Teoría asintótica de Chain of Thought en aprendizaje en contexto
Descubre cómo la profundidad del razonamiento en cadena afecta la generalización en modelos de lenguaje. Teoría asintótica y fases de mejora exponencial.
#general
Estructura del grafo y riesgo de inferencia de membresía en GNNs
Descubre cómo la estructura del grafo afecta el riesgo de inferencia de membresía en GNNs. El muestreo de bola de nieve perjudica la generalización.
Funciones Neurales de Navegación para Planificación de Movimiento Zero-Shot
Descubre cómo las funciones de navegación neural permiten planificar movimiento en entornos nuevos sin reentrenamiento, con trayectorias libres de colisiones y convergencia al objetivo.
Tasas óptimas de generalización del descenso de gradiente en clasificación ReLU profunda
Descubre cómo el descenso de gradiente logra tasas de generalización óptimas en redes ReLU profundas con dependencia polinomial de la profundidad, mejorando resultados previos.
Ver Menos, Especificar Más: Presupuestos de Evidencia para VLA
Mejora la generalización de modelos VLA con S2: entrena al ejecutor con guías locales y presupuestos de evidencia visual. Logra 79% de éxito en tareas robóticas.
Equivarianza exacta otorga generalización zero-shot
Descubre cómo la equivarianza exacta entrenada permite generalización zero-shot a través de grupos de simetría, reduciendo errores y mejorando la eficiencia en modelos de IA.
AirDreamer: Navegación de drones con modelos del mundo
AirDreamer: navegación de drones con modelos del mundo. Logra un 5.3% más de éxito en entornos desconocidos. Transferencia sim-to-real sin ajustes.
Modelos fundacionales de grafos con RAG hiperbólica
Descubre cómo HyRAG mejora la generalización de modelos fundacionales de grafos usando espacio hiperbólico para recuperar conocimiento jerárquico. Resultados superiores en zero-shot.
MAVEN: Generalización mejorada en llamadas a herramientas de agentes
Descubre cómo MAVEN, un scaffold ligero de verificación, mejora la generalización en agentes de IA, logrando un 71% de precisión sin entrenamiento adicional y a 1/10 del coste.
Descifrando el Grokking en Regresión Ridge
Descubre cómo el grokking en regresión ridge demuestra que la generalización tardía no es un fallo de deep learning. Aprende a controlarlo con hiperparámetros.
La ilusión de generalización en modelos de lenguaje tabulares
¿Son realmente efectivos los modelos de lenguaje tabulares? Nuestra reevaluación de Tabula-8B muestra que la generalización se debe a artefactos de evaluación, no a aprendizaje real.
Aprendizaje supervisado como compresión con pérdida: generalización
Descubre el aprendizaje supervisado como compresión con pérdida: análisis de bloque finito para generalización y complejidad de muestra.
Embeddings de proteínas mejoran generalización en transferencia implícita
Mejora la generalización en dinámica molecular con PLaTITO. Embeddings de proteínas aumentan eficiencia y precisión en muestreo de equilibrio.
El sesgo de inducción en modelos secuenciales
Investigación muestra que los transformers requieren más datos que las RNN para seguimiento de estado y no comparten pesos entre longitudes. Descubre las diferencias clave.
Familia flexible de actualizaciones de descenso espejo con entropías de grupo
Descubre cómo las entropías de grupo y la dualidad espejo crean una familia flexible de actualizaciones de descenso espejo para optimizar modelos de ML con mayor adaptabilidad y convergencia.
Memorización: ¿útil o perjudicial? El umbral lo determina la información previa
Descubre cómo la información previa determina si la memorización en modelos lineales es beneficiosa o perjudicial, según el umbral de ruido.
Actor-Critic convergente para MARL mediante aversión al riesgo
Descubre un algoritmo Actor-Critic que converge globalmente en juegos multiagente incorporando aversión al riesgo. Garantías de muestra finita y superioridad sobre métodos neutrales al riesgo.
Por qué ejecutamos 4+ agentes SDR de IA ahora
Ejecutamos 4+ agentes SDR de IA especializados. ¿Por qué? Porque la especialización genera más pipeline que las plataformas todo-en-uno. Conoce nuestra estrategia.
Modelos tabulares con recuperación alineada mejoran predicción clínica en EHR
Descubre cómo AWARE mejora hasta un 12.2% la precisión en predicción clínica con EHR bajo condiciones reales de desequilibrio.
TrafficClaw: Agente LLM generalizable para control de tráfico urbano
Descubre TrafficClaw, un agente de IA basado en LLM que optimiza el control de tráfico urbano en entornos físicos unificados con aprendizaje por refuerzo.