El sesgo de inducción en modelos secuenciales
Investigación muestra que los transformers requieren más datos que las RNN para seguimiento de estado y no comparten pesos entre longitudes. Descubre las diferencias clave.
#extrapolación
¿Hasta dónde pueden crecer los modelos generativos de materiales?
Descubre RADII, el primer benchmark que mide la frontera de extrapolación en modelos generativos de materiales. ¿Hasta dónde pueden escalar?
No leas todo: Consulta condicionada por curvatura para atención lineal
Mejora la recuperación en contexto y la extrapolación de longitud en atención lineal usando una consulta condicionada por curvatura (CCQ), con bajo costo adicional.
MPMWorlds: Simulaciones MPM para inferir y extrapolar dinámicas físicas
Descubre MPMWorlds, un dataset de simulaciones físicas con el Método de Puntos Materiales. Comparamos generación de código y difusión de video para inferir y extrapolar dinámicas. ¡Lee más!
Aprendizaje robusto de neurona DRO grupal
Algoritmo eficiente para aprendizaje robusto de neuronas con DRO grupal, tolerante a ruido y cambios de distribución. Ideal para preentrenamiento de LLMs.
Regresión cuantílica en extrapolación con colas pesadas: enfoque SVM
Aprende sobre un nuevo método SVM para regresión cuantílica con colas pesadas, ideal para extrapolar cuantiles extremos. Resultados en datos del río Danubio.
Q-ANCHOR: Aprendizaje Cuántico Federado con Corrección Guiada por ZNE
Corrección guiada por ZNE en aprendizaje cuántico federado con Q-ANCHOR. Mejora precisión y robustez en computación cuántica distribuida.
Aprendiendo a extrapolar a nuevas tareas: un enfoque relacional para la extrapolación de tareas
Aprende a extrapolar tareas con enfoque relacional para optimizar la eficiencia y potenciar resultados.
Evaluación de la extrapolación de picos sobre umbrales con pruebas de martingala
<meta content=Descubre cómo evaluar la extrapolación de picos mediante pruebas de martingala. Método riguroso y eficaz para análisis de series temporales y detección de anomalías>
Promediado Extrapolativo de Pesos Revela Fronteras de Corrección-Eficiencia en RL de Código
Explora el promediado extrapolativo de pesos y las fronteras de corrección-eficiencia en RL de código. Optimiza modelos precisos y eficientes.