¿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?
#frontera
ShapDBM: Explorando Mapas de Fronteras de Decisión en el Espacio Shapley
ShapDBM transforma datos al espacio Shapley para crear mapas de fronteras de decisión más compactos, precisos y fáciles de interpretar. Mejora la visualización de clasificación.
Regresión de procesos gaussianos informada por física para reconstrucción de campos de flujo
Descubre cómo los procesos gaussianos con restricciones de frontera y física reconstruyen campos de flujo sin datos en la frontera. Ejemplos con cilindro y NACA 0412.
Ecosistema NVIDIA AI Cloud se expande mundialmente
Descubre cómo NVIDIA AI Cloud expande su ecosistema globalmente con nuevos partners, ofreciendo fábricas de IA de alto rendimiento para empresas, startups y gobiernos.
Trump firma orden ejecutiva para revisar modelos de IA antes de su lanzamiento
Trump firma orden ejecutiva que crea un marco voluntario para revisar modelos de IA antes de su lanzamiento, buscando equilibrar innovación y ciberseguridad.
Perplexity AI presenta sistema híbrido local-nube en Computex 2026
Perplexity AI presenta un orquestador híbrido local-nube que decide en tiempo real dónde ejecutar cada tarea de IA, equilibrando rendimiento y privacidad.
Trump firma orden ejecutiva de IA que podría elegir ganadores y perdedores
Trump firma orden ejecutiva de IA que permite al gobierno revisar modelos y seleccionar socios de confianza. Expertos alertan sobre favoritismo.
Selección de prototipos usando análisis topológico de datos
Descubre cómo TPS y BoundaryTPS usan topología para seleccionar prototipos de forma eficiente, preservando estructura de datos y mejorando estabilidad.
Sensado en tiempo real de campos inaccesibles con operador neuronal en el borde
VIRSO: operador gráfico neuronal para inferencia de campos inaccesibles en tiempo real, con 29x menos energía y 17 muestras/s a 7W.
Aprendizaje por refuerzo multiobjetivo para decisiones tácticas en camiones
Descubre cómo el aprendizaje por refuerzo multiobjetivo optimiza seguridad, eficiencia y costes en camiones autónomos con frontera de Pareto.
Clasificación Estratégica Lineal con Mejoras Endógenas
Descubre cómo los clasificadores lineales pueden manejar mejoras genuinas de los agentes, optimizando resultados reales. Análisis, algoritmos y garantías teóricas.
Aprendizaje Continuo como un Problema de Frontera Móvil Multifase
Stefan-CL aplica la física de fusión para resolver el dilema estabilidad-plasticidad, reduciendo el olvido casi a cero sin almacenar datos. Descúbrelo.
Repensando los paradigmas de evaluación en entrenamiento certificado IBP
Descubre cómo las fronteras de Pareto y la optimización automatizada revelan rendimientos superiores en entrenamiento certificado.
GJDNet: Redes de grafos robustas con aprendizaje disentangled
GJDNet mejora la robustez de GNNs frente a ataques con representaciones y decisiones disentangled. Aísla perturbaciones y estabiliza fronteras de decisión en grafos diversos.
Primer sobre datos de razonamiento post-entrenamiento: cómo funciona
Descubre cómo los datos de razonamiento post-entrenamiento impulsan el avance de los modelos de IA. Una guía completa basada en más de 150 estudios.
Desmitificando el clasificador justo óptimo en multiclase
Descubre cómo lograr el clasificador justo óptimo en multiclase. Algoritmos de pre y post-procesamiento alcanzan la frontera Pareto entre precisión y equidad.
Hedging en la frontera para aprendizaje con pocas muestras
Aprende a usar el hedging en la frontera para aprender nuevas tareas con pocos ejemplos. Mejora la transferencia y selección de modelos con monotonicidad débil.
Red neuronal holomorfa para problemas de contorno 3D con potenciales armónicos
Redes neuronales holomorfas resuelven problemas de contorno 3D sin residuos internos. Validado en Laplace y elasticidad.