Adaptación gradual de dominio basada en flujos: transporte óptimo semidual
Descubre cómo el marco E-SUOT mejora la adaptación gradual de dominio usando transporte óptimo semidual, superando limitaciones de estimación de verosimilitud.
#imo
Análisis de eventos raros mediante control óptimo estocástico
Control óptimo estocástico para eventos raros: muestreo eficiente de trayectorias reactivas con mayor precisión en tasas de reacción.
SynIB: Bottleneck de Información para Sinergia Multimodal
Descubre cómo SynIB mejora la sinergia en aprendizaje multimodal hasta un 7.8% en tareas cross-modal
Predicción de Calidad en Manufactura Aditiva 3D con Transformador de Grafos
Un transformador de grafos espaciotemporal modela interacciones 3D en manufactura aditiva para predecir y mejorar calidad de piezas metálicas. ¡Lee más!
Explicaciones basadas en lógica para la confianza en modelos ML
Descubre cómo las explicaciones lógicas garantizan un nivel mínimo de confianza en predicciones de ML, mejorando la transparencia en decisiones críticas.
MMClima: Marco multimodal para datos y evaluación climática
MMClima: marco multimodal con 104k+ pares QA para evaluar IA en ciencia climática. Incluye benchmark, fine-tuning y datos abiertos. ¡Descúbrelo!
Detección de APT entre SO con solo dominio fuente
Descubre un nuevo marco que detecta APT entre sistemas operativos sin etiquetas del destino, usando alineación semántica y transporte óptimo. Mejora ROC-AUC y nDCG.
Modelo base asistido por visión para enrutamiento multitarea
Descubre VaFM, un modelo de IA que combina visión y grafos para optimizar rutas de vehículos en múltiples tareas. Supera a métodos tradicionales en restricciones complejas.
Cuantización de distorsión mínima con distribución de salida especificada
Descubre cómo optimizar cuantizadores minimizando el error cuadrático medio y controlando la distribución de salida para comunicación y anonimización.
IA para corredores marítimos: automatiza análisis de tarifas y cotizaciones
Descubre cómo la IA automatiza el análisis de tarifas y la generación de cotizaciones spot para corredores marítimos. Ahorra tiempo y mejora tu eficiencia.
Olvida lo de Silicon Valley: Zero-UI e IA para los próximos mil millones
Olvida las apps tradicionales. La IA conversacional y Zero-UI son la ventaja para conquistar los próximos mil millones de usuarios en mercados emergentes.
AgroOmni: Dataset Agrícola Multivista para Razonamiento Multimodal
Descubre AgroOmni, el dataset multivista con 288K pares VQA que elimina sesgos en la percepción agrícola de IA y logra un 62% en el benchmark AgMind.
DecepGPT: Detección de Engaños con Datos Multicultural y Aprendizaje Multimodal
DecepGPT: nuevo sistema de detección de engaños con datos multiculturales y aprendizaje multimodal. Resultados precisos y auditables.
CrossVLA: Post-entrenamiento e inferencia entre paradigmas para VLA
Descubre CrossVLA, un estudio que optimiza el post-entrenamiento e inferencia en modelos VLA usando DPO, DoRA y técnicas de caché. Resultados en LIBERO.
MST-Direct a Escala: Simulación Geoestadística Multivariante y Condicional
Descubre cómo MST-Direct logra simulación geoestadística multivariante y condicional escalable con error cero en histogramas y datos condicionantes exactos.
KITE: Transformador trimodal para detectar noticias falsas
KITE integra texto, imágenes y conocimiento para detectar noticias falsas con alta precisión. Descubre su funcionamiento.
Predicción de tráfico marítimo con redes neuronales de grafos y cabeza Tweedie
Descubre cómo un nuevo enfoque con redes neuronales de grafos y cabeza Tweedie mejora la predicción del tráfico de barcos en puertos, incluso con datos escasos.
Cobertura temporal sobre densidad: entrenamiento eficiente para ML climático
Distribuir años de entrenamiento a lo largo del clima mejora modelos de downscaling, superando la continuidad temporal. Ahorra recursos computacionales.
Estabilizando destilación on-policy para razonamiento MLLM
Descubre cómo la normalización global estabiliza la destilación on-policy en modelos multimodales, mejorando el razonamiento y evitando explosiones de gradiente.
De atajos a razonamiento: post-entrenamiento robusto de ToM con RL
El nuevo enfoque Thinking-RFT supera atajos en ToM: mejora un 6% frente a SFT mediante razonamiento y refuerzo.