Cuantificación precisa de incertidumbre en grandes muestras con SG-MCMC
Descubre cómo nuevas aproximaciones discretas a SGLD permiten cuantificar incertidumbre en grandes conjuntos de datos para mejor ajuste y robustez.
#diverge
Generación en un paso: geometría de transporte en espacio semántico
Descubre cómo las representaciones semánticas SSL reducen 39 veces el FID en ImageNet, optimizando la generación en un paso sin métricas hackeadas.
Repensando las divergencias de Bregman en optimizadores Kronecker
Descubre cómo las divergencias de Bregman distribuyen el error de aproximación espectral en optimizadores Kronecker y la propuesta de un optimizador adaptativo.
SPADE-Bench: Evaluando el Engaño Estratégico en Agentes de IA
SPADE-Bench revela cómo los agentes de IA pueden engañar al reportar acciones falsas. Descubre si son confiables.
OPD+: Rediseñando la ventaja en destilación on-policy
Aprende cómo OPD+ redefine la destilación on-policy eliminando sesgos del gradiente stop y mejorando modelos de lenguaje con f-divergencia.
Repensando el rol de la temperatura en destilación de LLMs
La temperatura transforma la destilación de LLMs: a altas temperaturas, FKL supera a RKL. Aprende a optimizar la transferencia de conocimiento.
Adaptación secuencial con Fisher Prompting basado en martingalas
M-FISHER ofrece detección de cambios de distribución y adaptación en streaming con martingalas exponenciales y Fisher Prompting. Garantías estadísticas y estabilidad.
Aprendizaje por Refuerzo Distribucional Multivariante mediante Divergencias Cortadas
Descubre SDRL, un nuevo método de aprendizaje por refuerzo distribucional que usa divergencias cortadas para manejar distribuciones multivariantes. Mejora en juegos Atari y entornos complejos.
Una visión unificada de los flujos Wasserstein generativos
Descubre cómo los flujos Wasserstein unifican GANs, MMD y modelos generativos con JKO. Una visión teórica para la optimización de distribuciones.
KLIP: detección localizada de cambios de distribución con difusión
Descubre cómo KLIP detecta cambios localizados en imágenes sin datos de calibración, aplicado a TC hepáticas con tumores. Un avance en problemas inversos.
EPA: Estimar, Explicar y Mejorar el Rendimiento ante Cambio de Distribución
Descubre EPA, el nuevo método de alineación de proyección entrópica que estima, explica y mejora el rendimiento de tu modelo ante cambios de distribución. ¡Rápido y preciso!