Flujos de trabajo iniciales en formalización de pruebas con IA
Estudio revela cómo los matemáticos integran IA en la formalización de pruebas. La IA mejora la precisión y transforma los flujos de trabajo.
#demostraciones
Detección de alucinaciones en modelos de lenguaje con conciencia geométrica
Descubre cómo GA-ICL, un método de selección de ejemplos con conciencia geométrica, mejora la detección de alucinaciones en LLMs sin modificar parámetros.
Hyper-ICL: Atención Multimodal sin Demostraciones con Destilación Hiperbólica
Descubre cómo Hyper-ICL mejora la precisión y estabilidad en aprendizaje multimodal sin necesidad de ejemplos.
Razonamiento de calidad con aprendizaje por refuerzo en contexto
Descubre cómo el aprendizaje por refuerzo en contexto mejora la calidad del razonamiento en IA, asignando mayor peso a demostraciones efectivas.
Demostrador por abducción en Isabelle/HOL
Automatiza la búsqueda de demostraciones en Isabelle/HOL con el Abduction Prover, que identifica conjeturas útiles mediante razonamiento abductivo. Acelera tu verificación formal.
SPADE: Planificación de trayectorias guiada por bocetos con difusión
Descubre SPADE, el nuevo método que combina bocetos y difusión para planificar rutas de robots móviles con un 39% menos de error y un 93% menos parámetros.
Aprendizaje por imitación sin entrenamiento con políticas de difusión cerradas
Aprendizaje por imitación sin entrenamiento: políticas de difusión cerradas logran inferencia en tiempo real en CPU móvil con rendimiento competitivo.
SpeedAug: Aceleración de Políticas con Tempo y RL
SpeedAug acelera políticas robóticas con RL: aumenta 1.8x el rendimiento en solo 16 minutos de interacción sin comprometer la tasa de éxito.
Recuperación robusta de demostraciones con proxies OOD
Mejora la robustez de tus LLMs con DOPA, un marco que usa proxies OOD para recuperar demostraciones diversas y efectivas en entornos fuera de distribución.