Aprendizaje bajo modelos competidores: diagnóstico cognitivo conjunto vs secuencial
¿Modelo conjunto o secuencial? El método elegido puede alterar conclusiones sobre progreso lector. Estudio revela cuándo es más fiable el análisis conjunto.
#latente
TALAN: Adaptación Latente Alineada a Tareas para Post-Entrenamiento de LLMs
TALAN mejora el post-entrenamiento de LLMs: razonamiento y código sin perder fortalezas. Solo 1% parámetros extra. ¡Descubre!
TALAN: Adaptación Latente Alineada con Tareas para Post-Entrenamiento de LLMs
TALAN mejora razonamiento y código en LLMs con una vía lateral latente. Solo 1% de parámetros adicionales, supera a LoRA y DoRA en benchmarks STEM.
Construyendo espacios latentes de VAE con topología prescrita
Aprende a construir espacios latentes de VAE con topología prescrita, resolviendo el desajuste topológico y mejorando la calidad de reconstrucción en datos no euclidianos. Resultados superiores.
Explicando la estadificación no supervisada del Huntington
Descubre cómo la IA explica las etapas del Huntington mediante clusters y SHAP. Mejora la interpretabilidad clínica y la confianza en modelos no supervisados.
Teoría Bootstrap de la Emergencia Representacional
Descubre cómo la insuficiencia explicativa impulsa la creación de nuevas representaciones en IA, desde modelos del mundo hasta gemelos digitales. Una teoría que transforma el aprendizaje.
Modelado generativo de estructuras latentes discretas con policy gradients
GReinSS: aprende distribuciones de estados latentes que maximizan la verosimilitud de datos. Supera a VAE y RSEM en reconstrucción de isoformas de ARN.
Modelado generativo de estructuras latentes discretas con gradientes de política
GReinSS aplica gradientes de política dinámicos para modelar estructuras latentes discretas. Supera a RSEM en reconstrucción de isoformas de ARN.
Corrector Langevin Consistente con Medidas para Estabilizar Solvers LDM
Descubre cómo el corrector Langevin consistente con medidas (MCLC) estabiliza los solvers de problemas inversos en difusión latente, mejorando la fiabilidad.
TargetSEC: Conversión de Emoción del Habla con Difusión Latente
TargetSEC: conversión de emociones en voz con difusión latente. Preserva identidad y supera a otros sistemas en precisión.
Factorización interpretable para identificar factores latentes de psicopatología
Descubre cómo la factorización interpretable de cuestionarios clínicos revela factores latentes en psicopatología y mejora el diagnóstico.
Desenredo conformal y curación del espacio latente para generación dirigida
Descubre cómo un marco neuronal separa información compartida y específica de múltiples sensores, permitiendo generación dirigida e inferencia cruzada. Ideal para IA y cloud.
STREAM: Flujo Riemanniano para generación de imágenes histopatológicas
STREAM: nuevo método de flujo riemanniano para generar imágenes histopatológicas. Supera colapso de condicionamiento y logra SOTA.
dots.tts: Modelo TTS autoregresivo continuo de 2B parámetros
Descubre dots.tts, el modelo TTS de 2B parámetros que revoluciona la síntesis de voz con espacio latente continuo. Logra WER del 0.94% y latencia de 85 ms. Código abierto.
Memoria Latente Dual para Sistemas Multiagente Visuales
Descubre cómo L2-VMAS supera el muro de escalado en sistemas multiagente visuales, mejorando precisión hasta 5.4% y reduciendo costos de token hasta 44.8%.
El Espacio Latente: Fundamentos, Evolución, Mecanismo, Capacidad y Perspectivas
Descubre cómo el espacio latente transforma modelos de lenguaje, superando limitaciones del espacio explícito. Fundamentos, evolución, mecanismos y capacidades.
Ataques en espacio latente para evadir rechazos en modelos de lenguaje
Descubre cómo los ataques de espacio latente eluden el rechazo en modelos de lenguaje, superando barreras de seguridad con proyecciones optimizadas.
PLAN-S: Planificación con Estilo Latente para Modelos de Conducción Autónoma
PLAN-S reduce un 42% las colisiones con mapas de coste semántico para una conducción autónoma más segura y personalizable.
Cerrando el bucle del razonamiento latente con reconstrucción en tiempo de prueba
Descubre cómo ReLAT cierra el bucle del razonamiento latente usando reconstrucción en tiempo de prueba, mejorando precisión en matemáticas un 73.3% en AIME 2024
¿Comparten los modelos representaciones de seguridad? Control entre modelos
Investigación muestra que las direcciones de seguridad pueden transferirse entre modelos generativos sin datos inseguros en el destino. Control portable y eficaz.