Cuantificación de incertidumbre en estructuras con PCE y aprendizaje activo
Mejora la precisión de modelos sustitutos en ingeniería con expansión en caos polinomial y aprendizaje activo multivariante. Reduce costos computacionales.
#delos
Repensando los grupos en RLVR sin crítico
Descubre cómo eliminar la necesidad de grupos en RLVR sin crítico usando filtrado de tokens negativos, logrando entrenamiento estable con un solo rollout.
Operator Boosting produce sustitutos Pareto-eficientes de PDE
Operator Boosting reduce parámetros hasta un 95% y mejora la precisión en sustitutos neuronales de PDE. Optimiza FNO, DeepONet y CNO con aprendizaje residual.
CheckMIABench: Bases firmes para ataques de inferencia de membresía en LLMs
Descubre CheckMIABench, el nuevo benchmark para evaluar ataques de inferencia de membresía en LLMs. Mejora la privacidad de tus modelos con bases sólidas.
Refinando estados ocultos para razonamiento fiable en LLMs
Descubre ReLAR: marco que refina estados ocultos de LLMs con aprendizaje por refuerzo, mejorando precisión y estabilidad sin cadenas de pensamiento.
MGUP: Política de Actualización con Alineación Gradiente-Momentum
Descubre MGUP, un nuevo mecanismo de actualización selectiva que acelera y estabiliza el entrenamiento de modelos de IA. Integrable con AdamW, Lion y Muon.
Cuando los modelos dinámicos leen los pasos de tiempo incorrectos
Descubre cómo CREST corrige la dilución temporal en modelos dinámicos, reanclando crédito de eventos sin etiquetas para lecturas globales robustas.
EnvRL: Aprende de las dinámicas del entorno en RL agéntico
Mejora el éxito de agentes LLM con EnvRL al aprender dinámicas del entorno. Resultados: +10% en ALFWorld y WebShop.
Recuperación Ciega de Dominios Latentes mediante Descubrimiento de Simetrías
Descubre cómo recuperar dominios y señales ocultas de datos corruptos sin supervisión, usando simetrías. Nuevo método para problemas inversos ciegos.
Auto-mejora continua con memorias latentes ligeras de experiencia
Descubre cómo los LLMs mejoran sin supervisión usando memorias latentes ligeras, superando al reentrenamiento completo. ¡Optimización eficiente!
Meta-clasificación de modelos OCC con correlación de ranking y vecino cercano
Aprende a clasificar modelos OCC con correlación de ranking y vecino cercano. Alta precisión en datasets y algoritmos. Código público.
AIMER: poda de expertos libre de calibración para modelos MoE
AIMER es un método sin calibración para podar expertos en modelos MoE, reduciendo memoria y costos. Logra balance de capacidad en tareas, solo 0.22s.
Modelado de uplift bajo sesgos estructurales: estabilidad de métricas y robustez
Descubre cómo los sesgos estructurales impactan la evaluación de modelos de uplift. TARNet se destaca por su robustez. Aprende sobre métricas estables y ATE.
Moderación de promoción ilícita en juegos UGC con modelos de visión-lenguaje
Descubre cómo los modelos de visión-lenguaje identifican promociones ilícitas de juegos inseguros para menores. UGCG-Guard logra un 94% de precisión.
Aprendizaje Recursivo Sin Colapso: Estabilización por Pesos
Descubre cómo un marco de estabilización basado en pesos evita el colapso en modelos generativos recursivos. El peso óptimo para datos reales es el inverso del
Perspectiva de sistemas dinámicos para redes neuronales
Descubre cómo los sistemas dinámicos explican el comportamiento de redes neuronales: propagación, entrenamiento, estabilidad y límites de campo medio.
Modelos de supervivencia con retrasos de notificación censurados por la derecha
Mejora la evaluación de riesgos con modelos de supervivencia que manejan retrasos censurados. Descubre nuestro método con aprendizaje por transferencia.
Coordinación tácita de grandes modelos de lenguaje
Descubre cómo los LLMs logran coordinarse sin hablar, superando a humanos en ciertos escenarios, pero fallando en tareas numéricas y culturales. Estudio
¿Pueden los modelos fundacionales de visión navegar? Evaluación real y lecciones
Evaluación cero-shot de cinco modelos de navegación visual en entornos reales. Fallos en colisiones, reconocimiento y robustez. ¡Lee las lecciones!
Efectos individualizados del tratamiento en ictus isquémico agudo con TRAM-DAG
Descubre cómo el modelo TRAM-DAG estima el beneficio individual de la trombectomía en ictus, validado con ensayos clínicos. Personalización del tratamiento