SeSE: Cuantificación de incertidumbre en LLMs basada en teoría estructural
Aprende cómo SeSE cuantifica la incertidumbre en LLMs usando teoría estructural para evitar alucinaciones. Mejora la fiabilidad de tus modelos.
#información
Elicitación de Preferencias Causales
Descubre cómo la elicitación causal de preferencias acelera el descubrimiento causal con consultas activas a expertos. Un enfoque bayesiano para concentrar la posterior sobre DAGs.
Reveal-IG: Atribución por caminos distribucionales
Reveal-IG: atribución basada en caminos distribucionales. Atribuciones estables con signo sin artefactos. Ideal para explicabilidad en IA.
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.
QUIVER: Vistas Cuánticas para Representaciones en Grandes Modelos ML
QUIVER incorpora vistas cuántico-informadas para mejorar representaciones en grandes modelos de ML, ofreciendo mejoras medibles en QM9 y JetClass.
¿Prefieren los recuperadores neuronales ciertos documentos?
Los recuperadores neuronales aprenden sesgos de relevancia de las anotaciones, causando que documentos con menor prioridad sean más difíciles de recuperar inclu
Cobertura OWASP LLM Top 10: atribución de defensas y fragilidad
Descubre qué defensa bloquea cada amenaza OWASP LLM: filtros de rechazo caen hasta 25% ante paráfrasis, controles resisten. Estudio de atribución y fragilidad.
Regret Pre-training: Uniendo conocimiento previo y futuro
Regret Pre-training: nuevo método que usa información futura para mejorar modelos de lenguaje. Logra un 33.9% de precisión en 9 tareas. ¡Sin parámetros extra!
App personalizada reemplaza hojas de cálculo: ¿cómo protege datos?
Protege tu información confidencial con apps que reemplazan hojas de cálculo. Control de acceso, cifrado y auditoría para cumplimiento.
Top 30 empresas para reemplazar base de datos Access con apps modernas en Las Palmas
Descubre las 30 mejores empresas en Las Palmas para reemplazar tu base de datos Access por apps modernas. Q2BSTUDIO lidera con soluciones de vanguardia.
Aprendizaje supervisado como compresión con pérdida: generalización
Descubre el aprendizaje supervisado como compresión con pérdida: análisis de bloque finito para generalización y complejidad de muestra.
Reactivando tokens de parche para mejorar el probing en audio
El probing con tokens de parche reactivados supera al costoso fine-tuning en clasificación de audio multi-etiqueta. Descubre este nuevo método ligero y eficiente.
Memorización: ¿útil o perjudicial? El umbral lo determina la información previa
Descubre cómo la información previa determina si la memorización en modelos lineales es beneficiosa o perjudicial, según el umbral de ruido.
IAPO: Optimización de Políticas Informada para Razonamiento Eficiente en Tokens
Descubre IAPO: asigna ventajas a cada token según información mutua. Reduce razonamiento hasta 36% sin perder precisión. Optimiza tus modelos de lenguaje.
Aprendizaje por Refuerzo con Información Física en Contactos Híbridos
Descubre cómo el aprendizaje por refuerzo con información física (Pi-GCRL) maneja dinámicas de contacto híbridas en manipulación robótica. ¡Entra!
El problema del auto-bloqueo de información en RL para agentes LLM
Descubre cómo el auto-bloqueo de información afecta el razonamiento activo de agentes LLM y cómo el método AREW lo mitiga, logrando mejoras de hasta 60 puntos.
Caracterizando la búsqueda web en la era de la IA generativa
Comparativa entre búsqueda tradicional y generativa: Google, OpenAI y Perplexity analizados en fuentes, estabilidad y síntesis.
Ataques adversariales entre generaciones de LLMs: seguridad no monotónica
Descubre cómo los ataques adversariales entre generaciones de LLMs Gemma revelan que la seguridad no mejora de forma constante. Gemma 3 es más vulnerable que Gemma 2 y 4.
Control regularizado con KL bien planteado vía divergencias Wasserstein y Kalman-Wasserstein
Nuevas divergencias Wasserstein y Kalman-Wasserstein mejoran el control KL, ofreciendo soluciones estables incluso con ruido bajo: doble integrador y cart-pole.
La firma entrópica de la especiación en modelos de difusión
Descubre cómo la entropía condicional de clases revela los momentos clave donde los modelos de difusión forman estructuras semánticas. Un nuevo enfoque para control temporal.