Modelos Autorregresivos Lineales de Dos Capas Estiman Estados Latentes
Descubre cómo los modelos autorregresivos de dos capas estiman estados latentes imitando el filtrado de Kalman. Con resultados teóricos.
#mode
AfriSUD: Treebanks para evaluar modelos en lenguas africanas
Descubre AfriSUD, la primera colección de treebanks sintácticos para 9 lenguas africanas. Evalúa modelos NLP y descubre la brecha sintáctica.
MPC Agentivo para la Resíntesis Semántica de Control
Descubre el MPC agentivo que integra LLMs para adaptar el control semántico en vehículos autónomos, respondiendo a normas sociales y preferencias del usuario.
Localizando vías de anclaje en modelos de lenguaje
Localización de circuitos de anclaje en modelos de lenguaje. Un estudio de Qwen y Llama revela cómo las señales de sesgo se transmiten internamente.
OCOO-T: Modelo Celular Virtual para Predicción de Respuestas Transcripcionales
OCOO-T: modelo de célula virtual minimalista que predice respuestas transcripcionales a perturbaciones con alta precisión y escalabilidad.
TimeROME-DLM: Edición de conocimiento en inferencia sin entrenamiento
TimeROME-DLM permite editar conocimiento en modelos de difusión enmascarados sin reentrenar. Rápido, sin VRAM extra, escala a 400 hechos. ¡Conócelo!
Más allá de resolver: UOJ-Bench para evaluar generación, hacking y reparación
UOJ-Bench evalúa LLMs en programación competitiva: generación, hacking y reparación. En una prueba, fallan en detectar >50% errores; con escalado superan >90%.
Superando el aislamiento modal en el pensamiento intercalado
Aislamiento modal en razonamiento intercalado reduce coherencia. MoTiF supervisa transiciones con refuerzo paso a paso para mejorar precisión en tareas.
GRASP: agarre robótico con lenguaje natural y planificación neuro-simbólica
GRASP combina visión-lenguaje y planificación neuro-simbólica para agarre robótico con lenguaje natural. 73.3% de éxito sin entrenamiento. ¡Descúbrelo!
El orden no es control
Descubre por qué el orden no implica control en sistemas complejos: evidencia experimental en IA, biología y modelos de lenguaje que redefine la alineación.
Fingerprinting eficiente, robusto y anticolusión en modelos de difusión de imágenes
Descubre cómo proteger tus modelos de difusión de imágenes con una nueva técnica de fingerprinting robusta contra ataques de colusión. Precisión superior al 99.5% y alta fidelidad.
Modelo de Acción-Mundo con Diffusion Transformer para Predicción AV
Un modelo Diffusion Transformer predice escenas de conducción con 4.8x mejor KID que la regresión, permitiendo simulaciones realistas y control de acciones.
scLLM-DSC: Clustering multimodal con LLM para ARN-seq unicelular
scLLM-DSC: un novedoso marco de clustering multimodal que aprovecha grandes modelos de lenguaje para mejorar la precisión en el análisis de células individuales.
CausalMoE: modelo fundacional multimodal para causalidad de Granger
CausalMoE, un modelo multimodal, revoluciona la detección causal de Granger usando expertos heterogéneos y patrones temporales, integrando LLMs y VLMs.
TetherCache: estabiliza video largo autorregresivo
TetherCache: estabiliza la generación de video largo autorregresivo sin entrenamiento, reduciendo deriva temporal y artefactos.
CausalMoE: Modelo fundacional multimodal para causalidad Granger
Descubre CausalMoE, el primer modelo fundacional multimodal que integra LLMs y VLMs para descubrimiento causal Granger preciso en series temporales complejas.
TetherCache: Estabilizando la generación de video largo con memoria y alineación
Descubre cómo TetherCache estabiliza la generación de video largo con un sistema de caché inteligente, reduciendo deriva y mejorando la calidad hasta 240 segundos.
EA-WM: Modelos Mundiales Conscientes de Eventos para Largo Plazo
Descubre cómo EA-WM integra verificación de eventos en modelos del mundo para una manipulación robótica más precisa y segura en tareas de largo horizonte.
EA-WM: Modelos del mundo conscientes de eventos para manipulación a largo plazo
EA-WM verifica eventos en modelos de mundo para manipulación robótica a largo plazo. Mejora planificación y control con predicciones interpretables.
TWLA: Cuantización post-entrenamiento pesos ternarios y activaciones de bajo bit
Descubre cómo TWLA, mediante cuantización post-entrenamiento, reduce el tamaño y acelera la inferencia de LLMs usando pesos ternarios y activaciones de 4 bits.