Foresight: Razonamiento iterativo sobre pistas clave para navegación
Descubre Foresight, un marco de razonamiento iterativo que mejora un 37% el éxito de navegación y reduce un 52% las intervenciones en robots, usando VLMs.
#iterativo
Pensamiento Visual Iterativo: Autocorrección Espacial en Modelos Visión-Lenguaje
Descubre cómo IVT enseña a modelos visión-lenguaje a corregir sus errores espaciales: precisión 82% y degradación 5x menor.
Estimador de media 'balloon' robusto con privacidad diferencial
Descubre el 'balloon mean', un estimador de media robusto a outliers con privacidad diferencial. Computacionalmente eficiente para datos sensibles.
Marco consciente del ruido para corregir etiquetas corruptas
Descubre CANOLA, un marco que corrige etiquetas corruptas mediante aprendizaje consciente del ruido. Mejora la precisión de tus modelos hasta un 52%. Lee más.
Trace2Policy: Transformando trazas expertas en agentes auto-evolutivos
Descubre Trace2Policy: extrae reglas de decisión de expertos y las refina automáticamente, superando a los LLM sin costos de inferencia. Resultados reales en logística.
Infini Memory: Documentos de temas para memoria persistente de agentes LLM
Infini Memory: memoria persistente con documentos temáticos para agentes LLM. Alcanza 64.7% en MemoryAgentBench con mantenibilidad y recuperación iterativa.
Contexto sobre cómputo: humano en el bucle supera a la IA iterativa
El humano en el bucle mejora respuestas de entrevista: más confianza y autenticidad con menos iteraciones que la IA iterativa.
Solucionadores probabilísticos estables para EDOs rígidas y de alta dimensión
Descubre cómo solucionadores probabilísticos para EDOs rígidas y de alta dimensión logran estabilidad y escalabilidad lineal, superando el coste cúbico.
Trellis: autoformalización sencilla de demostraciones rigurosas
Descubre Trellis, que usa LLMs para refinar pruebas matemáticas iterativamente y alcanzar demostraciones rigurosas en Lean.
Arranques en caliente para iteración de potencia alternante en PCA de tensores
Descubre cómo los arranques en caliente aceleran la convergencia en PCA de tensores. Teoría local y aplicación.
Mezcla de agentes sin entrenamiento para resumir documentos con LLMs y grafos
Descubre cómo un framework sin entrenamiento combina LLMs y grafos de conocimiento para resumir múltiples documentos con alta precisión y adaptabilidad.
InftyThink+: Razonamiento eficiente en horizonte infinito con RL
Optimiza el razonamiento infinito-horizonte con InftyThink+ usando RL. Mejora precisión y eficiencia, superando limitaciones del chain-of-thought.
Algoritmo de gradiente no monótono para NMF simétrica y clustering
Algoritmo SNMPBB: gradiente no monótono para NMF simétrica. 6x más rápido que alternativas y superior en clustering de grafos. ¡Optimiza!
D-Judge: Desbaratando jailbreaks multi-turno con reescritura semántica
D-Judge reescribe respuestas preservando semántica para desviar ataques multi-turno, reduciendo el éxito de jailbreaks en LLMs.
Refinamiento iterativo espectral-desacoplado para predicción de precipitaciones
Descubre SDIR: elimina desenfoque y alucinaciones en nowcasting con refinamiento espectral-desacoplado. Alta precisión y fidelidad.
Hace lo que promete: datos sintéticos seguros con márgenes agrupados
Descubre cómo generar datos sintéticos seguros y transparentes con el método de márgenes agrupados, garantizando privacidad sin perder relaciones entre variables.
Rastreando la alfabetización en GenAI: patrones estudiante-IA
Analítica del aprendizaje revela patrones distintos en interacción IA según nivel de alfabetización en GenAI. Estudio con 162 estudiantes.
Reconstrucción de imágenes: el juego del diálogo multimodal
Un benchmark automatizado donde modelos de lenguaje corrigen generadores de imágenes iterativamente. El descriptor es el factor dominante en la calidad final.
LongDS-Bench: Fracaso en análisis de datos agentivo de largo plazo
Descubre LongDS-Bench: el benchmark que expone cómo los agentes fallan en análisis de datos prolongados. Solo 48% de precisión. ¡Lee más!
Optimización post-entrenamiento de LLMs para decisiones con mínimo arrepentimiento
Mejora la toma de decisiones de los LLMs con Iterative RMFT: un método que minimiza el arrepentimiento y optimiza el equilibrio exploración-explotación.