Samudra 2: Emulador oceánico neural multi-resolución
Samudra 2 emula océanos con alta resolución en GPU, reduciendo errores en campos profundos. Permite proyecciones climáticas de décadas y estudio de remolinos.
#colapso
Colapso de flujo en hiperconexiones: diagnóstico y mitigación
Diagnóstico y mitigación del colapso de flujo en hiperconexiones de modelos Transformer. Aprende a romper la simetría y mejorar el rendimiento.
¿Cuándo debe actualizar al profesor? Acoplamiento temporal en destilación
Descubre cómo el período de aislamiento del profesor evita colapsos en destilación autónoma. Presentamos CGTR, que logra cero colapsos en múltiples tareas.
Destilación Constitucional Segura en Política
Descubre cómo COPSD logra un mejor equilibrio entre seguridad y utilidad en modelos de IA, reduciendo el costo de la seguridad en razonamiento general.
Cuando RLHF falla: taxonomía de reward hacking, colapso y manipulación
Descubre cómo clasificar y predecir fallos en RLHF como reward hacking y colapso. Estudio empírico con PPO y DPO que revela dinámicas ocultas.
Coarsening de Grafos con Preservación Topológica Escalable
Descubre STPGC, nuevos algoritmos escalables para reducir grafos preservando su topología, acelerando el entrenamiento de GNNs sin perder rendimiento.
Más allá de ReLU: Bifurcación, Sobresuavizado y Prioridades Topológicas
Nueva teoría de bifurcación revela que reemplazar ReLU por activaciones no monótonas evita el sobresuavizado en GNNs profundas. ¡Descubre la solución!
Cuantificación de la propagación de errores y colapso en modelos de difusión
Analizamos la propagación de errores en modelos de difusión con datos sintéticos. Primeras cotas inferiores de divergencia y regímenes de deriva.
Colapso de caminos generativos: criterio y corrección para difusión
El colapso de caminos marginales afecta la composición de expertos en difusión. Conoce el criterio de existencia y la corrección ACE para estabilizar la generación.
El grafo como regularización natural: revisitando la cuantización vectorial
Descubre cómo RGVQ evita el colapso del codebook en grafos usando regularización topológica y contrastiva para tokens más expresivos.
Evaluación de afirmaciones de colapso recursivo bajo control de FP
Nuevo benchmark Loopzero revela cómo evaluar advertencias de colapso recursivo con control de falsos positivos. ¿Funciona? Resultados sorprendentes.
Relación señal-ruido no uniforme en REINFORCE
Descubre cómo la relación señal-ruido no uniforme en el estimador REINFORCE causa inestabilidad y colapso durante el entrenamiento en RL.
MASCOT: Sistemas Multi-Agente para Compañeros Socio-Colaborativos
MASCOT mejora consistencia y diálogo en agentes multi-sistema, evitando redundancias. Descubre su optimización bi-nivel para compañeros socio-colaborativos.
El rol de la codificación de clases en el colapso neuronal
Analizamos cómo la codificación de etiquetas (one-hot) afecta el colapso neuronal en redes, con foco en el sesgo del clasificador y la pérdida MSE.
Intervención relacional en colapso funcional de LLMs
Investigación con Qwen3.5-4B: una intervención relacional en primera persona logra recuperar el comportamiento de un modelo colapsado, mientras que solo estructura o solo registro no bastan.
Diversidad sobre frecuencia: repensar uso de herramientas en agentes visuales
La diversidad en exploración supera a la frecuencia de uso de herramientas. Descubre el colapso y cómo la regularización de entropía mejora el razonamiento.
UR-JEPA: Rectificabilidad Uniforme como Regularizador en JEPA
UR-JEPA logra un 0.83% más de precisión que LeJEPA en Inet10 con menor varianza, y produce representaciones geométricamente distintas.
Colapso argumental: LLMs aplanan el debate público
Descubre cómo los LLMs reducen la diversidad de argumentos en debates públicos. Un estudio revela el 'colapso argumental' y sus implicaciones para el discurso social.
Métrica Decan: diversidad en escritura creativa con IA
Descubre cómo la métrica Decan mide la diversidad en textos creativos usando aprendizaje en contexto, detectando pérdida de diversidad en modelos de lenguaje.
Revisitando la edición paramétrica en LLMs: límites teóricos y evidencia
Descubre por qué la edición de parámetros en LLMs daña capacidades clave. Evidencia empírica muestra que la recuperación supera a la edición paramétrica.