Refinamiento de propuestas para detección few-shot
Refinamiento de propuestas mejora detección few-shot equilibrando distribución entre clases, logrando nuevo estado del arte sin aumentar inferencia.
#few-shot
¿Los LLM identifican unidades de información correcta en discurso afásico?
¿Los LLM identifican unidades de información en afasia? Con pocos ejemplos logran alta efectividad pero requieren supervisión. Ideal para evaluación asistida.
Evaluación de clasificadores binarios sin rebalanceo ante desbalance
Descubre el rendimiento de clasificadores binarios sin rebalanceo. Evaluamos su robustez ante desbalance extremo con datos reales y sintéticos.
Moderación de contenido con IA y LLMs: detección a escala
Descubre cómo los LLMs permiten una moderación de contenido precisa y escalable. Aprende estrategias prácticas para detectar contenido dañino con IA.
MiDiGap: aprendizaje robótico eficaz con procesos gaussianos
Descubre MiDiGap, un método de aprendizaje robótico que aprende políticas complejas con solo 5 demostraciones en menos de un minuto. ¡Resultados líderes en manipulación!
Re-muestreo Few-Shot para minería de datos sólida y escalable
FewRS reduce drásticamente el tiempo de validación estadística en minería de datos, manteniendo alta potencia y escalabilidad. Descúbrelo.
Ajuste de Soft-Prompt para benchmarks de LLM justos y eficientes
Descubre cómo el ajuste de soft-prompt permite evaluar LLM de forma justa, eficiente y sin post-entrenamiento, revelando conocimiento real.
El lenguaje de las series temporales: UniTok, tokenizador universal
UniTok convierte series temporales en tokens para modelos fundacionales. Permite pronóstico zero-shot, generación y clasificación sin entrenamiento.
Modelado divide y vencerás para el benchmark Lorenz de CTF-4-Science
El modelado divide y vencerás optimiza la predicción de sistemas caóticos en el benchmark Lorenz de CTF-4-Science, superando ruido y pocos datos.
Complejidad de muestreo en optimización convexa sin parámetros
Descubre cómo mejorar la optimización convexa estocástica cuando se desconocen parámetros clave. Métodos para evitar sobreajuste y lograr complejidad de muestreo óptima.
SpurAudio: Explorando atajos en clasificación few-shot de audio
Nuevo benchmark SpurAudio revela que modelos de audio con pocos ejemplos son sensibles a correlaciones espurias. Conoce las implicaciones para IA.
EvoPrompt: Evolución Guiada de Prompts para VLMs
EvoPrompt: evolución guiada de prompts para adaptación sin olvido de VLMs en pocos datos. Preserva conocimiento pre-entrenado.
Aprendizaje multitarea generalizable para redes inalámbricas con PromptDT
Descubre cómo PromptDT, un enfoque multitarea, mejora hasta un 49% la QoE en redes inalámbricas, generalizando a nuevas configuraciones sin reentrenamiento.
Destilación Geométrica para Ajuste de Prompts en Modelos Biomédicos
Descubre cómo OGKD mejora la precisión en modelos médicos al respetar relaciones entre clases. Resultados superiores en 11 datasets.