Bag of Dims: Interpretabilidad mecanicista sin entrenamiento
Descubre cómo patrones de signo en dimensiones de transformers revelan semántica sin entrenamiento. Nuevo enfoque: 'Bag of Dims'.
#latente
Modelos Autorregresivos Lineales de Dos Capas Estiman Estados Latentes
Descubre cómo los modelos autorregresivos de dos capas estiman estados latentes imitando el filtrado de Kalman. Con resultados teóricos.
Modelo de Acción-Mundo con Diffusion Transformer para Predicción AV
Un modelo Diffusion Transformer predice escenas de conducción con 4.8x mejor KID que la regresión, permitiendo simulaciones realistas y control de acciones.
Del aislamiento al enredo: ¿Separación de conceptos en interpretabilidad?
Los métodos de interpretabilidad (SAEs, sondas) buscan separar conceptos, pero manipular características afecta múltiples conceptos, desafiando la independencia
HELVAE: Autoencoders Multimodales con Divergencia Hellinger
Descubre cómo HELVAE mejora los autoencoders multimodales usando la divergencia Hellinger para representaciones latentes más expresivas y mejor equilibrio entre coherencia y calidad.
LatentLens: Revelando tokens visuales interpretables en LLMs
Descubre LatentLens, un método que revela qué codifican los tokens visuales en modelos de lenguaje. Mejora la interpretabilidad de VLMs.
Identificabilidad sin Gaussianidad: Modelos Simbólicos y Consistencia Casi Infinita
Nueva Arquitectura Simbólica PGSA logra consistencia temporal casi infinita, superando la barrera gaussiana en modelos de mundo. ¡Descúbrelo!
Árboles de Presupuesto Latente Simultáneo para Clasificación Estratificada
Clasificación estratificada interpretable con Árboles de Presupuesto Latente Simultáneo. Controla variables temporales, espaciales o demográficas.
Marco VAE unificado para separación de espacio latente y evaluación robusta
Descubre cómo el framework bfVAE unifica modelos VAE para separar espacios latentes, con nuevas métricas FVH-LT y DBSR-LS que evalúan la interpretabilidad sin factores reales.
La imposibilidad de extraer conocimiento latente en IA
¿Sabías que ni con feedback perfecto se puede lograr una IA honesta? Este artículo explica el teorema de imposibilidad de extraer conocimiento latente.
Aprendizaje de representación guiado por OCSVM para detección de anomalías
Descubre cómo un método innovador combina OCSVM con aprendizaje de representación para detectar anomalías sin etiquetas, incluso en resonancias magnéticas complejas.
Subespacio de color latente: orden en caos de alta dimensión
Interpreta y controla el color en el espacio latente de FLUX.1 sin entrenamiento. Manipulación algebraica para generar imágenes con colores específicos.
Flujo Latente Regularizado Espectralmente para Turbulencias
La regularización espectral en flujo latente eleva la potencia espectral retenida al 94% en turbulencias sintéticas. Conoce el innovador método.
Aprendizaje continuo con mezcla de experiencias en límites de soporte
Descubre cómo el método Experience Blending mejora el aprendizaje continuo hasta un 13% al regularizar límites de decisión con datos de soporte generados mediante ruido diferencial.
Visualizando la geometría del espacio latente de LLMs con reducción de dimensionalidad
Descubre cómo visualizar la geometría oculta de los modelos de lenguaje como GPT-2 y LLaMa usando PCA y UMAP. Patrones sorprendentes en atención y MLP.
Conceptos latentes cuantizados vectoriales: alternativa escalable al clustering
Descubre VQLC, alternativa escalable al clustering para descubrir conceptos en LLMs con alta coherencia.
Identificación puntual de predictor robusto bajo cambio latente
El framework PQAL identifica un predictor robusto bajo cambio latente con proxies imperfectas. ¡Descubre cómo optimiza la adaptación de dominio!
WRDPG: Grafos Ponderados con Producto Punto Aleatorio
Descubre el modelo WRDPG para grafos ponderados, una extensión no paramétrica que captura distribuciones de pesos heterogéneas. Aprende sus aplicaciones en análisis de redes.
Flujo latente regularizado espectralmente para generación de turbulencia
Descubre cómo la regularización espectral logra un 94% de retención en disipación profunda para generar turbulencia más precisa.
Estimación precisa de información mutua en datos de alta dimensión
Descubre cómo estimar información mutua en alta dimensión con redes neuronales, corrección de sesgo y confianza. Protocolo probado en imágenes reales.