PaCX-MAE: Fusión de rayos X y fisiología en IA médica
PaCX-MAE mejora el diagnóstico de rayos X integrando datos fisiológicos (ECG, laboratorio) sin requerirlos en inferencia. Logra +2.7 AUROC y +6.5 F1 con solo 1% de datos.
#enmascarado
d2: Mejora del razonamiento en modelos de difusión con estimación de trayectoria
Descubre d2, un marco de razonamiento para modelos de difusión que mejora el rendimiento en tareas lógicas y matemáticas, superando a RL tradicional.
Políticas de orden adaptativo para difusión enmascarada
Políticas de orden adaptativo mejoran generación de secuencias en difusión enmascarada, superando heurísticas en tareas sensibles al orden como proteínas.
¿Qué se descubre primero? Análisis de difusión para texto desde gráficos
Estudio revela que MDLMs descifran entidades primero en generación texto-gráfico. SFT puede fallar, pero decodificación lambda recupera +9.4 BLEU.
Modelado Generativo Enmascarado de Punto Fijo
Descubre cómo FP-MGMs y CoFRe reducen parámetros y costo de entrenamiento en modelos generativos enmascarados, mejorando calidad con menos recursos.
Recordar reconstruyendo: aprendizaje incremental de dominio y test-time training
Aprende cómo recordar dominios olvidados en aprendizaje incremental usando test-time training con autoencoder enmascarado y LoRA. Ideal para video.
El atajo de la confianza: un modo de fallo de razonamiento de los modelos de difusión enmascarados
<meta name="description" content="El atajo de la confianza revela un fallo de razonamiento en modelos de difusión enmascarados. Descubre cómo este error afecta a la IA y posibles soluciones.">
FHRFormer: Un marco de trabajo de Transformer enmascarado auto-supervisado para la imputación y predicción de series temporales de frecuencia cardíaca fetal
Descubre FHRFormer, un transformer auto-supervisado que imputa y predice la frecuencia cardíaca fetal con alta precisión.
AnyMo: Escalando la generación condicional de movimiento de cualquier modalidad con modelado enmascarado
<meta name=description content=AnyMo escala la generación de movimiento multimodal condicionado con modelado enmascarado. Innovación en IA para animación y robótica.>
Decodificación paralela guiada por atención a nivel de clúster para modelos de lenguaje de difusión enmascarados
Decodificación paralela guiada por atención de clúster optimiza modelos de difusión enmascarados para generación eficiente.