TerraBench: Razonamiento IA sobre datos terrestres heterogéneos
Descubre TerraBench, un benchmark que evalúa el razonamiento de agentes IA sobre datos terrestres heterogéneos. 400+ tareas, 24.500 pasos.
#heterogéneo
ARMOR-MAD: Enrutamiento Adaptativo para Debate Multiagente en Razonamiento con LLM
ARMOR-MAD: debate adaptativo para LLMs. Aumenta precisión hasta 65.5% en MATH, 96.5% en GSM8K. Eficiente sin entrenamiento.
Detección zero-shot de anomalías en grafos mediante reconstrucción de nodos
Aprende cómo AlignGAD logra detección de anomalías en grafos zero-shot mediante reconstrucción de nodos y clustering. Ideal para datos heterogéneos.
CausalMoE: modelo fundacional multimodal para causalidad de Granger
CausalMoE, un modelo multimodal, revoluciona la detección causal de Granger usando expertos heterogéneos y patrones temporales, integrando LLMs y VLMs.
CausalMoE: Modelo fundacional multimodal para causalidad Granger
Descubre CausalMoE, el primer modelo fundacional multimodal que integra LLMs y VLMs para descubrimiento causal Granger preciso en series temporales complejas.
Fusión temprana de LiDAR y reordenamiento para reconocimiento robusto de lugares
Descubre cómo MinkUNeXt-VINE++ mejora un 20% el reconocimiento en entornos agrícolas con fusión LiDAR y reordenamiento.
TaskFusion: Detección Continua de Anomalías en Datos Tabulares Heterogéneos
Descubre TaskFusion, un método de aprendizaje continuo que detecta anomalías en datos tabulares heterogéneos sin olvido catastrófico. Ideal para streaming de datos.
TaskFusion: Detección Continua de Anomalías para Datos Tabulares Heterogéneos
Descubre TaskFusion, innovador método de detección continua de anomalías en datos tabulares heterogéneos. Supera deriva de distribución y olvido catastrófico.
Sesgo geométrico en perturbación de autoespacios con ruido heterogéneo
¿Sabías que el ruido heterogéneo causa un sesgo geométrico en autoespacios? Nuevas cotas asintóticas revelan lo que Davis-Kahan no muestra.
QSplitFL: Selección Óptima de Punto de División en Split Federated Learning
QSplitFL: Deep Q-Learning para seleccionar el punto de división óptimo en SFL, mejorando convergencia y precisión en dispositivos heterogéneos.
Unificar comunicaciones y actualizaciones locales en preentrenamiento de LLMs
GASLoC unifica comunicaciones y actualizaciones locales para preentrenar LLMs. Supera algoritmos descentralizados y compite con DiLoCo en eficiencia.
EEVEE: Aprendizaje de prompts en tiempo de prueba para agentes automejorables
Descubre EEVEE, marco de aprendizaje de prompts en tiempo de prueba para agentes LLM que maneja múltiples datasets y mejora el rendimiento hasta un 48%
Proyección Jerárquica para Transferencia Adaptativa de Conocimiento
Descubre ProjectionTL, un marco unificado que integra modelado bayesiano jerárquico con proyección adaptativa para transferencia selectiva de conocimiento entre dominios.
Mejora en el análisis de convergencia de topología en SGD descentralizado
Descubre cómo un nuevo análisis de convergencia revela el verdadero impacto de la topología de red en el rendimiento del SGD descentralizado. Te sorprenderá.
Detección de Anomalías en Ciberseguridad con Redes de Grafos Heterogéneos
Explora el estado del arte de las HGNN para detección de anomalías en ciberseguridad. Taxonomía, benchmarks y desafíos clave.
DHAuDS: Benchmark dinámico y heterogéneo para adaptación en pruebas
DHAuDS es un benchmark de audio dinámico y heterogéneo que expone las debilidades reales de los modelos TTA frente a ruido realista. Ideal para investigadores.
Dataset RokomariBG: Recomendación personalizada de libros en bengalí
RokomariBG: dataset a gran escala para recomendación personalizada de libros en bengalí. Ideal para investigación en lenguas con pocos recursos.
Escalamiento eficiente de LLMs con paralelismo de contexto flexible
Acelera el entrenamiento de LLMs con paralelismo de contexto flexible. Logra hasta 2.24x de velocidad incluso con datos heterogéneos.
Emergence World: una plataforma para evaluar autonomía multiagente a largo plazo
Explora Emergence World: evalúa autonomía multiagente IA en simulaciones largas con gobernanza democrática. Resultados impactantes.
HASA: Asignación de subredes para aprendizaje federado heterogéneo
Descubre cómo HASA mejora la precisión media y de peores clientes en aprendizaje federado heterogéneo con restricciones de cómputo.