STELLAR: Aprendizaje Espacio-Temporal para Modelado de Especies
Descubre cómo STELLAR utiliza aprendizaje espaciotemporal y alineación latente para predecir especies raras y mejorar la conservación de la biodiversidad.
#cola larga
Elmes*: Rúbricas Automatizadas para Evaluar LLMs en Educación
Descubre Elmes*, un framework que automatiza la creación de rúbricas detalladas para evaluar modelos de lenguaje en escenarios educativos de cola larga.
Búsqueda de vecinos cercanos con distribución para recuperación incierta
Descubre DINOSAUR: mejora la recuperación al incorporar incertidumbre en embeddings, logrando mayor cobertura sin perder recall.
Cuantificación multi-dominio y cola larga: alineación y escalado
Descubre EmaQ y EmaQ-LT: cuantificación precisa para redes neuronales con dominios múltiples y desbalance, mejorando la eficiencia en dispositivos limitados.
Agujas en el pajar: etiquetado activo transductivo en ecología
Mejora la detección de especies raras en ecología con etiquetado activo transductivo. Un nuevo criterio de parada híbrido optimiza el descubrimiento de clases escasas.
BAHSD: Destilación Adaptativa para Recomendación en Caja Negra
BAHSD: marco de destilación adaptativa para recomendación en caja negra que logra hasta un 4.98% de mejora sobre el profesor y un 80%+ en usuarios de cola larga. Plug-and-play.
HASTE: Entrenamiento Disperso Dinámico para Grandes Espacios de Salida
Con HASTE, el entrenamiento disperso dinámico consciente del hardware logra hasta 25x de aceleración en backpropagation para clasificación multi-etiqueta extrema.
Colaboración de modelos mejorada para detección de errores egocéntricos
Descubre cómo combinar modelos pequeños y grandes permite detectar errores raros y sutiles en videos de primera persona, equilibrando velocidad y precisión.
SPADER: Recompensas de Exploración con Diversidad para QA Multi-Respuesta
SPADER utiliza aprendizaje por refuerzo con recompensas de exploración diversa para mejorar el recuerdo y F1 en QA multi-respuesta.