E³RL: Aprendizaje por Refuerzo Borrable para Superar la Maldición Autoregresiva
E³RL: nuevo método de RL que elimina la maldición autoregresiva en LLMs. Permite razonamiento lógico autocurativo con memoria lineal. Supera SOTA en benchmarks
#entro
Marco de IA Agéntica para reducir transferencias prematuras y alucinaciones
El nuevo marco de IA agéntica mejora la precisión diagnóstica en un 11.3%, evitando transferencias prematuras y alucinaciones silenciosas.
Hacia la inferencia distribuida de LLMs en redes P2P
Descubre cómo el enrutamiento descentralizado con caché de prefijo reduce la latencia en la inferencia distribuida de LLMs en redes P2P, sin coordinación
Advertencia Temprana de Puntos de Inflexión con Red Causal Espacio-Temporal
La nueva metodología ST-CND detecta puntos de inflexión geográficos con redes causales espacio-temporales. Alertas tempranas más precisas y localizadas.
ST-CND: Diagnóstico de redes causales para alerta temprana geográfica
Descubre cómo ST-CND, un nuevo marco de redes causales espacio-temporales, supera las limitaciones clásicas para alertar sobre puntos de inflexión geográficos
Log-PCA para medidas de probabilidad: formulación dinámica y convergencia
Descubre cómo el Log-PCA con formulación dinámica captura variaciones principales en medidas de probabilidad bajo la geometría de Wasserstein. Conoce su
¿Cuándo la delegación supera a la mayoría en LLM?
Descubre cómo la delegación basada en entropía y geometría supera a la mayoría en LLM sin etiquetas, mejorando precisión en MMLU-Pro.
PAEC: Calibración de entropía posicional para razonamiento en LLM con RLVR
PAEC calibra la entropía solo en posiciones clave para evitar el colapso y mejorar el razonamiento de LLMs en problemas matemáticos. ¡Aumenta el rendimiento!
Economía de agentes: marco de alineación pluralista contra colmenas artificiales
Descubre cómo el marco BPF usa control de entropía y alineación pluralista para evitar colmenas artificiales, mejorando la estabilidad y transparencia en
DOME: Variables de dominio transferibles con supervisión dispersa
Descubre cómo DOME aprende variables de dominio transferibles con supervisión dispersa para mejorar la adaptación en tiempo de prueba.
Agentes de IA: no funcionan con hype, sino con energía, billeteras y raíles de liquidación
Los agentes de IA necesitan más que software: energía, billeteras, identidad y raíles de liquidación. Descubre la infraestructura que los sostiene.
Stage-1: control de entropía, no del resultado
Descubre cómo el Stage-1 en el post-entrenamiento de VLMs controla el régimen de entropía, pero no mejora significativamente el resultado final. Estudio con
ReQAT: Precisión completa con cuantificación FP4
Descubre ReQAT, el método que logra precisión completa en modelos de razonamiento grandes con cuantificación FP4, reduciendo costos y acelerando el rendimiento
Fórmula de entropía para redes lineales profundas: reales, complejas y cuaterniónicas
Descubre la extensión de la fórmula de entropía de Menon y Yu a redes lineales profundas complejas y cuaterniónicas, unificando resultados.
Alineación de distribuciones en FL One-Shot mediante transporte óptimo
SLOT-Align alinea distribuciones en FL one-shot con transporte óptimo, mejorando precisión y robustez ante cambios de dominio y etiqueta.
Aprendizaje por refuerzo inverso de máxima entropía en juegos de campo medio
Descubre cómo la máxima entropía permite recuperar políticas óptimas en juegos de campo medio a partir de demostraciones expertas. Algoritmos eficientes con
Servidores no x86 ahora casi la mitad del mercado, según IDC
Los servidores no x86 representan ya el 47,9% de los ingresos del mercado, con un crecimiento del 107% impulsado por la IA y chips Arm. Descubre las cifras de
Brecha de información e inferencia factible en mezclas logísticas
Descubre la brecha entre detectar mezclas y recuperar etiquetas en modelos logísticos binomiales. Nuevos métodos de inferencia consciente mejoran la fiabilidad.
Energía de las fuentes del exceso del centro galáctico
La inteligencia artificial analiza el exceso de rayos gamma del centro galáctico: los resultados apuntan a materia oscura o más de 35,000 fuentes.
Regresión online realizable para redes ReLU
Descubre cómo la entropía métrica permite acotar el error acumulado en regresión online realizable, superando las limitaciones de la clasificación en redes