UI-in-the-Loop: el paradigma que une pantalla y acción en GUIs
Descubre UI-in-the-Loop (UILoop), nuevo paradigma que permite razonar sobre GUIs de forma interpretable, mejorando comprensión y acción.
#interpretable
Modelo fundacional para datos de movimiento en salud mental
Explora PAT, un modelo fundacional open source para datos de wearables que mejora hasta un 55% la predicción de salud mental, con mapas de atención interpretables.
ShaplEIG: Diseño Experimental Bayesiano para Estimar el Valor Shapley
Mejora la precisión al estimar valores Shapley con pocas evaluaciones. ShaplEIG usa diseño bayesiano para selección adaptativa de coaliciones. Ideal para costos.
Clasificación multi-cáncer con redes Kolmogorov-Arnold interpretables
Descubre MOGKAN, una red profunda interpretable que logra 96.28% de precisión en clasificación de 31 tipos de cáncer usando datos multi-ómicos y redes PPI.
AdaptiveK: Autoencoders Dispersos por Complejidad
AdaptiveK ajusta dinámicamente la esparcidad según la complejidad semántica, mejorando interpretabilidad y reconstrucción de modelos de lenguaje.
Localización patológica interpretable con haces celulares y atención
Alineamos haces celulares con atención clasificadora para localización patológica interpretable, logrando AUC 0.953 en Camelyon16.
AEyeDE: Un marco de atribución basado en atención para detectar texto generado por IA
Descubre AEyeDE: detecta texto generado por IA con mapas de atención. Mayor precisión y robustez. Señal interpretable.
DEM: Modelo Explicativo Destilado para Anomalías en Sensores
Descubre DEM, un modelo de detección de anomalías interpretable y ultrarrápido para redes de sensores fisiológicos. Precisión del 99.64% sin sacrificar explicabilidad.
STEP: aprendizaje de embeddings estructurados para series temporales progresivas
Descubre STEP, un método innovador que aprende representaciones interpretables de series temporales progresivas usando un compás latente. Predice estados y modos sin etiquetas.