El futuro de la IA climática es multimodal
La IA multimodal combina satélites, texto y datos estructurados para validar riesgos climáticos, superando las limitaciones de las tablas. Una nueva era.
#fusión
Del ruido al control: Políticas de difusión parametrizadas
Descubre cómo las políticas de difusión parametrizadas permiten adaptar comportamientos robóticos sin reentrenar, mejorando la síntesis de nuevas conductas.
Agregación de Deltas de Preferencia: de señales débiles a modelos fuertes
Aprende cómo el método PDA agrega señales débiles con fusión LoRA para mejorar LLMs en razonamiento y búsqueda.
TAPS: Selección de Prefijos Consciente del Objetivo para Decodificación Especulativa
Descubre TAPS, que acelera la decodificación especulativa hasta 7.9x con selección inteligente de árboles de prefijos. Mejora el rendimiento sin pérdidas.
Grandes modelos de lenguaje en gestión de transporte
Los LLMs mejoran la gestión de sistemas de transporte integrando datos heterogéneos para soporte de decisiones multimodal. ¡Descubre cómo!
Gobernanza de IA: el reto de las ganancias no-modelo
Las mejoras fuera del modelo base complican la gobernanza de IA. Conoce los tres vectores de ganancia y cómo fortalecer la resiliencia social.
DLLM-JEPA: Arquitectura JEPA para Modelos de Lenguaje con Difusión Enmascarada
DLLM-JEPA: nueva arquitectura que combina JEPA y difusión enmascarada para reducir FLOPs un 33% y ganar hasta 18.7% en precisión.
Difusión de imágenes con geometría explícita del manifold de datos
MIND: modelo de difusión con geometría explícita del manifold. Reduce FID a 2.06 con solo 130M parámetros, superando a LlamaGen-3B. ¡Descubre cómo!
DiffCrossGait: Alineación Trayectorial para Reconocimiento de Marcha 2D-3D
DiffCrossGait: alineación de trayectorias para reconocimiento de marcha 2D-3D con difusión latente. Logra rendimiento puntero sin sobrecarga de inferencia.
Modelo fundado en física para MRI de difusión cuantitativa
PIGMENT: modelo de IA informado por física para MRI de difusión cuantitativa. Permite mapear microestructura cerebral con datos escasos. Ideal para diagnóstico.
UF-AMA: marco unificado para reconocimiento multimodal de emociones
Descubre UF-AMA, un marco unificado que integra EEG y eye-tracking para reconocer emociones a través de sujetos y sesiones, logrando rendimiento SOTA.
Más allá de la aumentación: Score guiado para detectar depresión con EEG
Nuevo método de clasificación guiada por puntuación detecta depresión con EEG sin aumentación de datos, mejorando precisión.
DSL-LLaDA: Denoising Continuo para Modelos de Difusión Enmascarados de 8B
DSL-LLaDA adapta LLaDA para denoising continuo, evitando el compromiso longitud/calidad. Obtiene el mejor ROUGE-1 en resumen con pocos pasos.
Mapas de Flujo Estocásticos Fuertes
Descubre cómo los Strong Stochastic Flow Maps revolucionan el muestreo en modelos de difusión, permitiendo generar imágenes y simular sistemas moleculares en pocos pasos.
Política de Deriva Implícita: acciones en un paso con geometría condicional
IDP: genera acciones en un paso con corrección del entrenamiento usando geometría condicional de experto. Ideal para control robótico de alta frecuencia.
Soft-NBCE: Fusión de fragmentos ponderada por entropía para contextos largos
Soft-NBCE optimiza la inferencia de LLMs en contextos largos: fusión de fragmentos con pesos de entropía y destilación de consistencia para mayor precisión en razonamiento multi-salto.
Ignorabilidad topológica para efectos causales estructurales más allá de medias
Descubre cómo la topología de datos permite medir efectos causales que van más allá del promedio, usando homología persistente y firmas de Euler.
Ajuste fino de difusión molecular con RL y muestreo rápido
FTDiff usa RL para ajustar modelos de difusión y generar moléculas válidas para diseño de fármacos basado en estructura.
Regresión Imbalanceada Híbrida con Equilibrio de Datos y Algoritmo
Descubre cómo un marco híbrido unifica equilibrio de datos y algoritmo para mejorar la predicción en regresión con clases desbalanceadas. Resultados superiores en benchmarks.
DeepIPCv3: Evitando cruces repentinos de peatones con fusión multimodal
DeepIPCv3 revoluciona la seguridad autónoma: fusión de sensores y eventos para evitar cruces de peatones.