PoQ-Judge: Evaluación de calidad para LLM descentralizados
Descubre PoQ-Judge, el marco que evalúa la calidad de LLMs descentralizados sin referencias, reduciendo costos un 72.7% con mínima pérdida de calidad.
#descentralizado
Estimación eficiente de hipergradientes en RL bi-nivel descentralizado
Aprende a estimar hipergradientes en RL bi-nivel descentralizado con el truco de Boltzmann. Optimización eficiente sin intervención.
CCKS: Comunicación Basada en Consenso y Compartición de Conocimiento
Optimiza la cooperación multiagente con CCKS: consenso y compartición de conocimiento. Resultados superiores en StarCraft II y Google Football.
Sistemas Multi-Agente Descentralizados con Contexto Compartido
Descubre cómo DeLM escala el razonamiento de LLMs con agentes descentralizados y contexto compartido, mejorando rendimiento en SWE-bench y LongBench y reduciendo costos un 50%.
Unificar comunicaciones y actualizaciones locales en preentrenamiento de LLMs
GASLoC unifica comunicaciones y actualizaciones locales para preentrenar LLMs. Supera algoritmos descentralizados y compite con DiLoCo en eficiencia.
GASLoC: unificando comunicaciones y actualizaciones locales para LLMs
GASLoC unifica comunicaciones y actualizaciones locales para preentrenar LLMs de forma eficiente, superando a DiLoCo en entornos heterogéneos.
Aprendizaje federado descentralizado: ponderación inversa y agregación AoI
DFL-AA corrige sesgo y obsolescencia en aprendizaje federado descentralizado usando ponderación inversa y edad de información. Mejora precisión en redes.
Ponderación Inversa y Edad de la Información para DFL con Recepción Parcial
DFL-AA combina ponderación inversa y edad de la información para eliminar sesgo y obsolescencia en aprendizaje federado descentralizado con redes inalámbricas.
Agregación segura con Top-K en aprendizaje federado descentralizado
Descubre cómo la agregación segura con escasez Top-K reduce costos de comunicación en aprendizaje federado descentralizado, manteniendo precisión del modelo.
Modelado generativo composicional con datos descentralizados
DCFM revoluciona el modelado generativo composicional descentralizado, permitiendo nuevas combinaciones sin compartir datos sensibles.
SPIN: Control descentralizado de enjambres mediante coordinación de políticas tensoriales
Descubre SPIN, un marco innovador que reduce la complejidad computacional de enjambres descentralizados en el borde, permitiendo control eficiente y adaptativo sin entrenamiento en línea.
Mejora en el análisis de convergencia de topología en SGD descentralizado
Descubre cómo un nuevo análisis de convergencia revela el verdadero impacto de la topología de red en el rendimiento del SGD descentralizado. Te sorprenderá.
Análisis mejorado método potencia acelerado ruido PCA descentralizado
Descubre el análisis óptimo del método de potencia acelerado: convergencia más rápida con ruido relajado para PCA descentralizado.
Aprendizaje federado semidescentralizado sin servidor con optimizadores variados
Descubre SSD-FL: aprendizaje federado semidescentralizado sin servidores que mejora convergencia y eficiencia con optimizadores heterogéneos.
Bandidos Multi-Agente Lipschitz
Aprende sobre el protocolo modular para bandidos multiagente Lipschitz: coordinación descentralizada, sin comunicación, con cotas de arrepentimiento óptimas. Ideal para IA y robótica.
Optimización convexa estocástica descentralizada casi óptima en redes
Nuevo método descentralizado acelera la optimización convexa estocástica, logrando la tasa centralizada con más trabajadores. ¡Mejora el escalamiento en redes!
Algoritmo EM descentralizado con datos heterogéneos y etiquetado parcial
El algoritmo MNEM elimina el sesgo en mezclas gaussianas con datos heterogéneos y etiquetado parcial. Ideal para aprendizaje federado descentralizado.
DPDL: Privacidad diferencial en aprendizaje descentralizado con datos no IID
DPDL protege tu privacidad en aprendizaje descentralizado con datos no IID mediante calibración y ruido gaussiano. Logra velocidad lineal y alta precisión.
Cómo hacer que tu agente de IA genere ingresos pasivos automáticamente
Descubre cómo tu agente de IA puede trabajar 24/7 generando ingresos pasivos automáticos. Regístrate en segundos y gana hasta 85% por cada llamada API.
DECA: Descentralizando el Ajuste Fino Completo de LLMs
Descubre DECA, el ajuste fino completo descentralizado para LLMs con Adam por bloques y datos no IID.