Premiada investigadora entrena robots para decisiones informadas
Descubre cómo una investigadora premiada por IEEE creó Diff-DAgger: robots que estiman incertidumbre y aumentan éxito en tareas un 20%.
#dag
AI SciBrief: puerta de entrada a la investigación para estudiantes
Descubre cómo AI SciBrief, impulsado por LLM, ayuda a estudiantes a superar la sobrecarga de información y acelerar su transición a la creación de conocimiento.
Aproximación de la respuesta dinámica de generadores síncronos mediante aprendizaje de operadores
Descubre cómo el aprendizaje de operadores con DeepONet aproxima la respuesta dinámica de generadores síncronos para simuladores de red eléctrica más precisos.
T2MM: Arquitectura con LLM para modelado por indagación
Descubre T2MM, una arquitectura que integra LLMs para crear modelos interactivos en VERA, mejorando el aprendizaje científico por indagación.
Análisis de IA de patrones acústicos en la enseñanza en equipo
Descubre cómo el análisis con IA de patrones acústicos en enseñanza en equipo revela diferencias de volumen según experiencia, cohorte y tareas.
AdaGC: Mejora la estabilidad del preentrenamiento con recorte adaptativo
AdaGC mejora la estabilidad del preentrenamiento de modelos de lenguaje grandes (LLM) eliminando picos de pérdida y aumentando la precisión en hasta 2.48%.
Estimación colapsable de efectos causales en CPDAGs
Aprende a estimar efectos causales colapsables en CPDAGs usando strong d-convex hulls. Algoritmo eficiente, resultados empíricos y código abierto.
MC-CPO: Optimización de Políticas Restringidas para Tutoría Inteligente Segura
Descubre cómo MC-CPO reduce el hackeo de recompensas y mejora el dominio del conocimiento en tutorías inteligentes.
Comparativa de retroalimentación en escritura técnica: LLMs vs SLMs vs humanos
Estudio compara retroalimentación en escritura técnica de LLMs, SLMs y humanos. Los estudiantes valoran los modelos locales por su privacidad y costo cero.
SCALE: Planificación escalable de workflows agénticos con atención cruzada
SCALE es un planificador DRL que escala a clústeres de cualquier tamaño sin reentrenamiento, reduciendo el tiempo de respuesta hasta un 8.9%.
TRUE: Marco confiable unificado para explicar el razonamiento de LLM
Descubre TRUE: un marco que unifica verificación ejecutable, diagramas DAG de regiones factibles y análisis causal de fallos para hacer el razonamiento de los LLM más interpretable y confiable.
ADAGE: Defensas Activas Contra la Extracción de GNN
Descubre ADAGE: la primera defensa activa que bloquea la extracción de GNNs. Protege tus modelos sin perder rendimiento.
AdaGRPO: Mejora adaptativa consciente de la capacidad para GRPO basado en flujo
Descubre AdaGRPO: algoritmo de RL adaptativo para modelos de flujo T2I. Mejora selección de prompts y estimación de ventajas. ¡Optimiza tu entrenamiento!
Modelando AdaGrad, RMSProp y Adam con ecuaciones integro-diferenciales
Descubre cómo AdaGrad, RMSProp y Adam se modelan con ecuaciones integro-diferenciales. Un nuevo enfoque teórico para optimizadores adaptativos.
Cómo funciona el pipeline de contenido de PostAll: arquitectura completa
Explora la arquitectura interna del pipeline de contenido de PostAll: colas, DAG, LLM con fallback, formateo y conectores. Errores y mejoras clave.
Inferencia entrópica para atlas causales: más allá de DAG óptimos
Descubre cómo la inferencia entrópica crea atlas de relaciones causales más allá de los DAG óptimos, revelando la ambigüedad inherente en los datos.
Aprendizaje por Refuerzo desde Retroalimentación Rica con DAgger Distribucional
Descubre DistIL: aprendizaje por refuerzo con retroalimentación rica para razonamiento, código y matemáticas. ¡Lee más!
Aprendizaje por Refuerzo con Retroalimentación Enriquecida usando DAgger Distribucional
Descubre cómo DistIL optimiza el aprendizaje por refuerzo usando retroalimentación rica (trazas, correcciones, autoevaluación) para mejorar en razonamiento, código y matemáticas.
Análisis del comportamiento en educación física con señales de movimiento e IA
Marco unificado combina señales de movimiento e IA para analizar comportamiento en educación física y genera retroalimentación pedagógica automática.
Marco unificado para análisis conductual en educación física
Descubre un marco unificado con señales de movimiento y modelos de lenguaje para analizar comportamiento en educación física y generar informes pedagógicos.