Evaluación del razonamiento relacional en LLMs con REL
Descubre cómo el benchmark REL evalúa el razonamiento relacional en LLMs, revelando sus limitaciones en tareas de alta aridad en ciencias.
#grandes modelos de lenguaje
ReaLM: Puente de Cuantización Residual entre Embeddings de KG y LLMs
Descubre ReaLM, un innovador marco que une embeddings de KG y LLMs mediante cuantización residual para mejorar la completación de grafos. ¡Rendimiento líder!
Cuando los tokens de grafo se hunden: análisis mecanicista
Los tokens de grafo tienen alta activación pero baja utilidad semántica. Este análisis mecanicista revela la desconexión en modelos de lenguaje de grafos.
ParaBlock: Aprendizaje Federado con Bloques Coordinados en Paralelo
Descubre ParaBlock: una técnica innovadora que acelera el aprendizaje federado de grandes modelos de lenguaje al paralelizar comunicación y computación, manteniendo el rendimiento.
UniScale: Optimización Unificada de Inferencia Adaptativa
UniScale unifica ruteo de modelos y escalado en prueba para optimizar calidad-coste en LLMs. Aprende cómo se adapta dinámicamente a cada solicitud.
TuneAgent: Ajuste de kernel con aprendizaje por refuerzo
Descubre cómo TuneAgent utiliza aprendizaje por refuerzo para ajustar el kernel de Linux, mejorando el rendimiento hasta un 5.6% de forma autónoma y precisa.
Internalizar la temperatura: autodestilación para recalentar políticas en RL
Descubre cómo TS-OPSD recalienta políticas en RL sin profesor externo, restaurando entropía colapsada para mejorar el razonamiento de LLMs.
Autoencoder Disperso a Nivel de Paso para Interpretar Razonamiento
Descubre cómo el autoencoder disperso a nivel de paso (SSAE) desentraña el razonamiento de los LLMs, revelando información sobre corrección y lógica. Ideal para interpretabilidad en IA.
ELF: Familia de modelos ECG-Lenguaje sin codificador
Descubre ELF, una familia de modelos ECG-Lenguaje sin codificador que supera a modelos complejos con arquitecturas más simples. ¡Resultados impresionantes!
Descubrimiento científico evolucionable mediante minimización de incertidumbre
PiEvo revoluciona el descubrimiento científico al hacer evolucionar principios con IA. Logra un 31% más de calidad y un 83% de aceleración en la convergencia. Descúbrelo.
CRePE: Poda post-entrenamiento con importancia relativa convolucional
Descubre CRePE, método de poda post-entrenamiento para LLMs que reduce costos sin perder precisión, y PHO que acelera la búsqueda de hiperparámetros.
Picos masivos en LLMs: vectores de sesgo y cuantización sin picos
Descubre cómo los picos masivos en LLMs son vectores de sesgo y cómo la cuantización sin picos revoluciona la eficiencia de los modelos de IA. ¡Optimiza tu AI!
CoEvo-AHD: Heurísticas Evolutivas con LLM para Optimización Acoplada
Descubre cómo CoEvo-AHD usa LLMs para co-evolucionar heurísticas en problemas de optimización acoplada como TTP y TPP, mejorando soluciones de forma automática.
AnyEdit++: Edición Adaptativa de Conocimiento en Formato Largo mediante Sorpresa Bayesiana
AnyEdit++ edita conocimiento en modelos de lenguaje con segmentación adaptativa basada en sorpresa bayesiana, mejorando coherencia y precisión.
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.
Entrenamiento eficiente de LLMs con dispersión dinámica
Descubre cómo SMET mejora el entrenamiento disperso dinámico de LLMs, eliminando picos de pérdida y reduciendo el uso de memoria. ¡Optimiza tu modelo!
Aprendizaje de un optimizador de orden cero para LLMs
Descubre cómo ZO-Finetuner optimiza el ajuste de LLMs sin retropropagación, reduciendo el uso de memoria y mejorando el rendimiento en múltiples tareas.
Si los LLM tienen atributos humanos, también Age of Empires II
¿Son realmente humanos los LLM? Un estudio demuestra que atribuirles moralidad o comprensión es tan válido como hacerlo con Age of Empires II. Descubre por qué.
SAC-Opt: Anclas Semánticas para Modelado de Optimización
Descubre SAC-Opt, un marco de corrección guiado por anclas semánticas que mejora la precisión del modelado de optimización en LLMs hasta un 21.9%. ¡Lee más!
Detección de alucinaciones: una visión geométrica desde OOD
Aprende cómo la detección OOD permite detectar alucinaciones en modelos de lenguaje sin entrenamiento, mejorando la precisión en tareas de razonamiento.