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!
#modelo
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.
Investigación profunda auto-evolutiva mediante generación y evaluación conjunta
Aprende cómo el marco SCORE mejora informes de investigación mediante la co-evolución de generación y evaluación, superando recompensas fijas.
GeoMin: Modelado Geométrico para RLVR Semi-Supervisado Eficiente
GeoMin optimiza RLVR semi-supervisado usando modelado geométrico. Logra +4.1% sobre los mejores y supera la supervisión completa con solo el 10% de datos etiquetados.
Anclajes de Relleno Dinámico para Generación con Formato Restringido
Los Anclajes de Relleno Dinámico (DIA) optimizan la generación con formato restringido, logrando avances zero-shot en GSM8K y MATH.
Replay de experiencia a nivel de rollout para GRPO
Descubre cómo el nuevo método de replay priorizado por ventaja mejora la eficiencia muestral en GRPO para LLMs, logrando +4.35% en benchmarks.
Multi-SPIN: inferencia especulativa multiacceso para generación cooperativa de tokens en el borde
Multi-SPIN acelera la generación de tokens combinando modelos pequeños en dispositivos con LLM en servidores edge. Mejora el goodput hasta un 88%.
Personalidades sintéticas: precisión de LLMs con microdatos
Estudio evalúa gemelos digitales basados en LLMs y microdatos. La calidad mejora con profundidad de información, alcanzando 78.8% de precisión en respuestas.
QuBLAST: Cuantización con Compresión por Bloques y Escalado de Activaciones
Descubre QuBLAST, un framework que reduce el tamaño de LLMs hasta un 45% mediante cuantización por bloques y escalado de activaciones, sin perder rendimiento.
Mejora de MedSAM con predictor de cajas ligero para segmentación médica
Aumenta la precisión de segmentación médica con predictor de cajas ligero integrado en MedSAM. Resultados: Dice 0.89-0.98 en múltiples modalidades.
Revisitando Vul-RAG: Detección de vulnerabilidades RAG con modelos abiertos
Descubre los resultados de la reproducibilidad de Vul-RAG: un estudio sobre detección de vulnerabilidades con RAG y modelos open-weight. ¿Realmente mejoran?
Archi: Operaciones Agentivas en el Experimento CMS
Archi: marco de agentes de IA para el CMS del CERN. Integra documentación, datos históricos y monitoreo en vivo para apoyar a operadores técnicos.
Direccionamiento de activaciones en modelos de video con control óptimo reducido
Aprende cómo el método LA-LQR dirige modelos de video reduciendo contenido dañino sin perder calidad. Control óptimo lineal de orden reducido.
NoRA: Evaluación de razonamiento normativo visual en primera persona
Descubre NoRA, el benchmark que evalúa si los modelos de IA pueden justificar acciones razonables en video en primera persona. Un paso hacia una IA más segura.
Aprendiendo mientras actúan: co-evolución para agentes de aprendizaje continuo
Descubre LifeSkill, un marco de co-evolución que mejora habilidades en agentes de IA durante la inferencia. Aumenta un 7% el rendimiento en tareas largas.
DiverAge: Envejecimiento Facial Fiable con Guía de Identidad entre Edades
DiverAge: envejecimiento facial fiable y pluralista con guía de identidad entre edades. Preserva la identidad, genera diversidad. Ideal para biometría y forense.
Destilación Geométrica para Ajuste de Prompts en Modelos Biomédicos
Descubre cómo OGKD mejora la precisión en modelos médicos al respetar relaciones entre clases. Resultados superiores en 11 datasets.
SharedRequest: Inferencia Privada y Agnóstica para Modelos de Lenguaje
SharedRequest protege la privacidad de tus consultas en LLMs sin afectar rendimiento. Mejora utilidad 20% y reduce costos 5x. ¡Descúbrelo!