Imputación selectiva con difusión consciente de incertidumbre
Diff-Joint identifica cuándo no imputar datos faltantes con ausencias significativas. Mejora modelos de análisis usando difusión consciente de incertidumbre.
#modelo
Identificando Gemas del Telescopio Romano con RAPID
Descubre cómo el modelo RuBR del pipeline RAPID identifica transitorios genuinos en el telescopio Roman, preparándose para el lanzamiento en 2026.
Expectativas vs Realidades: Predicción Óptima MSE bajo Incertidumbre
Pequeñas relajaciones en MSE (≤5%) logran mejoras de hasta 30% en realismo marginal en pronósticos a largo plazo. Descubre el trade-off precisión-realismo.
STRIDE: Atribución de datos de entrenamiento con recuperación dispersa
Descubre STRIDE, un nuevo método que atribuye predicciones de LLM a datos de entrenamiento mediante recuperación dispersa, logrando 13 veces más rapidez que métodos anteriores.
PointAction: Puntos 3D como representaciones universales de acciones para robots
PointAction transforma videos en acciones robóticas precisas usando puntos 3D dinámicos. Descubre cómo este marco reduce la ambigüedad y generaliza entre tareas y robots.
MorphoQuant: Cuantización Consciente de la Modalidad para LLMs Omni-Modales
Descubre MorphoQuant, un marco de cuantización que mantiene la precisión en modelos omni-modales con solo 4 bits, superando a modelos de 16 bits en ScienceQA.
Arranques en caliente para iteración de potencia alternante en PCA de tensores
Descubre cómo los arranques en caliente aceleran la convergencia en PCA de tensores. Teoría local y aplicación.
DSIRM: Aprendizaje de Identificadores Semánticos para Relevancia en E-commerce
DSIRM mejora la relevancia en búsqueda de e-commerce con identificadores semánticos discretos y cuantización contrastiva, logrando +1.54% AUC y +0.13% UCTR.
De lo simbólico a lo geométrico: razonamiento espacial en LLMs
Descubre cómo el nuevo SLM integra representaciones geométricas para lograr razonamiento espacial real en LLMs, superando métodos simbólicos tradicionales.
Influencia encubierta entre modelos de lenguaje
Descubre cómo los modelos de lenguaje pueden influirse entre sí de forma encubierta, propagando comportamientos sin dejar rastros visibles. Analizamos interfaces y mitigaciones.
Modelo ensamblado de factores latentes con evolución diferencial y gradiente
El modelo ELFM-DEGDO combina evolución diferencial y gradiente descendente para mejorar representación de datos HDI, superando sesgos de optimización.
Escala de datos, complejidad y modalidades en generalización visual
Aprende cómo escala de datos, complejidad y modalidades afectan la generalización visual en IA. Resultados clave de un estudio empírico.
LoopMoE: Unificando Iteración y Mezcla de Expertos en Lenguaje
Descubre cómo LoopMoE integra computación iterativa con Mezcla de Expertos para superar a modelos tradicionales en benchmarks de lenguaje. ¡Mejora de rendimiento a escalas de 3B y 9B!
MemoryDocDataSet: benchmark de memoria conversacional y razonamiento en documentos largos
Descubre MemoryDocDataSet: un benchmark que desafía a la IA a combinar memoria conversacional y razonamiento en documentos largos. ¿Tu modelo supera la brecha?
Rankings de tokens: firmas de modelos de lenguaje infalsificables
Los rankings de tokens son firmas infalsificables para modelos de lenguaje. Protegen la propiedad intelectual sin exponer parámetros.
ParetoPilot: Optimización multiobjetivo offline sin sustituto
Descubre ParetoPilot: innovador marco de difusión sin sustituto para optimización multiobjetivo offline. Mejora el frente de Pareto y preserva privacidad.
ChessMimic: Predicción de Movimientos, Tiempo y Resultados en Ajedrez Blitz
ChessMimic predice movimientos, tiempo y resultados en ajedrez blitz, superando a Maia-2 en todos los rangos Elo. ¡Demo online!
Evaluando la fidelidad del razonamiento en generación visual de texto
¿Los modelos de texto a imagen realmente razonan o solo imitan? Analizamos la fidelidad del razonamiento en generación visual de texto y sus fallos semánticos.
SFMambaNet: Frecuencia Espectral para Poda de Correspondencias
SFMambaNet integra frecuencia espectral y Mamba para poda de correspondencias, superando a métodos GNN con eficiencia lineal. ¡Descúbrelo!
Smart Picks en la oscuridad: RLVR eficiente con trazado metacognitivo
Descubre cómo PivotTrace logra un rendimiento casi total con solo el 29% de datos etiquetados y una convergencia 2.75 veces más rápida en RLVR.