Un marco Cartesiano-3j para potenciales interatómicos de aprendizaje automático
Nuevo marco Cartesiano-3j logra precisión comparable a modelos esféricos en potenciales interatómicos. Descubre cómo.
#delos
Social Caption: Evaluación de la comprensión social en modelos multimodales
Descubre Social Caption: evaluando la comprensión social de modelos multimodales. Tres dimensiones clave: inferencia, análisis holístico y dirigido.
NAtS-L: Búsqueda de Atención Neuronal para Modelos Híbridos por Token
Descubre cómo NAtS-L optimiza transformers combinando atención lineal y softmax por token, reduciendo coste sin perder expresividad en contextos largos.
Campos Neuronales como Modelos del Mundo
Campos neuronales para predicción física y aprendizaje offline. Una arquitectura isomórfica que mejora políticas sin interacción con el entorno.
Recocido con semilla Rashomon: inferencia bayesiana robusta
El recocido con semilla Rashomon optimiza la inferencia bayesiana en diseños factoriales, superando multimodalidad y combinando evidencia con incertidumbre.
Machine learning causal para efectos ambientales en viviendas
Descubre cómo los modelos de machine learning causal superan a la regresión tradicional para medir el impacto de mejoras ambientales en el precio de viviendas, según simulación Monte Carlo.
Mi GPU dejó de comer aire: backend en C++ para LLM
Descubre cómo optimizar la inferencia de LLM eliminando el padding con un backend en C++ y sequence packing. Mejora el rendimiento de tu GPU.
¿Puede la automatización de onboarding con IA predecir tendencias?
¿Sabías que la IA en el onboarding puede predecir tendencias empresariales? Descubre cómo Q2BSTUDIO integra modelos predictivos para decisiones proactivas.
¿Es compatible la automatización de onboarding con herramientas de IA?
Automatización de onboarding con IA: Compatible con herramientas inteligentes, agiliza procesos, mejora consistencia y libera tiempo de RRHH. Seguro y escalable.
Nvidia AI PC, Proyecto Solara y la IA de Microsoft
Analizamos el nuevo chip RTX Spark de Nvidia, el visionario Proyecto Solara de Microsoft y sus modelos MAI. ¿El fin de las PCs tradicionales? Descúbrelo.
FlowGuard: Protección de IDS energéticos contra robo de modelos
FlowGuard protege IDS energéticos de robos de modelos sin identidad. Detecta consultas fuera de distribución mediante flujo normalizado. ¡Aumenta tu seguridad!
PRISM: Integración de Modelos de Visión con Expertos Autoorganizados
PRISM combina modelos de visión fundacionales con expertos autoorganizados, superando la transferencia negativa para lograr el estado del arte en segmentación.
Repensando descomposiciones tensoriales en compresión post-entrenamiento de LLMs
Descubre por qué descomposiciones tensoriales tienen limitaciones en la compresión de LLMs y cómo afectan a modelos densos y MoE. Análisis teórico y práctico.
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.
Robustez post-hoc para aprendizaje por refuerzo basado en modelos
Mejora la robustez de agentes de RL en inferencia sin entrenar, usando control predictivo con rollouts adversariales y mitigando problemas fuera de distribución.
Cuando la atención colapsa: poda de tokens visuales de estructura a semántica
Descubre cómo el marco STS evita el colapso de atención en VLMs, mejorando la diversidad estructural y la relevancia semántica de tokens visuales.
PHASER: Aprendizaje continuo con repetición de experiencia por fases para modelos VLA
Descubre PHASER, un marco de aprendizaje continuo para modelos VLA que evita el olvido catastrófico. Asigna memoria por fases y prioriza tareas olvidadas, logra
DDOR: Pruebas y Reparación del Sobrerrechazo en LLMs
Descubre DDOR, un marco automatizado para detectar y reparar el sobrerrechazo en LLMs, mejorando su usabilidad sin sacrificar la seguridad. Explicabilidad y pruebas escalables.
Pruebas de razonamiento aritmético en LLMs con ataques de reasignación numérica
Descubre cómo los LLMs fallan ante cambios numéricos mínimos en problemas aritméticos. Nuevos ataques automáticos revelan fragilidades en razonamiento.
Verificación condicionada por confianza en RL en tiempo de prueba
Descubre cómo TTRL-CoCoV mejora Pass@k y Pass@1 en razonamiento complejo sin etiquetas, usando verificación condicionada por confianza.