Modelos de Lenguaje Grandes Federados: Avances y Futuro
Descubre cómo el aprendizaje federado permite entrenar grandes modelos de lenguaje preservando la privacidad. Exploramos avances, retos y direcciones futuras en FedLLM.
#heterogeneidad
Aprendizaje Federado con Dispositivos Dinámicos: Algoritmo de Inicialización
Optimiza el aprendizaje federado con dispositivos dinámicos. Nuestro algoritmo de inicialización acelera la convergencia y reduce el consumo energético.
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.
Estimación robusta de heterogeneidad con particiones Rashomon
Las particiones Rashomon estiman heterogeneidad en datos factoriales sin sesgos ni sobreajuste. Un enfoque bayesiano innovador para modelos inciertos.
Evaluación federada asíncrona con similitud de estrategias para IBN en IIoT
Descubre cómo FEIBN combina LLMs y aprendizaje federado para evaluar estrategias en IIoT, reduciendo costes y mejorando eficiencia.
Transferencia estructurada en clústeres con fuentes heterogéneas
Optimiza el transfer learning agrupando fuentes heterogéneas: Trans-GLMC mejora predicción de suicidio en hospitales.
Atribución de características fiable y completa vía dominio de la frecuencia
Descubre FreqX: método de interpretabilidad para aprendizaje federado que ofrece atribución y conceptos usando señales y teoría de la información. 10x más rápido.
Parcheo adaptativo: más difícil de lo que parece en series temporales
Descubre por qué el parcheo adaptativo en series temporales no siempre supera al uniforme bien ajustado. Un estudio revela condiciones y umbrales clave.
Aprendiz Ortogonal para Estimar Efectos de Tratamiento a Largo Plazo
Descubre el nuevo LT-O-learner: un método ortogonal robusto para estimar efectos de tratamiento a largo plazo incluso con baja superposición. Ideal para marketing y medicina.
Algoritmo EM descentralizado con datos heterogéneos y etiquetado parcial
El algoritmo MNEM elimina el sesgo en mezclas gaussianas con datos heterogéneos y etiquetado parcial. Ideal para aprendizaje federado descentralizado.
SPLIT-PINN: Técnica de probabilidad separable con PINNs
Descubre cómo SPLIT-PINN generaliza la predicción probabilística de microestructuras en materiales policristalinos.
scBatchProx: Refinamiento federado para estabilidad de tipos celulares
Descubre scBatchProx, un método de refinamiento ligero inspirado en federated learning que estabiliza embeddings de células individuales y mejora la clasificaci
Honestidad en bosques causales: ¿cuándo ayuda o perjudica?
¿Sabías que la estimación honesta en bosques causales puede reducir la precisión? Descubre cuándo ayuda y cuándo perjudica en más de 7,000 conjuntos de datos.
Heterogeneidad cognitiva y sesgos en cadenas de suministro con LLM
La heterogeneidad cognitiva en LLM (DeepSeek, GPT) afecta cadenas de suministro. La simulación revela sesgos y cómo compartir información mitiga ineficiencias.
IA Generativa y productividad de ventas: experimentos en retail online
Grandes experimentos en retail online muestran que la IA Generativa aumenta las ventas hasta un 16.3% al mejorar la conversión y reducir fricciones. Resultados positivos sin impacto en devoluciones.
Inferencia robusta de heterogeneidad de riesgo en grupos desbalanceados
Descubre cómo un nuevo método robusto basado en Neyman ortogonalidad revela diferencias étnicas en riesgo de mortalidad en UCI que otros métodos no detectan.
Inferencia de heterogeneidad en partículas con Langevin de segundo orden
Aprende cómo un enfoque de máxima verosimilitud permite inferir heterogeneidad poblacional y modelos dinámicos desde trayectorias estocásticas de partículas.
Fusión de datos federados para efectos regionales en prevención del VIH
Descubre cómo la fusión de datos federados permite estimar efectos regionales de supervivencia en ensayos de prevención del VIH, preservando la privacidad.
CHaRS: Dirección de Representación Consciente de Heterogeneidad
CHaRS: un nuevo enfoque de dirección de representación que usa transporte óptimo para adaptarse a la heterogeneidad de conceptos en LLM, mejorando el control del comportamiento.
Predicción conforme multiagente con validez estadística personalizada
Descubre cómo la predicción conforme multiagente con validez estadística personalizada mejora la calibración y privacidad en entornos heterogéneos. ¡Lee más!