Leyes de escalado espectral de Muon
Descubre las leyes de escalado espectral de Muon: cómo las iteraciones Newton-Schulz afectan el entrenamiento de LLMs. Ahorra cómputo sin sacrificar calidad.
#ley
Optimización de Preferencias Semiparamétrica: Tu LLM es Modelo de Índice Único
Descubre cómo alinear tu LLM con preferencias sin función de enlace conocida usando un modelo semiparamétrico de índice único.
¿El orden importa? La Ley de Robustez y la Generalización Robusta
Analizamos la conexión entre la Ley de Robustez y la generalización robusta. ¿Cómo afecta el orden de las cotas de Lipschitz a la complejidad de Rademacher? Descúbrelo.
Composiciones Shapley para predicciones probabilísticas
Descubre cómo las composiciones Shapley explican predicciones probabilísticas multiclase usando la geometría de Aitchison. Un enfoque riguroso y axiomático.
Adalina: Aproximación Lineal Adaptativa del Valor de Shapley
Descubre Adalina, el algoritmo adaptativo que acelera la aproximación del Valor Shapley y semi-valores con espacio lineal. Ideal para atribución en IA.
Marco de variables latentes para leyes de escalado en LLMs
Descubre un nuevo marco estadístico con variables latentes para predecir rendimiento de LLMs en múltiples benchmarks. Ideal para entender leyes de escalado.
Amenazas a la validez en investigación de modelos fundacionales
Descubre cómo ahorrar en computación al investigar modelos fundacionales puede comprometer la validez. Aprende a identificar y evaluar estas amenazas con un marco práctico.
Tu equipo no es el problema, tu WIP sí
¿Tus tickets tardan semanas mientras la codificación toma horas? El problema no es tu equipo, sino el exceso de trabajo en progreso. Descubre la ley de 65 años que lo explica.
Inicialización Óptima en Redes Profundas: Lyapunov y Leaky ReLU
Descubre la inicialización Lyapunov para redes Leaky ReLU: cómo lograr estabilidad en activaciones y mejorar el aprendizaje en redes profundas.
Supervivencia sin censura con modelos fundacionales tabulares
Aprende cómo aplicar modelos fundacionales tabulares al análisis de supervivencia sin entrenamiento. Resultados competitivos con Cox y AFT. ¡Entra!
SHARP: ¿Quién merece la recompensa en sistemas multiagente?
Descubre SHARP: optimización con crédito Shapley para sistemas multiagente. Mejora resultados un 23% frente a métodos tradicionales. ¡Aprende más!
Cómputo de inferencia calibrado por distribución para LLM como juez
Descubre cómo el cómputo de inferencia calibrado por distribución mejora la fiabilidad de LLM como juez, reduciendo errores y superando métodos tradicionales de votación.
Poblaciones neuronales: selectividad divergente con la escala
Un estudio revela cómo las neuronas en modelos de IA se vuelven más especializadas y menos compartidas a medida que crece el tamaño del modelo. Descubre el efecto de polarización neuronal.
Efecto Ringelmann en LLMs multi-agente: Ley de escalado
El Efecto Ringelmann revela que añadir más agentes LLM no siempre mejora resultados. Descubre la ley de escalado para equipos efectivos.
Descubrimiento progresivo de leyes físicas basado en datos
CoSR descubre progresivamente leyes físicas desde datos, imitando el método científico. Aplicaciones en turbulencia, flujos y aerodinámica.
SERA: Agentes de Repositorio Eficientes con Verificación Suave
Descubre SERA, el método que entrena agentes de código abierto para repositorios privados con un costo 26x menor que RL. Acelera tu desarrollo con IA.
ShapDBM: Explorando Mapas de Fronteras de Decisión en el Espacio Shapley
ShapDBM transforma datos al espacio Shapley para crear mapas de fronteras de decisión más compactos, precisos y fáciles de interpretar. Mejora la visualización de clasificación.
Análisis estadístico del valor Shapley en localización de anomalías en sensores
Descubre el análisis teórico del valor Shapley para localizar anomalías en sensores. Comparamos su rendimiento con tests más simples y revelamos sorpresas.
Acelerando la optimización min-max con pasos de ley de potencia
Descubre cómo los pasos dinámicos de ley de potencia aceleran la convergencia en optimización min-max, alcanzando tasas casi óptimas. Un avance clave para EG y OG.
Ley de escalado de datos para meta-aprendizaje con minimización de complejidad
Descubre cómo la minimización de complejidad demuestra que el meta-aprendizaje escala con datos, mejorando la eficiencia en pocos ejemplos.