Composición LoRA multiconcepto sin entrenamiento con ponderación por prompt
Aprende a combinar LoRAs sin entrenamiento con ponderación por prompt para lograr composiciones de múltiples conceptos con alta fidelidad.
#fidelidad
Refinamiento iterativo espectral-desacoplado para predicción de precipitaciones
Descubre SDIR: elimina desenfoque y alucinaciones en nowcasting con refinamiento espectral-desacoplado. Alta precisión y fidelidad.
Algoritmo multifidelidad adaptativo para aprendizaje automático eficiente
Descubre cómo nuestro algoritmo adaptativo multifidelidad reduce hasta 30 veces los costos de generación de datos en química cuántica, mejorando la eficiencia del machine learning.
Alucinaciones como ruido ortogonal: alineación de manifold en LLMs
Descubre cómo el nuevo método DCO alinea el manifold semántico en LLMs para reducir alucinaciones, mejorando la fidelidad contextual sin sacrificar conocimiento.
Optimización eficiente de hiperparámetros para RL en LLMs
Descubre cómo JF-HPO optimiza hiperparámetros en RL para LLMs, logrando hasta 14.9x más eficiencia y mejoras de rendimiento del 5.8% al 111.6%.
AdaCoM: Gestión adaptativa de contexto para agentes LLM
Descubre AdaCoM, un método de gestión de contexto adaptativo que mejora el rendimiento de agentes LLM en tareas largas, preservando restricciones y comprimiendo contenido obsoleto.
Más allá de modelos video: Sistema multiagente LLM para generación educativa
Descubre LASEV: sistema multiagente basado en LLM que genera videos educativos con razonamiento paso a paso y alta fidelidad, reduciendo costos un 95%.
RadAgent: un agente de IA para la interpretación paso a paso de tomografías de tórax
Descubre RadAgent, el agente de IA que interpreta tomografías de tórax paso a paso, ofreciendo total transparencia y precisión. Mejora diagnósticos y confianza clínica.
Repensando Representaciones Neurales Amortizadas para Terreno de Alta Resolución
Descubre cómo HUVR+SIREN logra mayor fidelidad en terrenos de alta resolución sin almacenamiento extra. Benchmark revela claves.
Anclaje de Contexto Resonante: Desacoplando Atención y Señal en Inferencia
Descubre cómo el Anclaje de Contexto Resonante (RCA) reduce alucinaciones en LLMs sin sacrificar fluidez, una técnica ligera de inferencia.
Actualizaciones robustas del prior para evitar alucinaciones en difusión
Descubre cómo el método RPU reduce las alucinaciones en solucionadores de problemas inversos basados en difusión, mejorando la fidelidad de las reconstrucciones. Estudio en FFHQ e ImageNet.
Sesgo de prototipicalidad revela puntos ciegos en métricas multimodales
Descubre cómo el sesgo de prototipicalidad engaña a las métricas de modelos texto-imagen. Conoce PROTOBIAS, el benchmark que detecta fallos semánticos.
Decodificación Fundamentada: Fusión de Probabilidades para RAG Fiel
Descubre Grounded Decoding, un método sin entrenamiento que fusiona probabilidades para mejorar la precisión factual en sistemas RAG. Resultados superiores en ALCE, NQ y FActScore.
Moment-Video: Fidelidad temporal de MLLM en eventos visuales momentáneos
Moment-Video evalúa la capacidad de MLLM para captar eventos visuales que duran solo unos fotogramas. Resultados sorprendentes.
Mitigando el sesgo perceptual en LLMs multimodales como jueces
Descubre cómo un nuevo método de perturbación perceptual y modelado de recompensa corrige el sesgo en evaluaciones de LLMs multimodales. Más preciso y alineado con humanos.
Circuitos de consulta: cómo los modelos de lenguaje responden a preguntas
Descubre cómo los circuitos de consulta explican respuestas de modelos de lenguaje usando solo el 1.3% de sus conexiones. Explicaciones fieles y escalables para IA.
Evaluación de afirmaciones causales bivariadas según su compatibilidad mutua
Descubre cómo evaluar la veracidad de afirmaciones causales bivariadas con un nuevo método de compatibilidad mutua, sin depender de la asunción de fidelidad. Aplicable a análisis de IA.
Haciendo lo que dicen, no lo que razonan: Brecha de fidelidad en LLM
¿Los agentes LLM hacen lo que dicen o lo que razonan? Este estudio analiza la brecha de fidelidad en simulaciones de póker. Descubre los resultados.
E4GEN: Generación explicable de series temporales con eventos extremos
Explora E4GEN, un innovador marco de difusión explicable para generar series temporales realistas que capturan eventos extremos. Mejora la fidelidad general y de extremos.
Identificación de mejor acción con dos fidelidades en árboles minimax estocásticos
Descubre cómo el algoritmo 2FFS reduce costos computacionales al combinar evaluaciones rápidas y precisas para identificar la mejor acción en árboles minimax estocásticos.