ThoughtFold: Plegado de Cadenas de Razonamiento con Aprendizaje Introspectivo
Descubre ThoughtFold, un framework que elimina exploraciones redundantes en modelos de razonamiento, reduciendo tokens hasta un 56% sin perder precisión.
#lora
Calificación automática de C++ con BART y rúbricas
Descubre cómo mejora la calificación automática de tareas C++ con BART y rúbricas: menor error y distribuciones de notas más realistas.
ReLoRA: Adaptación rápida reutilizando conocimiento para servicios LLM
ReLoRA acelera la reutilización de adaptadores LoRA para servicios LLM en evolución, reduciendo tiempos de preparación hasta 8.9x y mejorando precisión un 4.6%.
Margin Play: sistema multiagente para análisis de políticas en el Margen Ecuatorial Brasileño
Descubre cómo Margin Play usa MARL para analizar políticas públicas en el Margen Ecuatorial Brasileño y su impacto en el bienestar de Maranhão.
El exceso de sim2real puede perjudicar el aprendizaje de políticas: cómo evitarlo
¿Demasiado sim2real? Aprende cómo el nuevo paradigma sim2sim2real evita el bloqueo del simulador y mejora la exploración de políticas.
Machine learning causal para efectos ambientales en viviendas
Descubre cómo los modelos de machine learning causal superan a la regresión tradicional para medir el impacto de mejoras ambientales en el precio de viviendas, según simulación Monte Carlo.
Optimización con herramientas y entropía para RL agente eficiente
Descubre TAO-RL, el nuevo marco que combina filtrado de trayectorias con exploración guiada por entropía para optimizar el razonamiento de LLMs con herramientas. Mejora la eficiencia y precisión.
El primer día del agente: Evaluando aprendizaje, exploración y planificación
Descubre EvoEnv, el nuevo benchmark que evalúa a los agentes IA en entornos laborales dinámicos: planificación, exploración y aprendizaje continuo.
Este sitio me hizo redescubrir la radio por internet
Descubre Radio Garden: un globo 3D con estaciones de radio en vivo de todo el mundo. Escucha música, deportes y charlas locales. Viaja sin moverte.
Múltiples opciones en modelos de lenguaje con adaptadores de bajo rango
Descubre cómo LoRA-MCL genera múltiples continuaciones de texto diversas y relevantes usando adaptadores de bajo rango. Ideal para subtitulado y traducción.
Compress then Merge: cómo fusionar LoRAs en un único adaptador
Descubre cómo fusionar múltiples LoRAs en un solo adaptador de bajo rango con Compress-then-Merge, mejorando eficiencia y rendimiento sin perder estructura.
Razonamiento Algorítmico Neuronal Contrastivo para Coloreado de Grafos
Descubre cómo el aprendizaje contrastivo permite a las GNN colorear grafos minimizando conflictos, superando métodos greedy. Resultados en grafos reales.
Inferencia adaptativa en precios secuenciales con recursos limitados
Aprende cómo la inferencia adaptativa con recursos limitados mejora la fijación de precios secuenciales. Identificación local y corrección de sesgo para decisiones precisas.
Composición LoRA multiconcepto sin entrenamiento con ponderación por prompt
Aprende a combinar LoRAs sin entrenamiento con ponderación por prompt para lograr composiciones de múltiples conceptos con alta fidelidad.
DiffUNet²: predicción bidireccional y generación probabilística para datos científicos
Descubre DiffUNet², un modelo de difusión bidireccional que genera múltiples escenarios científicos y permite exploración visual interactiva de hipótesis.
Ajuste fino de LFM2 con QLoRA y DPO: Tutorial en Google Colab
Aprende a hacer fine-tuning del modelo LFM2 con QLoRA y DPO en Google Colab. Tutorial paso a paso con código abierto. ¡Mejora tu IA!
Aprendizaje de refuerzo con incertidumbre y asesoría temporal para autónomos
Descubre cómo el aprendizaje por refuerzo con asesoría experta y control de incertidumbre mejora la seguridad en la conducción autónoma. Resultados en CARLA.
Backpropagación Estructurada Eficiente en Memoria para Ajuste Fino de LLM
Descubre MeSP: reduce un 49% la memoria al ajustar LLMs en dispositivos, con gradientes exactos. Ideal para entrenamiento privado.
Kernels cuánticos: más allá de los valores escalares para aprovechar su potencial
Descubre por qué los kernels cuánticos escalares limitan el potencial de la IA cuántica y cómo los kernels operador-valorados pueden revolucionar el aprendizaje estructurado.
Ptychografía ciega a la posición: viabilidad con inferencia variacional
Descubre cómo la inferencia variacional con modelos de difusión permite reconstruir imágenes en ptychografía ciega a la posición, incluso con ruido. Resultados prometedores.