Synapse: Enrutamiento Federado de Herramientas con Compendios Tipados
Con Synapse, enruta herramientas federadas entre LLMs heterogéneos sin compartir datos, con privacidad diferencial y precisión casi sin pérdida.
#fed
Evaluación federada asíncrona con similitud de estrategias para IBN en IIoT
Descubre cómo FEIBN combina LLMs y aprendizaje federado para evaluar estrategias en IIoT, reduciendo costes y mejorando eficiencia.
Inteligencia de Amenazas Cognitiva y Análisis Federado Explicable
Descubre cómo la inteligencia de amenazas cognitiva y el aprendizaje federado explicable protegen infraestructuras distribuidas sin comprometer la privacidad.
Trump destina fondos federales a plantas de carbón por seguridad energética
Trump autoriza $500M para mantener plantas de carbón y avanza en nuevo reactor nuclear. ¿Impacto en la seguridad energética y el medio ambiente?
Atribución de características fiable y completa vía dominio de la frecuencia
Descubre FreqX: método de interpretabilidad para aprendizaje federado que ofrece atribución y conceptos usando señales y teoría de la información. 10x más rápido.
Atribución fiable e integral para múltiples modalidades mediante frecuencia
FreqX ofrece atribución fiable y rápida con información conceptual para modelos diversos en aprendizaje federado. ¡Más de 10 veces más rápido!
Privacidad Diferencial y Topología en Aprendizaje Federado
Descubre cómo TADI y Fulcrum protegen la privacidad en aprendizaje federado frente a filtraciones por topología. Mejora la seguridad sin coste en utilidad.
Personaliza el inicio de sesión federado con nuevo trigger Lambda de Cognito
Personaliza el inicio de sesión federado con el nuevo trigger Lambda de Cognito. Filtra grupos y vincula cuentas automáticamente.
Optimización convexa estocástica descentralizada casi óptima en redes
Nuevo método descentralizado acelera la optimización convexa estocástica, logrando la tasa centralizada con más trabajadores. ¡Mejora el escalamiento en redes!
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.
Predicción Temprana de Sepsis Multicéntrica: Aprendizaje Federado con Privacidad
Descubre cómo el aprendizaje federado predice sepsis en múltiples centros sin comprometer la privacidad. Estudio real con 648 pacientes.
TITAN-FedAnil+: Aprendizaje federado adaptativo y blockchain para empresas
TITAN-FedAnil+ revoluciona el aprendizaje federado con blockchain, ahorrando hasta 81% de memoria en dispositivos edge. Ideal para entornos empresariales.
scBatchProx: Refinamiento federado para estabilidad de tipos celulares
Descubre scBatchProx, un método de refinamiento ligero inspirado en federated learning que estabiliza embeddings de células individuales y mejora la clasificaci
Optimización estocástica descentralizada no convexa bajo suavidad (L0,L1)
Nuevo algoritmo DNSGD: optimización descentralizada no convexa con suavidad (L0,L1). Logra punto estacionario con menor complejidad. ¡Descúbrelo!
FlashbackCL: Mitigando el Olvido Temporal en Aprendizaje Federado
FlashbackCL reduce el olvido temporal en aprendizaje federado hasta un 68% y mejora el rendimiento en datos no estacionarios. ¡Descubre su buffer de reproducción equilibrada!
FGRPO: Aprendizaje Federado con Agregación Adaptativa en Datos No IID
FGRPO: fine-tuning privado de modelos de lenguaje con agregación adaptativa en datos no IID. Mejora el razonamiento sin exponer datos.
FGRPO: Federated GRPO con Agregación Adaptativa en Datos No IID
FGRPO optimiza modelos de razonamiento con agregación adaptativa en datos no IID, preservando privacidad.
FederatedSkill: Evolución de Habilidades de Agentes con Aprendizaje Federado
FederatedSkill permite a agentes LLM evolucionar habilidades colaborativamente y con privacidad, aumentando el éxito un 44% y reduciendo costos un 37%.
DECA: Descentralizando el Ajuste Fino Completo de LLMs
Descubre DECA, el ajuste fino completo descentralizado para LLMs con Adam por bloques y datos no IID.
FederatedSkill: Aprendizaje Federado para Evolución de Habilidades de Agentes
FederatedSkill: marco de aprendizaje federado para evolución de habilidades de agentes con privacidad. Logra +44.4% éxito y -37.5% costos.