Modelo fundacional generativo para diseño de polímeros lineales
Descubre PolyConFM, el modelo fundacional que revoluciona el diseño de polímeros lineales usando IA generativa centrada en conformación. Mejora precisión en múltiples tareas.
#lineal
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.
Límites composicionales para la fusión de densidades
Fusión de densidades invariante al orden: límites composicionales y reglas de pooling lineal. Clave para sistemas distribuidos de incertidumbre.
Gran paso en GD restaura simetría en redes profundas con múltiples vías
Descubre cómo un gran paso en GD restaura simetría en redes profundas, evitando especialización en una vía y promoviendo representaciones compartidas.
DiffSlack: Aprendizaje con restricciones no lineales mediante variables slack
Aprende cómo DiffSlack impone restricciones no lineales en redes neuronales para planificación de trayectorias, mejorando tasa de éxito en vehículos autónomos.
Transferencia estructurada en clústeres con fuentes heterogéneas
Optimiza el transfer learning agrupando fuentes heterogéneas: Trans-GLMC mejora predicción de suicidio en hospitales.
La mano invisible de la física en modelos de difusión de video
Los modelos de difusión de video codifican la física internamente. Descubre cómo superan a métodos especializados en plausibilidad física.
Convergencia Rápida y Robusta de TD(0) con Aproximación Lineal
Descubre cómo TD(0) con aproximación lineal logra una convergencia rápida y robusta, con tasa óptima de 1/k y sin depender del menor autovalor. Ideal para aprendizaje por refuerzo.
IR3DE: Router Lineal para Grandes Modelos de Lenguaje
IR3DE: router lineal que selecciona el mejor modelo experto para cada prompt, logrando 98.4% de rendimiento sin reentrenamiento. Optimiza tus inferencias.
¿Qué tan abundantes son los buenos interpoladores?
Descubre cómo la mayoría de los interpoladores lineales tienen un rendimiento similar, y por qué algunos métodos superan al resto en inteligencia artificial.
EVILL: exploración eficaz en bandidos con perturbación lineal
Descubre EVILL, un revolucionario método de exploración para bandidos estocásticos. A diferencia de PHE, usa perturbaciones lineales en la pérdida para lograr mejores resultados. Ideal para IA.
Poliedros de descomposición de funciones lineales por partes
Exploramos cómo descomponer funciones lineales por partes en diferencia de convexas, minimizando piezas. Aplicaciones en optimización y redes neuronales.
Aprendizaje para optimizar con garantías: algoritmos lineales convergentes
Descubre cómo mejorar el rendimiento promedio de algoritmos de optimización manteniendo garantías de convergencia lineal. Aplicaciones en IA y control predictivo.
Descifrando dos relojes de entrenamiento en Grokking
Cómo el fenómeno Grokking separa el ajuste de datos de la simplificación de representaciones con dos relojes de entrenamiento. Teoría de redes lineales y ReLU.
Inversión óptima de matrices con multiplicación para atención lineal cuantizada
Aceleración 5x en atención lineal en NPU con inversión de matrices solo multiplicación, reduciendo 20% sobrecarga sin perder precisión.
Cálculo eficiente de curvatura media en variedades de datos de alta dimensión
Descubre cómo calcular la curvatura media en datos de alta dimensión con un método que reduce el costo computacional hasta 300 veces, manteniendo precisión. Ideal para ML.
Algoritmo Hvala: Publicación y Análisis de Rendimiento
El algoritmo Hvala (v0.1.2) logra ratio 1.192 en tiempo lineal. Su límite inferior desafía la conjetura P≠NP. Entra para conocer los detalles.
Tomografía por diseño: enfoque algebraico para estados cuánticos de bajo rango
Nuevo algoritmo algebraico para tomografía de estados cuánticos de bajo rango, usando observables. Eficiente y con garantías deterministas.
Aprendizaje de modelos de orden reducido afín al control mediante autoencoders
Descubre cómo los autoencoders permiten crear modelos de orden reducido afines al control, mejorando la predicción y el control de sistemas complejos. ¡Lee más!
Cuándo y por qué funciona la exploración aleatoria en bandidos lineales
Exploración aleatoria (Thompson sampling) logra arrepentimiento óptimo en bandidos lineales con espacios convexos. ¡Un avance clave!