Inteligencia Centrada en la Interacción: nuevo enfoque para IA co-creativa
Descubre cómo la interacción se convierte en la unidad principal de análisis en la IA co-creativa, redefiniendo la inteligencia en sistemas humano-IA.
#eat
DeepIPCv3: Evitando cruces repentinos de peatones con fusión multimodal
DeepIPCv3 revoluciona la seguridad autónoma: fusión de sensores y eventos para evitar cruces de peatones.
CEAR: Robustez Adversarial Certificada con Ensambles en DNNs
Descubre CEAR: mejora la robustez adversarial certificada en DNNs usando ensambles con ruido y votación. Superior en MNIST, CIFAR10 y TinyImageNet.
Continuidad de identidad en video térmico con consistencia de escena
Aprende cómo el reenlace conservador de trayectorias mejora la continuidad de identidad en videos térmicos, sin necesidad de modelos pesados.
Métrica Decan: diversidad en escritura creativa con IA
Descubre cómo la métrica Decan mide la diversidad en textos creativos usando aprendizaje en contexto, detectando pérdida de diversidad en modelos de lenguaje.
SUPREME: Framework Multi-GPU para Evaluación de Desaprendizaje de Imágenes
Descubre SUPREME, framework open-source que acelera evaluación de desaprendizaje en imágenes usando múltiples GPUs. Reproducible y eficiente.
Ambigüedad en la predicción de errores con cuantificación de incertidumbre
Descubre cómo la ambigüedad afecta la predicción de errores en LLMs y cómo desenredarla mejora la precisión hasta en 10 puntos de PRR.
Cómo solucionar congelamiento aleatorio en Dell Optiplex antiguos
¿Tu Dell Optiplex se congela con Windows 11 Pro? Sigue: actualiza drivers, BIOS y limpia. ¡Soluciona!
IA y música: ¿cómo deberían los Grammy adaptarse?
El CEO de los Grammy revela cómo la IA está omnipresente en los estudios y cómo la academia planea adaptar sus reglas. ¿Puede la IA ganar un Grammy?
Atlas Menu hackeado: servicio de trampas para GTA sufre filtración y acusaciones de espionaje
El servicio de trampas para GTA Atlas Menu fue hackeado: datos de miles de usuarios expuestos y acusaciones de espionaje. Conoce los detalles.
Revisé mi DNS de respaldo y descubrí la causa de meses de lentitud
Descubre cómo un simple ajuste en tu DNS secundario puede solucionar meses de ralentizaciones aleatorias en tu conexión. ¡Revísalo ya!
Guía de Casey Neistat para publicar a diario
Descubre los consejos de Casey Neistat para publicar contenido todos los días. Aprende a mantener la constancia y crea hábitos que impulsen tu creatividad.
LiMuon: Optimizador Muon Ligero y Rápido para Modelos Grandes
Descubre LiMuon, el optimizador ligero y rápido que reduce memoria y complejidad muestral para entrenar modelos grandes. ¡Mejor rendimiento!
Privacidad Mejorada en Aprendizaje Federado con División y Participación Aleatoria
Descubre cómo MS-PAFL mejora la privacidad en aprendizaje federado sin sacrificar precisión, usando división de modelos y ruido calibrado. Logra modelos precisos con fuertes garantías.
Escalando aprendizaje de grafos de alto orden con complejos de cliques maximales
Descubre cómo los complejos de cliques maximales escalan el aprendizaje de grafos de alto orden con mayor eficiencia y sin perder expresividad.
Condensación eficiente y escalable de grafos con preservación de estructura
Conoce SP-ESGC: método eficiente y escalable para condensar grafos preservando estructura. Mejora generalización y reduce costos computacionales.
Capacidad del estudiante modera la destilación de conocimiento en ResNet
La capacidad del estudiante modera la destilación de conocimiento. Estudio en ResNet con CIFAR-10 muestra que Feature-KD supera a Logit-KD en ciertos casos.
El olvido tiene vecinos: olvido colateral localizado
El olvido colateral localizado afecta a datos cercanos al desaprender en machine unlearning. Descubre cómo mitigarlo con destilación de profesor local.
¿Es suficiente la última capa para cuantificar la incertidumbre?
Descubre por qué la linearización de la última capa ofrece una cuantificación de incertidumbre comparable a la de toda la red, con mucha mayor eficiencia computacional. Estudio teórico y empírico.
Evitación de colisiones en multitudes: simulación basada en datos
El modelo CPGAN integra la física de colisiones en la función de pérdida para simular evitación de colisiones en multitudes, reduciendo drásticamente los choques en flujos bidireccionales.