencia Hellinger para representaciones latentes más expresivas y mejor equilibrio entre coherencia y calidad.
IVIE: Enfoque neuro-simbólico para mundos de ficción interactiva
IVIE combina LLMs y validación simbólica para generar mundos de ficción interactiva coherentes e inmersivos. Descubre cómo equilibra creatividad y consistencia.
North Mini Code: modelo MoE de 30B con 3B activos para codificación agéntica
Descubre North Mini Code: modelo MoE 30B con solo 3B activos. Ideal para codificación con agentes, soberanía AI y ejecución en un solo H100.
Paletas de color para manga con IA: el secreto de la consistencia visual
Descubre cómo mantener la consistencia cromática en tus viñetas de manga generadas con IA. Evita la deriva de color con paletas fijas y prompts optimizados.
AVIS: Escalado Adaptativo en Tiempo de Prueba para Modelos de Visión-Lenguaje
Optimiza el equilibrio entre precisión y cómputo en VLMs con AVIS. Aprende cómo el escalado adaptativo mejora la eficiencia.
Homología persistente y estructuras emergentes
Descubre cómo la homología persistente revela estructuras emergentes en sistemas complejos, desde vórtices atmosféricos hasta redes neuronales.
Conceptos latentes cuantizados vectoriales: alternativa escalable al clustering
Descubre VQLC, alternativa escalable al clustering para descubrir conceptos en LLMs con alta coherencia.
LASA: Segmentación semántica débil de bocetos con vocabulario abierto
Descubre LASA, un método de supervisión débil que segmenta bocetos con vocabulario abierto usando atención multi-capa. Mejora mIoU hasta +15.7. ¡Lee más!
El verdadero avance en IA para codificar: mejor diagnóstico, no más contexto
¿Crees que más contexto mejora la IA? El verdadero avance es el diagnóstico. Aprende cómo Scarab mantiene la coherencia del código.
Mitigando la Desviación del Manifold: Rectificación de Subespacio para MLLM
Descubre cómo MGAP mitiga las alucinaciones en MLLM corrigiendo la desviación del manifold sin sacrificar coherencia. Método libre de entrenamiento.
El orden importa: Ajuste fino secuencial de LLaMA para evaluación de ensayos
El entrenamiento secuencial de LLaMA supera a modelos 70B en calificación de ensayos: 87% F1 en conclusión y 65% en evidencia. Descubre cómo.
Cohere lanza agente de codificación open-source en una sola H100
Cohere lanza North Mini Code, agente open-source para codificación en una H100. Rendimiento competitivo, bajo coste y despliegue local. Alternativa a Claude Fable 5.
Estabilidad en RNNs con coherencia hacia atrás
Aprende cómo la coherencia hacia atrás estabiliza RNNs, reduciendo errores hasta un 58% y acelerando la convergencia en un 44%. Basado en teoría de cuasi-martingala inversa.
Rutas generativas autocoherentes vía transporte variacional aleatorio
Descubre cómo la autocoherencia en modelos generativos mejora la calidad y detecta fallos. Aprende el principio de control residual para optimizar tu IA.
IRAM-Omega-Q: Modelo para regulación de incertidumbre en agentes adaptativos
Nuevo marco cuántico IRAM-Omega-Q regula incertidumbre en agentes adaptativos. Compara órdenes de control y revela impacto en eficacia.
Hackeando la Perplejidad Generativa: Métricas de Distribución
La perplejidad generativa no mide calidad. Aprende por qué las métricas de distribución son esenciales para evaluar modelos de lenguaje.
Cómo mantener viva la información cuántica para machine learning
Descubre cómo la corrección de errores cuánticos mantiene viva la información frágil para el machine learning. Aprende los fundamentos para escalar la IA cuántica.
Firmas de errores de razonamiento en modelos de lenguaje
Identifica fallos en modelos de lenguaje mediante firmas a nivel de token: errores comprometidos y persistentes. Aprende a mejorar la detección y autocoherencia.