UniPool: Un Grupo de Expertos Compartido Globalmente para Mezcla de Expertos
UniPool es un grupo global de expertos compartido para la mezcla de expertos (MoE). Optimiza tus modelos con esta arquitectura colaborativa.
#mode
Cuando no existe un punto de referencia: Validación de la puntuación comparativa de seguridad de LLM sin etiquetas de verdad absoluta
Validación de puntuaciones de seguridad en LLM sin etiquetas de referencia. Aprende cómo validar la seguridad de modelos de lenguaje sin necesidad de datos etiquetados.
Consistencia Optimizador-Modelo: El ajuste fino completo con el mismo optimizador que el preentrenamiento olvida menos
La consistencia optimizador-modelo reduce el olvido al usar el mismo optimizador en el ajuste fino completo. Descubre cómo mejorar tu fine-tuning.
Juegos para el control de la IA: Modelos de evaluaciones de seguridad de los protocolos de despliegue de la IA
Aprende cómo los juegos para el control de IA optimizan las evaluaciones de seguridad en protocolos de despliegue. Un enfoque innovador para garantizar un despliegue seguro y responsable.
ActCam: Control conjunto de cámara y movimiento 3D de cero disparos para generación de video
<meta name=description content=ActCam permite control conjunto de cámara y movimiento 3D sin entrenamiento para generar video realista. Ideal para creadores y animadores.>
SynBench: Un benchmark para la generación de texto con privacidad diferencial
<meta name=description content=SynBench es un benchmark para evaluar generación de texto con privacidad diferencial. Conoce sus métricas y aplicaciones clave.>
Juegos para el control de la IA: Modelos de evaluaciones de seguridad de los protocolos de implementación de IA
Descubre los juegos de control de IA y los modelos de seguridad para protocolos de implementación. Claves para sistemas AI seguros y eficientes.
CompassLLM: Un enfoque multiagente hacia el razonamiento geoespacial para consulta de rutas populares
CompassLLM: sistema multiagente con razonamiento geoespacial para optimizar rutas populares. Descubre cómo funciona y sus ventajas.
La autoconsistencia está perdiendo su ventaja: rendimientos decrecientes y costos crecientes en los LLM modernos
Autoconsistencia en LLM: rendimientos decrecientes y costos crecientes. Análisis de las implicaciones para modelos de lenguaje grandes.
Alineación flexible de agentes con inferencia de objetivos a partir de diálogos abiertos
Inferencia de objetivos desde diálogos abiertos para alinear agentes. Descubre cómo extraer intenciones humanas mediante conversaciones naturales y mejorar la alineación ética de sistemas autónomos.
SpatialBench: Evaluación comparativa de Grandes Modelos de Lenguaje Multimodales para la Cognición Espacial
SpatialBench: benchmark para evaluar modelos multimodales grandes (LMMs) en cognición espacial. Mide razonamiento espacial y comprensión visual.
ProAgent: Aprovechando contextos sensoriales bajo demanda para sistemas de agentes proactivos de LLM en entornos reales
<meta content=ProAgent ofrece contextos sensoriales bajo demanda para agentes LLM proactivos, mejorando su autonomía y capacidad de respuesta inteligente name=description>
Pensamiento lento emergente en LLMs como congelación inversa de árboles
Explora la metáfora de la congelación inversa de árboles para entender el pensamiento lento en LLMs. Una perspectiva innovadora sobre razonamiento en inteligencia artificial.
Acelerando la optimización de diseño de instalaciones discretas: Una arquitectura híbrida de CDCL y CP-SAT
<meta name=description content=Acelera el diseño de instalaciones discretas con CDCL y CP-SAT. Optimiza procesos y reduce tiempos de desarrollo.>
La autoconsistencia está perdiendo su ventaja: rendimientos decrecientes y costos crecientes en los LLMs modernos
<meta name=description content=Autoconsistencia en LLMs: rendimientos decrecientes y costos crecientes. Descubre su impacto en eficiencia y recursos.>
Optimización de Políticas Owen-Shapley: Un Algoritmo de Aprendizaje por Refuerzo con Principios para LLMs de Búsqueda Generativa
Descubre el algoritmo Owen-Shapley de aprendizaje por refuerzo para LLMs de búsqueda generativa. Optimiza relevancia y eficiencia.
SpatialBench: Evaluación de modelos de lenguaje grandes multimodales para la cognición espacial
<meta name=description content=SpatialBench: Evaluando LLMs multimodales en cognición espacial. Descubre cómo este benchmark mide la percepción y razonamiento espacial en modelos de IA.>
Razonamiento de series temporales mediante síntesis de datos de pensamiento verificable por procesos y programación para razonamiento LLM personalizado
<meta name=description content=Razonamiento de series temporales con síntesis de datos de pensamiento verificable para LLM personalizado. Optimiza modelos de lenguaje con análisis temporal preciso.>
Solucionadores generativos latentes para simulación física generalizable a largo plazo
Simulación física a largo plazo con solucionadores generativos latentes. Método eficiente y escalable para modelar dinámicas complejas con precisión.
Optimización de Políticas Owen-Shapley: Un Algoritmo de RL Basado en Principios para LLMs de Búsqueda Generativa
Optimización Owen-Shapley con RL para búsqueda generativa en LLMs. Técnica avanzada que mejora la relevancia de los resultados.