Construyendo Mejores Oráculos de Activación
Descubre cómo mejoramos los Oráculos de Activación: reducimos alucinaciones y vaguedad. Presentamos AObrench, el primer conjunto de evaluación completo.
#modelo
Samudra 2: Escalando emuladores oceánicos en resoluciones
Samudra 2: emulador oceánico neural que escala resoluciones para proyecciones climáticas precisas. Ejecuta en una GPU, reduce errores y captura remolinos.
FSA-GRPO: Cómo entrenar LLMs auditivos con pocos ejemplos
Descubre cómo FSA-GRPO entrena modelos auditivos con aprendizaje por refuerzo para mejorar el reconocimiento de voz usando pocos ejemplos.
Modelos oscilatorios de espacio de estados como sesgos inductivos para PINNs
Optimiza la solución de EDP con modelos oscilatorios: mayor precisión, menor memoria. ¡Descubre cómo!
Mejorando predicción de PPIs con embeddings multimodales jerárquicos de motivos
Aprende sobre MMM-PPI, un innovador modelo que integra secuencia, estructura y función para predecir interacciones proteína-proteína con precisión superior.
En ciencia, prioriza identificar estructuras, no modelos complejos
¿Modelos complejos o estructuras? En IA, prioriza la identificación de estructuras para descubrimiento científico. Entiende la subdeterminación.
Psicometría en SLMs: artefactos de prompt, no constructos psicológicos
Descubre por qué los SLMs miden artefactos de prompt, no rasgos psicológicos. Un estudio revela cómo los sesgos de cumplimiento dominan las evaluaciones.
P²-DPO: Calibración de preferencias contra alucinaciones en visión-lenguaje
Descubre cómo P²-DPO reduce alucinaciones en modelos de visión-lenguaje mediante calibración de preferencias, superando métodos con retroalimentación humana.
Ataques de extracción de modelos de IA: evadiendo supuestos de cliente único
Descubre cómo ataques de extracción de modelos de IA burlan defensas basadas en supuesto de un solo cliente. Conoce CerberusAI y vulnerabilidades.
Guía local, impacto global: Región de confianza gaussiana
GTR: región de confianza Gaussiana para transiciones de comportamiento en aprendizaje por refuerzo no estacionario. Ideal para juegos, robótica y más.
Calibración sin entrenamiento para MoE: evitando ruptura de enrutamiento
Descubre cómo HARC corrige la ruptura de enrutamiento en MoE fusionados sin entrenamiento, usando curvatura hessiana. Ideal para razonamiento y código.
Evidencia causal de representaciones de pila en modelos de contadores con transformers
Estudio revela que representaciones de pila en transformers son causalmente necesarias para lenguajes contadores. Evidencia empírica crucial.
PrimeSVT: Poda Automática con Memoria para Transformers de Visión Spiking
Descubre cómo PrimeSVT automatiza la poda de Transformers de Visión Spiking, reduciendo memoria un 26.68% con mínima pérdida de precisión. Optimiza tus modelos.
Tu modelo autorregresivo ya revela el grafo causal
Descubre cómo TRACE utiliza modelos autorregresivos para revelar el grafo causal a partir de secuencias de eventos, superando métodos tradicionales en escalabilidad y precisión.
Self-Soupervision: Cocinar sopas de modelos sin etiquetas
Descubre cómo Self-Soupervision crea sopas de modelos sin etiquetas, mejorando robustez un +3.5% en ImageNet-C y +7% en LAION-C. ¡Optimiza tus modelos!
Representaciones Laplacianas para Planificación en Tiempo de Decisión
Descubre cómo las representaciones Laplacianas mejoran la planificación en tiempo de decisión en RL, descomponiendo problemas complejos en subobjetivos. El algo
Equilibrio entre simetría y eficiencia en modelos de flujo de grafos
Acelera el entrenamiento de modelos generativos de grafos relajando la equivarianza. Aprende cómo la modulación de simetría reduce el sobreajuste y alcanza mejo
¿Por qué las RNN lineales son más paralelizables?
Las RNN lineales ofrecen un equilibrio óptimo entre paralelización y expresividad. Descubre por qué superan a las RNN no lineales en eficiencia y su impacto en modelos de lenguaje avanzados.
WaterSIC: Cuantización lineal casi óptima (teoría de la información)
WaterSIC: algoritmo de cuantización casi óptimo que supera a GPTQ. Nuevo récord en LLMs Llama y Qwen para 1-4 bits. ¡Mejora la eficiencia!
Inicializaciones de ataques jailbreak como extractores de cumplimiento
Descubre cómo las inicializaciones de ataques jailbreak extraen direcciones de cumplimiento en LLMs seguros, aumentando la tasa de éxito y reduciendo costos computacionales.