Aprendizaje de preferencias calibrado: ranking de etiquetas
Descubre cómo la calibración mejora la precisión en rankings de etiquetas y su aplicación en RLHF.
#libra
COFT: Razonamiento Justo con Cadena de Pensamiento en LLMs
COFT reduce sesgos en LLMs hasta un 55% sin reentrenar, preservando calidad y razonamiento justo. Método auditado.
Alineación humana, calibración y patrones en la incertidumbre de LLMs
Descubre cómo los LLMs reflejan la incertidumbre humana mediante alineación, calibración y patrones de activación. Un estudio clave para entender y combatir alucinaciones.
Calibración de atención cross-modal para reducir alucinaciones en LVLM
CMAC: un método sin entrenamiento que calibra la atención cross-modal para mitigar alucinaciones en LVLMs. Corrige sesgos y mejora la consistencia visual-textual.
Alineación humana y calibración de incertidumbre en LLMs
Descubre cómo las medidas de incertidumbre en tiempo de inferencia se alinean con la incertidumbre humana y mejoran la calibración en grandes modelos de lenguaje.
Calibración sin objetivo ante cambios de distribución con FGR
Descubre cómo FGR mejora la calibración de modelos de IA ante cambios de distribución sin necesidad de datos del destino. Aprende a implementarlo.
ForecastCompass: Memoria adaptativa para predicción agéntica
Descubre cómo ForecastCompass (FoCo) mejora la predicción agéntica usando memoria de factores adaptativa, aumentando precisión y calibración en entornos dinámicos.
Enrutamiento Variacional: Marco Bayesiano Escalable para Transformers MoE
Descubre VMoER, un marco bayesiano que mejora la incertidumbre en MoE con un 94% menos error y solo 1% más de FLOPs.
Caracterización empírica de transformaciones de probabilidad en LLMs
Descubre cómo las transformaciones de probabilidad inducidas en tiempo de inferencia en LLMs siguen patrones log-ratio reproducibles. Un análisis empírico de 4,975 problemas.
MAAT: nuevo método de desaprendizaje dirigido con adaptadores
Descubre cómo MAAT, un nuevo método de desaprendizaje dirigido, resuelve el sesgo en la evaluación de conocimiento causal con el benchmark 5WBENCH.
Colapso de representación en el entrenamiento secuencial posterior de LLMs
Descubre cómo el entrenamiento secuencial de LLMs provoca colapso de representación y qué intervenciones pueden preservar la plasticidad y la generalización.
Chatterbox-Flash: difusión de bloques calibrada para TTS streaming
Chatterbox-Flash revoluciona la síntesis de voz zero-shot con difusión de bloques calibrada, permitiendo streaming de alta fidelidad y baja latencia.
BOKBO: Abstención Calibrada para Políticas de Visión-Lenguaje-Acción
Descubre BOKBO, un método de abstención calibrada que garantiza seguridad en políticas VLA. Reduce violaciones y mejora el éxito de tareas robóticas.
FinVerBench: Validez del benchmark y calibración en la verificación de estados financieros de grandes modelos de lenguaje
FinVerBench analiza la validez del benchmark y calibración en verificación financiera con LLMs. Mejora la precisión y fiabilidad de modelos de lenguaje en el sector financiero.
OmniMatBench: Un punto de referencia de razonamiento multimodal calibrado por humanos en 19 subcampos de la ciencia de materiales
<meta name=description content=Descubre OmniMatBench, un benchmark multimodal calibrado por humanos que evalúa IA en 19 subcampos de ciencia de materiales. Ideal para investigadores y desarrolladores.>
Conf-Gen: Cuantificación de Incertidumbre Conformal para Modelos Generativos
Explora la cuantificación de incertidumbre conformal en modelos generativos: mejora la fiabilidad, aprende métodos y aplicaciones clave.
Esta laptop Acer de 2.2 libras promete de alguna manera 30 horas de duración de batería
<meta name=description content=Conoce la laptop Acer de solo 2.2 libras que ofrece hasta 30 horas de batería. Portabilidad extrema y autonomía sin precedentes para trabajar todo el día.>
Posición: Deja de perseguir el índice C al evaluar modelos de análisis de supervivencia
Descubre por qué el índice C no es suficiente para evaluar modelos de supervivencia y qué métricas alternativas usar. Mejora tus evaluaciones.
Calibrando modelos generativos a restricciones distribucionales
Calibración de modelos generativos con restricciones distribucionales. Técnicas para mejorar precisión y consistencia en la generación de datos.
MEC: Calibración de entropía generalizada asistida por aprendizaje automático para la estimación de la media semisupervisada
Estimación semisupervisada de la media con calibración de entropía y aprendizaje automático. Técnica avanzada para optimizar predicciones con datos mixtos.