AfriSUD: Treebanks para evaluar modelos en lenguas africanas
Descubre AfriSUD, la primera colección de treebanks sintácticos para 9 lenguas africanas. Evalúa modelos NLP y descubre la brecha sintáctica.
#etiquetado
Inferencia causal potenciada por predicción: DML y Riesz semi-supervisada
La inferencia causal potenciada por predicción (PPCI) con DML y regresión Riesz semi-supervisada logra estimaciones más eficientes que los métodos clásicos.
Deezer lanza detector de música generada por IA para otras plataformas
Deezer lanza un detector que analiza tus playlists en otras plataformas para identificar música generada por IA. Descubre cómo funciona y qué significa para el futuro del streaming.
Spotlight by Backplanes: Análisis técnico de gestión de conocimiento
Descubre el análisis técnico de Spotlight by Backplanes: arquitectura de grafos, funciones clave, fortalezas, debilidades y seguridad. Ideal para mejorar tu productividad.
Robustez de tareas mediante reetiquetado de datos robóticos visión-acción
TREAD usa VLMs para reetiquetar datos robóticos y mejorar robustez en tareas nuevas. Aumenta la generalización de tu robot.
CAAL: Bandidos contextuales para selección de estrategias activas artesanales
CAAL usa bandidos contextuales para seleccionar dinámicamente estrategias de aprendizaje activo basadas en contexto externo.
Hipótesis de Influencia Reflejada: estimación eficiente de datos
Hipótesis de Influencia Reflejada: estima influencia de datos en modelos de IA usando pases hacia adelante. Ideal para atribución, detección de fugas y más.
Comparativa de estrategias para segmentar lesiones cerebrales con datos parciales
Descubre cómo el pseudolabeling con datos parcialmente etiquetados mejora la segmentación de lesiones cerebrales en FLAIR MRI. Un estudio con más de 2000 volúmenes.
Reetiquetado activo profundo: anotaciones resistentes al ruido
Descubre cómo el reetiquetado activo reduce el ruido en anotaciones humanas, mejorando la eficiencia del aprendizaje activo. ¡Optimiza tus modelos!
Modelos de Deriva para Flujo Sustituto
Descubre cómo los modelos de deriva generan flujos CFD de alta calidad en un solo paso, superando a la difusión en velocidad y precisión. Ideal para simulación en tiempo real.
¿Cómo protege el despliegue seguro en la nube la información confidencial?
Descubre cómo el despliegue seguro en la nube protege tu información confidencial mediante cifrado, permisos y auditoría. Soluciones en Azure y AWS.
Escalando datasets para aprendizaje multisensor, multiagente y multidominio
Genera datasets etiquetados a escala para entrenar sistemas autónomos multisensor y multiagente con CARLA y AVstack.
Corrección de ruido en etiquetas para GNNs robustas por contradicción de influencia
Descubre ICGNN, un método innovador que usa contradicción de influencia para detectar y corregir ruido en etiquetas de GNNs, mejorando la robustez en grafos.
Algoritmo EM descentralizado con datos heterogéneos y etiquetado parcial
El algoritmo MNEM elimina el sesgo en mezclas gaussianas con datos heterogéneos y etiquetado parcial. Ideal para aprendizaje federado descentralizado.
ALINC: Clasificación de Nodos Inductiva con Muestreo de Grafos
ALINC optimiza la clasificación de nodos inductiva seleccionando grafos completos. Ideal para química y diseño electrónico. ¡Aumenta tu eficiencia!
Fase 2 Enviada: 5 Errores sobre Enrutamiento con Embeddings
Fase 2: 5 errores al implementar enrutamiento con embeddings - lecciones sobre precisión, categorías y datos sintéticos.
TadA-Bench: un millón de variantes para ingeniería de proteínas con agentes
TadA-Bench ofrece un millón de variantes de proteínas para que la IA descubra rondas futuras en evolución dirigida. Acelera la ingeniería de proteínas con agentes.
Self-Soupervision: Cocinar sopas de modelos sin etiquetas
Descubre cómo Self-Soupervision crea sopas de modelos sin etiquetas, mejorando robustez un +3.5% en ImageNet-C y +7% en LAION-C. ¡Optimiza tus modelos!
OPAL: Asignación optimizada de etiquetado para inferencia asistida
OPAL optimiza el etiquetado para inferencia precisa, logrando intervalos de confianza válidos con menos muestras etiquetadas. Ideal para medicina y ciencias.
CoEval: ranking de modelos sin datos ni benchmarks confiables
Descubre CoEval: un framework que evalúa y rankea modelos de lenguaje sin necesidad de datos etiquetados ni benchmarks fiables. Resultados limpios y por solo $5.89.