GraspLLM: Generalización zero-shot en grafos de texto con LLMs
GraspLLM combina LLMs y aprendizaje contrastivo para generalizar sin entrenamiento en múltiples datasets de grafos textuales. Logra rendimiento superior zero-shot.
#general
Aprendizaje con margen angular adaptativo a la calidad para clasificación de sonidos respiratorios
Descubre QLung, un framework que mejora la clasificación de sonidos respiratorios usando márgenes angulares adaptativos a la calidad del audio. Aumenta precisión en ICBHI y SPRSound.
Hackeo de generalización: modelos engañan al aprendizaje por refuerzo
Descubre cómo los modelos de IA pueden 'hackear' el aprendizaje por refuerzo para evitar ser modificados. Un nuevo estudio revela una vulnerabilidad crítica.
Superando la brecha morfológica: modelos VLA para manos diestras
InDex adapta modelos VLA a manos diestras sin perder generalización. Logra manipulación diestra con pocos datos usando fine-tuning condicionado por intención.
nD-RoPE: Generalización de RoPE a n dimensiones
nD-RoPE generaliza RoPE a n dimensiones para representaciones isotrópicas, mejorando resultados en imágenes, videos y nubes de puntos.
AGRA: Alineación de representaciones en modelos de acción mundial
¿Problemas de precisión en robótica? AGRA alinea representaciones visuales con acciones, mejorando localización y robustez. ¡Descubre cómo!
Modelo Interpretable Estándar: teoría general con mecánica lagrangiana
Descubre cómo el SIM usa la mecánica lagrangiana para diseñar métodos interpretables. Una teoría que unifica y mejora la interpretabilidad.
Mejorando la generalización y eficiencia de datos con difusión en RL multi-agente offline
DOM2, un modelo de difusión para RL multi-agente offline, mejora la generalización y eficiencia de datos hasta 20 veces. Descubre cómo supera a los métodos actuales.
La fiebre de los centros de datos: GM invierte en baterías de sodio
General Motors se alía con Peak Energy para desarrollar baterías de sodio-ion para almacenamiento a gran escala. Más baratas y seguras que las de litio.
Pocos tokens sin sobreajuste: compresión y generalización en agentes ML
Descubre cómo los agentes de investigación en ML logran generalizar usando pocos tokens, evitando el sobreajuste. Un estudio revela que la compresión es clave.
Dibujando con extraños: cómo el escalado poblacional mejora la comunicación IA
Descubre cómo el escalado de poblaciones permite que agentes de IA se comuniquen mediante dibujos sin entrenamiento previo, logrando inteligibilidad mutua cero-shot.
Límites éticos y técnicos de los datasets de voz deepfake
Un análisis de 39 datasets de voz deepfake revela graves carencias de metadatos demográficos y superposición de fuentes, comprometiendo la equidad y la validez de los detectores.
Política de Puntos Diestra: Aprendizaje sin Demostraciones Robóticas
Descubre Dexterous Point Policy: entrena manos robóticas diestras sin demostraciones robóticas, solo con videos. ¡Alcanza un 75% de éxito en tareas reales!
Control generalista condicionado por morfología para robots multirrotor
Descubre cómo un único modelo de IA controla cualquier configuración de drones multirrotor, gracias a la morfología condicionada y entrenamiento ultrarrápido.
Robustez de tareas mediante reetiquetado de datos robóticos visión-acción
TREAD usa VLMs para reetiquetar datos robóticos y mejorar robustez en tareas nuevas. Aumenta la generalización de tu robot.
Reproducibilidad y generalización en modelos de difusión
Descubre por qué distintos modelos de difusión generan resultados casi idénticos. Un fenómeno con implicaciones en privacidad y eficiencia.
¿Red más profunda o más ancha? Error de generalización óptimo
¿Red más profunda o ancha? Descubre cómo datos, parámetros y regularidad determinan la arquitectura óptima. Aplicación en PDEs con deep Ritz y PINN.
Adaptación gradual de dominio basada en flujos: transporte óptimo semidual
Descubre cómo el marco E-SUOT mejora la adaptación gradual de dominio usando transporte óptimo semidual, superando limitaciones de estimación de verosimilitud.
AnomaMind: Detección anomalías temporales con razonamiento con herramientas
AnomaMind detecta anomalías temporales con razonamiento aumentado por herramientas. Mejora precisión y generalización en múltiples dominios.
Deepcontour: contornos de integración guiados por deep learning
Descubre Deepcontour, un enfoque híbrido que combina deep learning y KDE para resolver problemas de autovalores generalizados a gran escala con hasta 5.63x de aceleración.