Generalizando GNNs con mezcla tokenizada de expertos
Descubre STEM-GNN: una nueva arquitectura que generaliza GNNs mediante mezcla tokenizada de expertos, logrando robustez ante cambios de distribución y perturbaciones en 9 benchmarks.
#cuantización vectorial
Conceptos latentes cuantizados vectoriales: alternativa escalable al clustering
Descubre VQLC, alternativa escalable al clustering para descubrir conceptos en LLMs con alta coherencia.
LC-QAT: Cuantificación de 2 bits eficiente en datos para LLMs
Descubre LC-QAT, un método innovador que logra cuantización de 2 bits para LLMs con solo 0.1% de datos, superando a otras técnicas. ¡Optimiza tus modelos!
SinkRec: Mitigación del hundimiento semántico en secuencias largas
Descubre SinkRec: modelo que mitiga el hundimiento semántico en recomendaciones de secuencias largas con memoria condicionada y redes delta. Eficiente.
LiftQuant: Ancho de bits continuo en LLM mediante elevación dimensional
Descubre LiftQuant: cuantización continua de LLM que permite comprimir modelos de 70B a tan solo 2.4 bits, ajustándose perfectamente a tu memoria GPU.
RAVQ-HoloNet: Compresión Adaptativa de Hologramas con Cuantización Vectorial
Descubre RAVQ-HoloNet, método de compresión holográfica que reduce hasta 33% la tasa de bits y mejora calidad. Ideal para AR/VR de alta fidelidad.
Corrección ciega de aberraciones de lente mediante preentrenamiento LensLib
Nuevo marco FoundCAC corrige aberraciones de lente sin referencia, usando preentrenamiento LensLib y prioridades discretas para restauración de imagen superior.
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.
Cuantización Consciente del Producto Interno: Algoritmos Rápidos y Adaptativos
Descubre cómo los algoritmos de cuantización adaptativa preservan el producto interno de vectores, ofreciendo precisión y velocidad hasta 10 veces mayor.