Maximum Independent Set para la selección eficiente de prompts en benchmarks de LLM
Descubre cómo la selección de prompts con Maximum Independent Set reduce hasta un 48% el costo de evaluar LLMs en benchmarks, manteniendo rankings consistentes.
#grafos
TN-SHAP-G: Red tensorial para Shapley en gráficos
Descubre TN-SHAP-G: calcula valores Shapley en gráficos usando redes de tensores, sin Monte Carlo. Explicabilidad eficiente para modelos complejos.
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.
PatenteXAI: Atribución Shapley jerárquica para valoración de patentes
Aprende cómo PatenteXAI aplica Shapley jerárquico y grafos de conocimiento para valorar patentes de forma eficiente, con resultados precisos en milisegundos. Optimiza tu portafolio.
Construcción de grafos de conocimiento histórico con BERT y GNN
Descubre cómo combinar BERT y GNN para construir grafos de conocimiento histórico. Extrae entidades y relaciones de textos antiguos con alta precisión.
PlanarBench: Evaluando Razonamiento Espacial de LLMs con Grafos Planos
PlanarBench evalúa la capacidad de los LLMs para dibujar grafos planos en ASCII. Descubre cómo el número de aristas predice el rendimiento de 91 modelos.
MemGraphRAG: Sistema Multiagente con Memoria para Generación Aumentada en Grafos
MemGraphRAG: sistema multiagente con memoria que optimiza la construcción de grafos en RAG, eliminando conflictos y mejorando la recuperación de información compleja.
COPF: Marco online de equidad contrafactual estable en grafos evolutivos
COPF: Marco online para equidad contrafactual estable en recomendaciones de enlaces en grafos evolutivos. Reduce disparidades de grupo sin sacrificar utilidad.
Propagación adaptativa guiada por estructura para PPIS
Conoce el innovador modelo SGAP-PPIS que predice sitios de interacción proteína-proteína usando propagación adaptativa.
Grafos de Coordinación para Aprendizaje Multiagente con Restricciones
Descubre cómo los grafos de coordinación y dualidad lagrangiana escalan el aprendizaje multiagente con restricciones, generando frentes de Pareto superiores.
TCAR-Gen: Recuperación Temporal con Fusión de Evidencia
Descubre TCAR-Gen, un nuevo marco que combina redes neuronales de grafos, fusión temporal y razonamiento en árbol para responder preguntas complejas sobre casos criminales históricos.
GraphARC: un benchmark completo para razonamiento abstracto con grafos
Descubre GraphARC, benchmark de razonamiento abstracto en grafos. Revelamos la brecha entre comprensión y ejecución en modelos de IA.
HypoAgent: Marco Agentic para Hipótesis Abductivas en Grafos
HypoAgent: marco agentic para generación interactiva de hipótesis abductivas en grafos de conocimiento. Logra similitud semántica estado del arte. ¡Descúbrelo!
Espacio de vista: aprendizaje de representaciones en grafos arbitrarios
Descubre cómo el espacio de vista permite aprender representaciones en grafos con características heterogéneas, superando modelos previos en un 8,93%.
TRINE: Motor FPGA adaptativo en tiempo real para IA multimodal
Descubre TRINE: motor FPGA adaptativo que acelera inferencia multimodal. Reduce latencia hasta 22.57x con solo 20-21W. Ideal para visión, lenguaje y grafos.
Mezcla de Expertos en GNN Condicionada por Grafos para Pronóstico de Tráfico
GC-MoE asigna expertos congelados personalizados a cada nodo vial, mejorando precisión en pronóstico de tráfico con solo 17K parámetros.
Escalando aprendizaje de grafos de alto orden con complejos de cliques maximales
Descubre cómo los complejos de cliques maximales escalan el aprendizaje de grafos de alto orden con mayor eficiencia y sin perder expresividad.
Escalado eficiente de GNNs con capas IO-aware
Descubre cómo optimizar GNNs con capas conscientes de E/S. Logra hasta 8.5x de aceleración y reduce la memoria hasta 76x. Implementaciones drop-in.
OLG++: Extensión semántica del Grafo de Lógica de Obligaciones
OLG++ extiende el grafo de obligaciones para modelar reglas legales complejas con excepciones y jerarquías. Ideal para consultas en regulaciones municipales.
Machine Learning de Grafos en la Era de los LLMs
Los LLMs revolucionan el Machine Learning de Grafos: mejoran características, reducen datos etiquetados y potencian el razonamiento. Descubre cómo.