Twin: ajuste de tasa de aprendizaje y decay sin validación
Twin ajusta LR y weight decay sin validación, logrando error absoluto medio del 1.28%. Ideal para datos escasos o imágenes médicas. ¡Optimiza!
#general
Sesgos en conflicto en el borde de la estabilidad: norma vs nitidez
El aprendizaje no es solo minimizar la norma o la nitidez. Este estudio revela cómo la tasa de aprendizaje equilibra ambos sesgos implícitos. ¡Lee más!
Generalización de modelos de difusión con espacio de representación equilibrado
Descubre cómo los modelos de difusión generalizan con representaciones equilibradas. Detecta memorización y edita sin entrenamiento.
Tiempo hasta evento marcado: nuevo objetivo para modelos EHR
Descubre cómo un nuevo objetivo de preentrenamiento que modela el tiempo y valor de eventos clínicos mejora los modelos fundacionales EHR, logrando representaci
Transferencia estructurada en clústeres con fuentes heterogéneas
Optimiza el transfer learning agrupando fuentes heterogéneas: Trans-GLMC mejora predicción de suicidio en hospitales.
¿Qué tan abundantes son los buenos interpoladores?
Descubre cómo la mayoría de los interpoladores lineales tienen un rendimiento similar, y por qué algunos métodos superan al resto en inteligencia artificial.
Reformulación de Operadores Neuronales para Evolución de Embeddings en d+1
Reformulación de operadores neuronales en d+1 para mejorar la evolución de embeddings. Menor error en benchmarks como calor y Rayleigh-Taylor.
Operadores neuronales en d+1 dimensiones para evolución de embeddings
Descubre cómo una dimensión auxiliar en operadores neuronales mejora precisión en benchmarks de dinámica, logrando menor error L2 y generalización zero-shot.
Leyes de escalamiento y espectros en redes neuronales superficiales
Descubre cómo las leyes de escalamiento en redes superficiales vinculan espectros de pesos y generalización, validando observaciones empíricas.
Leyes de escalado y espectros en redes neuronales superficiales
Descubre cómo las leyes de escalado en redes superficiales explican la generalización mediante el espectro de pesos. Validación teórica.
Desentrañando la Estructura Dinámica Oculta en Políticas Neuronales Recurrentes
Descubre cómo los ciclos límite en políticas neuronales recurrentes explican su robustez y adaptación. Análisis desde sistemas dinámicos.
VarEOT: Transporte Óptimo Entrópico sin MCMC
Descubre VarEOT: reformulación variacional del log-partición en EOT. Entrenamiento diferenciable sin MCMC, mejores resultados en traducción de imágenes.
Escape eficiente de puntos de silla bajo suavidad generalizada
Descubre cómo escapar eficientemente de puntos de silla en funciones no convexas con suavidad generalizada. Nuevos resultados de convergencia para métodos de primer orden.
Marco Sliced-Wasserstein en matrices de correlación para decodificación EEG
Nuevo marco CorSW mejora la decodificación EEG con Wasserstein recortado en matrices de correlación, logrando generalización robusta a bajo costo.
Uniendo experiencia y generalización para estimar rendimiento
Descubre FRAP, un método que combina experiencia de dominio y generalización para estimar el rendimiento de modelos sin etiquetas, incluso con cambios en la distribución de datos.
¿Pueden los agentes generalistas automatizar la curación de datos?
Agentes generalistas automatizan la curación de datos: nuevo benchmark Curation-Bench muestra que superan métodos publicados con 10% del presupuesto.
Sistemas de memoria agénticos: generalidad entre escenarios y baseline
AutoMEM: sistema de memoria autogestionada para agentes LLM con mejor generalidad entre escenarios gracias al control activo de almacenamiento y recuperación.
SoLoPO: Optimización de Preferencias de Corto a Largo en LLMs
Descubre cómo SoLoPO mejora la capacidad de los LLMs para manejar contextos largos mediante optimización de preferencias de corto a largo, logrando mayor eficiencia y precisión.
Ajuste del regularizador implícito en modelos de difusión enmascarada
Descubre cómo optimizar la distribución de probabilidad de máscara en modelos de difusión enmascarada mejora la generalización y el rendimiento en modelos de hasta 8B parámetros.
¿El orden importa? La Ley de Robustez y la Generalización Robusta
Analizamos la conexión entre la Ley de Robustez y la generalización robusta. ¿Cómo afecta el orden de las cotas de Lipschitz a la complejidad de Rademacher? Descúbrelo.