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.
#dientes
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%.
Visual-TCAV: Explicabilidad en clasificación de imágenes con mapas de saliencia
Descubre cómo Visual-TCAV combina mapas de saliencia y atribución de conceptos para explicar predicciones en clasificación de imágenes. Más preciso que TCAV.
GRID: Escalando inferencia sin tareas en ajuste continuo de prompts
Descubre GRID, un nuevo marco para el aprendizaje continuo en LLMs que evita la dependencia de identificadores de tarea, mejorando la transferencia hacia atrás y reduciendo el uso de memoria.
Entre amnesia y caos: trilema de memoria, estabilidad y expresividad en redes de osciladores
Descubre el trilema entre memoria, estabilidad y expresividad en redes de osciladores. ¿Cuándo entrenar el sustrato supera a no hacerlo?
SHAPO: Optimización de Políticas con Agudeza para Exploración Segura
Descubre SHAPO, un método de optimización de políticas que mejora la exploración segura en aprendizaje por refuerzo, reduciendo riesgos en entornos críticos.
FOGO: Optimizador de Ortogonalización Consciente del Olvido
Descubre FOGO, un optimizador que previene el olvido en el entrenamiento de modelos de IA, mejorando la convergencia y retención sin almacenar datos. Ideal para aprendizaje continuo.
Optimalidad del filtrado secuencial bajo modelos independientes
Descubre cómo ordenar filtros en pipelines secuenciales reduce costos esperados. La relación costo/selectividad es clave, validado con simulaciones Monte Carlo.
Cotas de arrepentimiento adaptativas al ruido con alta probabilidad
Nuevas cotas adaptativas al ruido para OCO con alta probabilidad. Resultados en retroalimentación completa, bandido y restricciones. Validado con experimentos.
Más allá del colapso neuronal: geometría intrínseca en aritmética modular
Descubre cómo las redes neuronales organizan representaciones en aritmética modular, revelando una geometría cíclica que supera el colapso neuronal tradicional.
Optimización Geométrica de la Información en Esferas
Exploramos la optimización geométrica de la información en esferas: gradientes naturales, osciladores de Kuramoto y conexiones con la toma de decisiones cuántica.
¿Enseñar a modelos fundacionales qué es una imagen generativa?
Descubre cómo detectar imágenes generativas sin modificar modelos. Método analítico sin gradientes, eficiente, y privado para edge y federated learning.
Requisitos de teoría de la información para afinidad de tareas en MTL
Descubre por qué el aprendizaje multitarea requiere un 30-40% de solapamiento de datos para que el análisis de gradientes sea fiable. Muchos benchmarks fallan.
Mitigación de atajos en modelos de texto durante el despliegue
Descubre cómo Shortcut Guardrail mitiga atajos en modelos de texto durante el despliegue sin datos de entrenamiento. Recupera rendimiento en clasificación, toxicidad e inferencia.
Codificación predictiva con priors bayesianos mediante gradientes proximales
Descubre cómo la codificación predictiva se reinterpreta como descenso por gradiente proximal, usando priors bayesianos para redes con fugas y jerarquías. ¡Optimización profunda!
Gradientes direccionales adaptativos para circuitos cuánticos parametrizados
Descubre cómo los gradientes direccionales adaptativos mejoran el entrenamiento de circuitos cuánticos, reduciendo drásticamente el costo de medición. Conoce QUIVER, el nuevo optimizador.
Hyperflux: La poda revela la importancia
Descubre Hyperflux, un método de poda que revela la importancia de cada peso mediante flujo y presión. Reduce latencia y energía manteniendo precisión.
ABLE: Representación de LLMs mediante incrustación por atribuciones
Descubre ABLE: representa y compara LLMs con atribuciones de gradientes sin entrenamiento. Ideal para selección de modelos y auditoría de seguridad.
Cómo Detener el Contagio de Alucinaciones en Clústeres Multi-Agente
Aísla errores de alucinación en clústeres multi-agente con el patrón Circuit Breaker para datos semánticos. Evita el contagio y mantén la integridad del clúster.
Lean4Agent: Modelado y verificación formal para flujos de trabajo de agentes
Descubre cómo Lean4Agent modela y verifica formalmente flujos de trabajo de agentes LLM, mejorando su fiabilidad un 11.94%. ¡Optimiza tus agentes!