De priors uniformes a aprendidos: Difusión para descubrir estructuras
Diff-prior mejora la inferencia de estructuras con un prior adaptativo de difusión que calibra distribuciones inciertas para decisiones más claras.
#latente
PianoKontext: Interpretación expresiva desde contexto plano
Descubre PianoKontext, un modelo de IA que genera interpretaciones expresivas de piano clásico a partir de partituras. Aprende cómo el flow matching en espacio latente logra timing natural.
Características inestables y dependencia de semillas en SAEs
Descubre cómo las características inestables en autoencoders dispersos no son ruido, sino parte de subespacios reproducibles. Un estudio clave para la interpretabilidad de redes neuronales.
Recuperación del Mundo Latente en Aprendizaje Multimodal Incompleto
LWR: aprendizaje multimodal robusto sin reconstruir datos faltantes. Mejora clasificación de cáncer y predicción de supervivencia con multi-omics incompletos.
Un Token por Evidencia Multimodal: Memoria Latente para QA con Recursos Escasos
Descubre Latent Memory: comprime evidencia multimodal en un token, reduce hasta 10x el consumo de tokens en QA con recursos limitados. Eficiente y competitivo.
Métodos de machine learning para estudiar dinámicas neuronales latentes
Descubre cómo modelos de machine learning revelan la dinámica oculta de la actividad neuronal. Revisión para decodificar el cerebro.
Incrustación de sistemas híbridos en campos vectoriales latentes continuos
Incrusta sistemas híbridos en campos vectoriales continuos para optimización diferenciable. Neural ODE latente supera alternativas en aprendizaje de series temporales.
Asimilación de datos con difusión latente: Kalman vs Monte Carlo
Los métodos Monte Carlo (MCMC y SMC) superan a los ensemble-Kalman en asimilación de datos geológicos 3D, logrando mayor reducción de incertidumbre.
FreshRetailNet-LT: Dataset de demanda censurada con desabastecimientos
Descubre FreshRetailNet-LT, el primer dataset con datos de demanda censurada y desabastecimientos para mejorar la previsión en retail fresco.
Muestreo Guiado por Latente para Optimización Combinatoria
LGS-Net revoluciona la optimización combinatoria con muestreo guiado por latente y MCMC. Resultados state-of-the-art en problemas de enrutamiento.
MMD Guidance: Adaptación de distribución sin reentrenamiento
Descubre MMD Guidance, método sin entrenamiento que alinea modelos de difusión con datos de referencia y discrepancia máxima media. Ideal para pocos ejemplos.
Optimización en dos etapas para eludir copyright en difusión
El método TS-LFO elude defensas de copyright en modelos de difusión con optimización latente en dos etapas, superando a DiffPure, GrIDPure e IMPRESS.
Aprendizaje de hiperparámetros para factorización latente de tensores en redes dinámicas
Descubre cómo DE-LFT automatiza la búsqueda de hiperparámetros en factorización de tensores para mejorar la precisión en redes dinámicas. Menos esfuerzo, mejores resultados.
Un lente, muchos mundos: interfaz tipada para IA interpretable
¿Cansado de reimplementar interpretabilidad? WorldModelLens unifica el análisis con una interfaz tipada. Descúbrelo.
Optimalidad de tokens FSQ en difusión continua para datos categóricos (TTS)
Los tokens FSQ son óptimos para difusión continua en datos categóricos. Este estudio demuestra que superan a modelos LLM en TTS siendo más pequeños y rápidos.
Dropout-GRPO: Variabilidad estocástica para razonamiento latente continuo
Dropout-GRPO introduce variabilidad estocástica en razonamiento latente para mejorar el aprendizaje por refuerzo grupal. Resultados en GSM8K.
ERAlign: Alineación de Representaciones de GNNs y LLMs en Grafos Textuales
Descubre ERAlign: alinea GNNs y LLMs en grafos textuales con modelos energéticos, mejorando el rendimiento sin costos altos de muestreo.
Transferencia de aprendizaje: Extensiones de Kan para invariantes neuronales
Descubre cómo las extensiones de Kan cuantifican la transferencia de invariantes en redes neuronales, usando teoría de categorías para detectar colapsos.
Control no lineal de activaciones mediante transformaciones latentes invertibles
Descubre INNSteer: control no lineal de LLMs con transformaciones latentes invertibles que mejora precisión y fluidez sin comprometer la inferencia.
INNSteer: Control no lineal de LLMs con transformaciones latentes
INNSteer revoluciona el control de modelos de lenguaje al aplicar transformaciones invertibles en el espacio latente, logrando intervenciones no lineales adaptables a cada entrada.