DMF: Marco de memoria determinista para agentes de IA conversacional
DMF elimina llamadas LLM del bucle de memoria, logrando precisión comparable a Mem0 usando cero tokens para contexto. Reduce costos hasta 242x. ¡Descúbrelo!
#interacciones
Mejorando predicción de PPIs con embeddings multimodales jerárquicos de motivos
Aprende sobre MMM-PPI, un innovador modelo que integra secuencia, estructura y función para predecir interacciones proteína-proteína con precisión superior.
Recuperación parcial y consistencia débil en HSBM no uniforme
Descubre cómo un nuevo algoritmo espectral logra recuperación parcial y consistencia débil en el modelo HSBM no uniforme para detección de comunidades en hipergrafos.
Screening rápido para resultados y predictores de alta dimensión
Nuevo enfoque de screening rápido para datos multimodales: GIDS reduce dimensiones y revela interacciones biológicas clave en Alzheimer.
TIDFormer: explotando dinámica temporal e interactiva en grafos dinámicos
Descubre cómo TIDFormer revoluciona el análisis de grafos dinámicos con su mecanismo de atención eficiente e interpretable, superando modelos previos.
Generación de hipótesis condicional con covariables para análisis LLM
Mejora tus análisis de texto con LLM usando hipótesis condicionales y covariables. Evita sesgos y descubre diferencias reales en subgrupos relevantes.
FLOWR: Nuevo método de generación de ligandos con flujo y estructura
FLOWR: nueva técnica de generación de ligandos con flujo matching. Hasta 70 veces más rápido, preciso y adaptable a fragmentos. Ideal para diseño de fármacos.
Hacia un modelo fundacional de física
Descubre GPhyT, el primer modelo fundacional de física que aprende dinámicas complejas sin ecuaciones, superando a arquitecturas especializadas en múltiples dominios.
Investigando y mitigando la amplificación del daño en interacciones con LLM
Descubre cómo el nuevo benchmark HarmAmp analiza la amplificación del daño en interacciones con LLM y cómo TrajSafe lo mitiga de forma proactiva.
Método corrige localización de circuitos con retropropagación consciente
Aprende cómo GIM, un nuevo método de retropropagación, mejora la localización de circuitos en modelos de lenguaje al tener en cuenta interacciones.
PliableBVS: Método bayesiano flexible para interacciones con modificadores
Descubre PliableBVS: método bayesiano flexible para seleccionar variables en interacciones, reduciendo falsos positivos y mejorando predicción.
Valores Shapley e interacciones con redes de tensores
Descubre TN-SHAP, un método que acelera valores Shapley e interacciones usando redes de tensores, reduciendo la complejidad exponencial a polinomial.
Flowers: un motor warp para solucionadores neuronales de PDE
Flowers: arquitectura neuronal con warps multihead. Sin Fourier ni atención, logra interacciones globales a costo lineal. Supera a modelos mucho más grandes.
CryoProt: Preentrenamiento de proteínas con interacciones en crio-EM
CryoProt revoluciona el análisis de proteínas con IA: modela interacciones entre cajas en mapas crio-EM para predicciones precisas. Mejora hasta un 12%.
RL continuo seguro con interacción limitada en tratamientos médicos dinámicos
Un nuevo marco de RL continuo seguro optimiza el momento de las interacciones clínicas y garantiza seguridad en toda la trayectoria. ¡Lee el artículo!
Gráficos de Toro para Análisis de Fase Neural a Gran Escala
Descubre cómo los gráficos de toro (TG) analizan fase neural a gran escala con nuevas extensiones HMM y auto-regresivas para EEG y LFP.
Comparativa de MLLMs en generación de código para webs interactivas
WebIGBench evalúa MLLMs en generar código de páginas web con interacciones complejas. Descubre los resultados y límites actuales. ¡Lee más!
TN-SHAP-G: Red tensorial para Shapley en gráficos
Descubre TN-SHAP-G: calcula valores Shapley en gráficos usando redes de tensores, sin Monte Carlo. Explicabilidad eficiente para modelos complejos.
Propagación adaptativa guiada por estructura para PPIS
Conoce el innovador modelo SGAP-PPIS que predice sitios de interacción proteína-proteína usando propagación adaptativa.
Interacciones estructuradas mejoran coordinación distribuida más que escalado
Descubre cómo reestructurar la comunicación entre robots mejora un 47% el rendimiento, frente al 9% de escalar modelos. Estudio con 10 robots reales.