Optimización estable de políticas con convexidad de logits
Descubre cómo la convexidad de logits estabiliza la optimización de políticas en RL, superando la inestabilidad del PPO. Resultados probados en múltiples benchmarks.
#isa
Trump apunta a las green cards: ¿qué cambia?
Trump anuncia restricciones a green cards. Descubre cómo impacta a desarrolladores, startups e innovación. Lee en Q2BSTUDIO.
Adaptación de Ruido Semi-Supervisada: Transferencia desde Dominio Ruidoso
Descubre cómo la adaptación de ruido semi-supervisada (SSNA) utiliza ruido sintético para mejorar la generalización de modelos de aprendizaje automático. ¡Optimiza tu rendimiento!
COLLIE: Descubrimiento de habilidades en espacio latente semántico
Descubre cómo COLLIE guía el aprendizaje de habilidades diversas y seguras usando un espacio latente semántico, sin modelos extra y con feedback humano mínimo.
Síntesis realista de ruido reduce sesgo en estimación de microestructura tisular
Descubre cómo la síntesis realista de ruido en MRI de difusión reduce el sesgo y mejora la estimación de microestructura tisular con machine learning supervisado.
FedSAP: cerrando la brecha de alineación-madurez en aprendizaje federado
FedSAP cierra la brecha de alineación-madurez en aprendizaje federado con prototipos, logrando hasta 4 puntos en datos no-IID y se extiende a semi-supervisado.
PaintBench: Evaluación determinista de edición visual precisa
PaintBench: benchmark determinista para edición visual precisa en IA. Evalúa 20 operaciones con métricas exactas. Descubre la baja precisión actual.
CalM: Modelo base auto-supervisado para dinámicas poblacionales en calcio
Conoce CalM, modelo auto-supervisado para dinámicas de población en datos de calcio. Mejora pronóstico y decodificación neuronal.
Regresión semisupervisada con proxy ruidoso: límites y generalización
Nuevo estimador en dos etapas supera a métodos supervisados en regresión con proxy ruidoso, aprovechando datos no etiquetados para límites de generalización.
Generación en un paso: geometría de transporte en espacio semántico
Descubre cómo las representaciones semánticas SSL reducen 39 veces el FID en ImageNet, optimizando la generación en un paso sin métricas hackeadas.
MindZero: Razonamiento Mental Online sin Anotaciones
MindZero revoluciona el razonamiento mental en IA al aprender sin anotaciones. Descubre cómo supera a métodos tradicionales en precisión y velocidad.
MindClaw: Razonamiento Corporizado en Bucle Cerrado para Intervención Precisa
Descubre MindClaw, un marco de IA que permite a robots razonar sobre el estado mental y actuar solo cuando es necesario, mejorando asistencia robótica precisa.
Localización patológica interpretable con haces celulares y atención
Alineamos haces celulares con atención clasificadora para localización patológica interpretable, logrando AUC 0.953 en Camelyon16.
CoilDrop-MRI: Reconstrucción MRI auto-supervisada con dropout en bobinas
CoilDrop-MRI: método auto-supervisado para reconstrucción de MRI sin datos completos. Supera a otros con dropout en bobinas, alcanzando calidad de supervisados.
SpikeWFM: Modelo Inalámbrico de Fundación para Predicción Robusta
Descubre SpikeWFM, una arquitectura híbrida SNN-ANN que mejora la predicción de canales inalámbricos al ser robusta al ruido y eficiente energéticamente.
Modelo de lenguaje de protocolos para intrusiones en red
Modelo de lenguaje de protocolos detecta intrusiones con metadatos, sin inspeccionar paquetes. 97.7% precisión en tráfico TLS/QUIC.
DART: Entrenamiento en tiempo de prueba para reranking denso sin recursos
Descubre cómo DART adapta el modelo en tiempo de prueba para mejorar el reranking sin datos etiquetados, logrando +2.1% en NDCG@10 con mínima latencia.
Criterio de fibra para identificabilidad de representaciones en aprendizaje supervisado
¿Son únicas las representaciones que aprende tu modelo? Descubre el criterio de fibra para identificar si las propiedades de representación son identificables en aprendizaje supervisado.
UR-JEPA: Rectificabilidad Uniforme como Regularizador en JEPA
UR-JEPA logra un 0.83% más de precisión que LeJEPA en Inet10 con menor varianza, y produce representaciones geométricamente distintas.
Identificación de mejor acción con dos fidelidades en árboles minimax estocásticos
Descubre cómo el algoritmo 2FFS reduce costos computacionales al combinar evaluaciones rápidas y precisas para identificar la mejor acción en árboles minimax estocásticos.