PolyILR: Descomposición jerárquica de datos composicionales
Aprende cómo PolyILR descompone datos de proporciones en árbol jerárquico, generando coordenadas ortonormales estables e interpretables para multiescala.
#composicional
Descomposición ortonormal en árbol del símplex de Aitchison
Descubre PolyILR, descomposición ortonormal en árbol del símplex de Aitchison. Coordenadas interpretables para microbioma y genómica.
Modelado generativo composicional con datos descentralizados
DCFM revoluciona el modelado generativo composicional descentralizado, permitiendo nuevas combinaciones sin compartir datos sensibles.
La aproximación composicional puede superar estrictamente a la superposicional
Descubre cómo la aproximación composicional supera estrictamente a la superposicional con ejemplos que muestran una brecha arbitrariamente grande. Un estudio revolucionario de arXiv.
¿Qué tan profundos son realmente los GPs profundos?
Descubrimos el umbral crítico que define si los procesos gaussianos profundos colapsan o convergen a distribuciones no gaussianas e interesantes. ¡Lee más!
Límites composicionales para la fusión de densidades
Fusión de densidades invariante al orden: límites composicionales y reglas de pooling lineal. Clave para sistemas distribuidos de incertidumbre.
R-APS: Búsqueda Adversarial Pareto Reflexiva para Diseño Restringido
R-APS: combina razonamiento composicional y meta-aprendizaje para diseño restringido, mejorando robustez y eficiencia. ¡Descúbrelo!
Gobernanza composicional para IA agentiva: delegación y alcance
Descubre un marco composicional para autorización y delegación en IA agentiva. Aprende a implementar gobernanza dinámica y segura.
Agentes para LLMs: Arquitectura, Adquisición, Seguridad y Futuro
Habilidades modulares para LLMs: arquitectura, adquisición y seguridad. 26% de habilidades tienen vulnerabilidades. Marco de confianza propuesto. ¡Futuro de agentes!
KnowledgeBerg: cobertura sistemática y razonamiento composicional en LLMs
KnowledgeBerg: benchmark que evalúa cobertura sistemática y razonamiento composicional en LLMs. Resultados clave sobre sus limitaciones.
Difusión composicional de grueso a fino para planificación a largo plazo
CoFi mejora la planificación a largo plazo con difusión composicional. Hasta 8 veces menos evaluaciones. Ideal para robótica, video e imágenes.
Reducción de dimensionalidad que preserva la geometría para datos composicionales
Descubre un nuevo método de reducción de dimensionalidad que preserva la geometría y es interpretable, ideal para datos composicionales con ceros. Visualización dual y análisis de microbiomas.
Escalado inverso de profundidad en LLMs por capas similares
Investigación revela que la pérdida escala inversamente con la profundidad en LLMs debido a capas funcionalmente similares. ¿Qué implica para la eficiencia?
Cuando habilidades seguras chocan: riesgo composicional en agentes
Descubre cómo habilidades seguras combinadas en agentes IA crean riesgos. SkillReact mide el riesgo composicional con benchmark y análisis humano. Resultados sorprendentes.
Representaciones jerárquicas y composicionales nativas con embeddings de subespacio
Descubre cómo los embeddings como subespacios capturan jerarquías y composición lógica, superando vectores tradicionales en inferencia y negación.
Asignar y Sumar: Estudio mecanicista de aritmética composicional
Estudio mecanicista revela cómo los transformers aprenden aritmética modular y asignación de variables para generalizar combinaciones no vistas. ¡Entra!
Propagación de log-ratio: teoría de contaminación celular en el simplex
Descubre cómo la contaminación de una sola componente afecta todos los log-ratios en datos composicionales. Una nueva teoría que fundamenta métodos robustos en el simplex.
Arquitecturas Neurales Functoriales a partir de Tipos Inductivos Superiores
Nuevas arquitecturas functoriales basadas en HITs logran generalización composicional superior, con mejoras de hasta 10x y reducción del 46% de error.