PhysMetrics.Weather: Evaluación de consistencia física en ML meteorológico
Descubre PhysMetrics.Weather, el marco que evalúa la consistencia física de modelos meteorológicos de IA más allá del RMSE. Mejora la fiabilidad operativa.
#espectral
PhysMetrics.Weather: Evaluación de realismo físico en modelos ML de clima
PhysMetrics.Weather evalúa el realismo físico de modelos ML meteorológicos con métricas de conservación, espectrales y dinámicas.
¿Cuándo los modelos autoregresivos pronostican campos de onda físicos?
¿Sabes cuándo falla el pronóstico autoregresivo de ondas sísmicas? Este estudio controlado identifica los factores clave y el próximo desafío: la fase.
Perdidos en la serialización: Invarianza y generalización de razonadores de grafos LLM
Descubre cómo la serialización afecta la invarianza y generalización de los LLM al razonar sobre grafos. Analizamos la robustez ante cambios en etiquetado y estructura.
Reglas de diseño de GNN: ¿fallan según el benchmark?
Descubre cómo la composición del benchmark determina si la informatividad predice el mejor agregador en GNN. Resultados clave con Facebook-100.
Redes residuales MLP: colapso de rango y puntos fijos
Primera evidencia cuantitativa: redes residuales MLP implementan coarse-graining selectivo con colapso de rango y puntos fijos.
Atajos en la cola: debiasing con compresión espectral post-hoc
Descubre cómo truncar la cola del SVD de actualizaciones reduce sesgos en modelos de IA sin reentrenar, manteniendo precisión. Método post-hoc efectivo.
Dinámica espectral y geometría del ruido de Muon
Exploramos la dinámica espectral y geometría del ruido del optimizador Muon: su sesgo hacia espectro plano y cuándo es útil frente a AdamW. Resultados experimentales.
Auditoría espectral revela dependencia aperiódica por tarea en EEG y ECG
La auditoría espectral revela dependencia aperiódica según la tarea en EEG y ECG. ¡Controla el sesgo en tu IA!
Transformada Neural de Legendre-Fenchel con Precondicionamiento Hessiano
Descubre cómo la transformada Neural de Legendre-Fenchel con precondicionamiento Hessiano mejora la precisión y convergencia en funciones mal condicionadas.
Mejora en el análisis de convergencia de topología en SGD descentralizado
Descubre cómo un nuevo análisis de convergencia revela el verdadero impacto de la topología de red en el rendimiento del SGD descentralizado. Te sorprenderá.
¿Enseñar a modelos fundacionales qué es una imagen generativa?
Descubre cómo detectar imágenes generativas sin modificar modelos. Método analítico sin gradientes, eficiente, y privado para edge y federated learning.
Kernels de truncamiento espectral: no conmutatividad en máquinas C*-algebraicas
Descubre los nuevos kernels de truncamiento espectral basados en C*-álgebras: aprendizaje funcional eficiente con no conmutatividad.
Wedge Sampling: completación tensorial con complejidad casi lineal
Descubre cómo Wedge Sampling optimiza la completación de tensores con complejidad casi lineal, cerrando la brecha estadístico-computacional.
Inferencia de alta dimensión para matrices de precisión espectrales dispersas
Nuevo método de inferencia para matrices de precisión espectrales dispersas en alta dimensión. Obtén estimaciones confiables y mayor potencia.
Curvas de generalización en algoritmos espectrales con decaimiento de potencia
Descubre las curvas de error de generalización en regresión kernel con decaimiento de potencia y su impacto en redes neuronales anchas.
SpectraLDS: Destilación Comprobable para Sistemas Dinámicos Lineales
Conoce SpectraLDS: destilación comprobable para sistemas dinámicos lineales con inferencia constante en tiempo y espacio, ideal para modelado de lenguaje.
Cosmo3DFlow: Compresion Espacio-Espectral con Wavelet para el Universo Temprano
Descubre Cosmo3DFlow, que usa wavelets y flow matching para reconstruir el universo temprano en segundos, 46x mas rapido.
Marcos probabilísticos con restricciones físicas y conciencia de distancia
Descubre los nuevos marcos probabilísticos con restricción física y conciencia de distancia que mejoran pronósticos industriales. Validado en rodamientos.
Agregación de tokens entre dominios con atención latente en frecuencia
FLaG: nuevo método de agregación de tokens con FFT y atención latente mejora predicciones en péptidos antimicrobianos, CIFAR-100 y más. Descubre sus resultados.