Más allá de la desigualdad de datos: beneficio de tareas de bajo nivel
La desigualdad de datos dice que preprocesar no sirve, pero con datos finitos las tareas de bajo nivel mejoran la clasificación. Descubre el estudio teórico y
#equilibrio de clases
SAGE: Marco agente autorreflexivo basado en LLM para detectar fraude
Descubre SAGE, el primer marco multiagente basado en LLM que mejora la detección de fraude un 40% en F1, combinando árboles de diagnóstico.
Aprendizaje Heurístico Médico: Marco LLM para Reglas Clínicas Interpretables
Descubre MHL, un marco basado en LLM que genera reglas de decisión clínicas interpretables y auditables, con rendimiento comparable a métodos estado del arte
TaskFusion: Detección Continua de Anomalías para Datos Tabulares Heterogéneos
Descubre TaskFusion, innovador método de detección continua de anomalías en datos tabulares heterogéneos. Supera deriva de distribución y olvido catastrófico.
Atención de rama específica por clase en desequilibrio
Descubre cómo la atención de rama reduce la interferencia de gradiente, mejorando el F1 de clases minoritarias de 0.261 a 0.522 en desequilibrio severo.
Modelos tabulares con recuperación alineada mejoran predicción clínica en EHR
Descubre cómo AWARE mejora hasta un 12.2% la precisión en predicción clínica con EHR bajo condiciones reales de desequilibrio.