Benchmark para detección acústica distribuida con OTDR y Sagnac
Nuevo marco de evaluación para detección acústica distribuida (DAS) con OTDR y asistencia Sagnac. Modelo de fusión dual alcanza 89.79% de precisión. Código abierto disponible.
#metro
Cribado factorial escalonado para micro-pretrain con presupuesto limitado
Descubre cómo el cribado factorial escalonado identifica penalizaciones altas en micro-pretrain con presupuesto limitado. Ahorra costos de GPU con una metodología centrada en modelos puente.
Detección de eventos para dependencias parámetro-KPI en AI-RAN
Detección de eventos en telemetría de AI-RAN para aprender dependencias parámetro-KPI. Calibración de umbrales clave.
Avances en procesos puntuales temporales: enfoques Bayesianos, neuronales y LLM
Descubre cómo procesos puntuales temporales integran modelos Bayesianos, deep learning y LLMs para analizar eventos. Revisión de técnicas actuales.
GenFT: Ajuste fino generativo y eficiente en parámetros
Descubre GenFT, un método generativo de ajuste fino que extrae patrones de pesos preentrenados para mejorar modelos en NLP y visión. ¡Optimiza tu modelo!
Estimación semiparamétrica eficiente con modelos de caja negra
Descubre cómo eliminar sesgos en modelos de caja negra para una estimación semiparamétrica más precisa. Nuevo método que supera al Double Machine Learning clásico.
Estimación del parámetro subgaussiano
Nuevo estimador consistente para el parámetro subgaussiano. Tasas de convergencia óptimas y aplicación en enriquecimiento GO. ¡Mejora tus pruebas de permutación!
Priors TV-ℓp generalizados para mapeo T1 bayesiano
Priors TV-ℓp generalizados mejoran la cuantificación de incertidumbre en mapeo T1 bayesiano, reduciendo sesgo y varianza para imágenes más fiables.
Criticalidad generativa en el escalado de temperatura de LLMs
¿Qué ocurre al variar la temperatura en modelos de lenguaje? Un estudio revela una transición de fase con picos de susceptibilidad y cambios en los embeddings. Clave para generación de texto.
NVIDIA Nemotron 3 Ultra: modelo MoE de 550B para agentes de larga duración
Descubre Nemotron 3 Ultra de NVIDIA, un modelo MoE de 550B con arquitectura híbrida Mamba-Transformer. Ofrece hasta 6x más rendimiento, 1M de tokens de contexto
Aprendizaje de características en Gated Delta Networks a escala
Descubre cómo las Gated Delta Networks logran transferencia estable y eficiente de tasa de aprendizaje al escalar con nuevas reglas de parametrización.
Miso Labs lanza MisoTTS: modelo TTS emotivo de 8B pesos abiertos
Descubre MisoTTS, el modelo de voz expresiva de 8B parámetros con pesos abiertos. Genera habla natural a partir de texto y audio contexto. ¡Lee más!
Expansión justa de metro con aprendizaje por refuerzo tabular
Descubre cómo el aprendizaje por refuerzo tabular expande redes de metro de forma justa y eficiente, reduciendo emisiones y costes frente al deep RL.
Importancia de Hiperparámetros en Espacios Condicionales con CondPED-ANOVA
Descubre cómo CondPED-ANOVA estima la importancia de hiperparámetros en espacios condicionales. Ideal para optimizar modelos de IA.
CaloTrilogy: Avance en simulación de calorímetros con IA
Descubre CaloTrilogy: un marco unificado de IA que genera simulaciones de calorímetros en uno o pocos pasos, compitiendo con Geant4 en calidad y velocidad.
Defensa generalizada contra ataques a parámetros en DNN
Descubre ParDef, una defensa generalizada que protege redes profundas contra ataques a parámetros dispersos, continuos y estructurados sin perder rendimiento.
Regresión simbólica en expresiones compartidas: intercambio parcial parámetros
Descubre cómo el intercambio parcial de parámetros en regresión simbólica optimiza expresiones y reduce la necesidad de datos.
El poder expresivo de las redes equivariantes en el espacio de pesos
Descubre cómo las redes equivariantes a permutaciones pueden mejorar hasta un 34% el rendimiento en tareas de aprendizaje de pesos. Un análisis teórico completo
ALMAB-DC: Aprendizaje Activo y Bandidos para Optimización Secuencial
ALMAB-DC: optimiza experimentos costosos con aprendizaje activo y bandidos. Acelera hasta 7.5x y supera benchmarks (93.4% en CIFAR-10).
Entrenamiento condicionado por camino para reescalar redes ReLU
Descubre cómo entrenamiento condicionado por camino reescala redes ReLU para acelerar aprendizaje. Enfoque geométrico optimiza kernels y mejora inicialización.