Evaluación fuera de política con agentes estratégicos mediante divulgación local
Descubre cómo la divulgación local revela covariables previas a la adaptación, permitiendo evaluar políticas sin interacciones repetidas.
#estimador
Transición de fase del estimador de Tyler para subespacios robustos
Descubre cómo el M-Estimador de Tyler alcanza una transición de fase nítida en la recuperación robusta de subespacios, incluso en el límite crítico DS-SNR=1.
Ruptura de universalidad gaussiana: caracterización en ERM de alta dimensión
Descubre cómo la universalidad gaussiana se rompe en la minimización de riesgo empírico de alta dimensión y sus implicaciones para el aprendizaje automático
Transición de fase abrupta del estimador M de Tyler en recuperación de subespacios
El estimador M de Tyler presenta una transición de fase abrupta en DS-SNR=1. Descubre su comportamiento crítico para la recuperación robusta de subespacios.
Mitigando la maldición de la dimensionalidad con activaciones suaves
Aprende cómo las redes neuronales con activaciones suaves mitigan la maldición de la dimensionalidad, garantizando convergencia uniforme y robustez en regresión. ¡Entra!
Estimaciones de ventaja para gradientes de política Max@K
Descubre cómo MaxPO optimiza el post-entrenamiento de LLMs con una nueva línea base Leave-Two-Out que centra la ventaja y reduce la varianza del gradiente.
Estimadores de gradiente para inferencia de parámetros en modelos estocásticos
Descubre la comparativa de estimadores de gradiente (GS-ST, Score Function, Alternative Path) para inferencia en Gillespie SSA. Aplicado a sistemas biofísicos.
RRISE: Inferencia Robusta de Radio mediante un Estimador Sustituto
¿Quieres certificar robustez en IA sin el coste del muestreo Monte Carlo? RRISE logra precisión comparable con solo un pase de red.
IdEst: Evaluando Representaciones SSL con Dimensión Intrínseca
Descubre cómo IdEst, basado en dimensión intrínseca, evalúa representaciones SSL de forma eficiente, reduciendo costos computacionales y sin necesidad de etiquetas.
Robustez probabilística no paramétrica: estimador conservador de riesgo
Descubre la robustez probabilística no paramétrica (NPPR), una métrica práctica que estima el riesgo de forma conservadora sin necesidad de conocer la distribuc
c-TPE: Estimador Parzen con restricciones para hiperparámetros
Aprende cómo c-TPE optimiza hiperparámetros bajo restricciones de memoria y latencia, superando métodos tradicionales en problemas costosos.
Estimador Parzen de Estructura Arbórea: Componentes Clave
Descubre los componentes del TPE y su impacto en la optimización de hiperparámetros. Aprende configuraciones recomendadas para mejor rendimiento empírico.
Regularización implícita para selección de características multi-etiqueta
Descubre cómo la regularización implícita mejora la selección de características en problemas multi-etiqueta, reduciendo sesgo y permitiendo un sobreajuste beni
Mediana de estadísticos U incompletos: estimador robusto
La mediana de estadísticos U incompletos (MIU) ofrece un estimador robusto con tasas de concentración en muestras finitas para kernels simétricos.
Midiendo la tasa de intercambio simetría-datos
Estudio revela que un prior de simetría erróneo perjudica el aprendizaje más que no tenerlo. Además, aumento de datos con promediado iguala modelos equivariante
Pruebas privadas casi óptimas para hipótesis simples y MLR
Descubre pruebas privadas casi óptimas para hipótesis simples y MLR con privacidad diferencial gaussiana. Resultados comparables a pruebas no privadas.
Relación señal-ruido no uniforme en REINFORCE
Descubre cómo la relación señal-ruido no uniforme en el estimador REINFORCE causa inestabilidad y colapso durante el entrenamiento en RL.
Inferencia Estadística sobre Flujos de Gradiente
Aprende sobre inferencia estadística uniforme en flujos de gradiente. Teoría de límite central y estimador de covarianza sin inversión de matrices.
Inferencia causal con PFN: consistencia frecuentista
¿Las PFN para inferencia causal son consistentes? Descubre cómo la calibración OSPC elimina el sesgo y logra estimaciones frecuentistas del ATE.
Aprendizaje on-policy enfocado en decisiones para optimización lineal contextual
Nuevo método de gradiente híbrido para optimización lineal contextual con retroalimentación parcial que reduce el arrepentimiento.