MaskForge: Ataques Adaptativos con Estructura para Jailbreak de LLMs de Difusión
Aprende cómo MaskForge, un ataque adaptativo de caja negra, alcanza un 79.3% de éxito en jailbreak de dLLMs mediante patrones estructurales dinámicos.
#modelos de difusión
Revelación de tokens de apoyo para decodificación rápida en modelos de difusión
Descubre AXON, un módulo que mejora la decodificación en modelos de difusión al revelar tokens de apoyo, reduciendo pasos y manteniendo precisión. Optimiza el equilibrio entre calidad y latencia.
CaloTrilogy: Avance en simulación de calorímetros con IA
Descubre CaloTrilogy: un marco unificado de IA que genera simulaciones de calorímetros en uno o pocos pasos, compitiendo con Geant4 en calidad y velocidad.
Modelos de difusión sin entrenamiento para una sola imagen
Generación de imágenes de alta calidad sin entrenamiento con modelos de difusión basados en parches. Logra resultados de vanguardia en segundos para megapíxeles y minutos para gigapíxeles.
D^2SD: Decodificación especulativa acelerada con difusión dual
Descubre cómo D^2SD acelera la inferencia de modelos de lenguaje usando dos difusores para generar y verificar tokens en paralelo, mejorando la eficiencia.
Marca de agua global con bocetos para modelos de lenguaje de difusión
Descubre cómo el watermarking global basado en bocetos protege textos generados por IA sin depender del contexto local, mejorando robustez y detección.
Personalización versátil e incremental de conceptos en IA
Descubre cómo el nuevo CCDM permite personalizar modelos de difusión sin olvidar conceptos previos, mejorando la coherencia en la síntesis multi-concepto.
Acelerando Modelos Generativos Electroestáticos con IPFM
IPFM acelera modelos electroestáticos con destilación inversa. Logra calidad de profesor en pocas evaluaciones. ¡Optimiza la generación de imágenes!
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.
Generación escalable de expresión génica unicelular con difusión latente
Explora scLDM: un modelo de difusión latente que genera expresión génica unicelular escalable con atención cruzada. Ideal para clasificación celular.
La codicia es buena: perspectiva unificadora de generación guiada
Descubre cómo la perspectiva codiciosa unifica dos técnicas de guía en generación. Ahorra cómputo sin perder precisión. Ideal para modelos de difusión.
Planificar, Verificar y Completar: Decodificación Paralela en Modelos de Difusión
Descubre PVF, un nuevo método de decodificación paralela para modelos de difusión que reduce hasta un 65% las evaluaciones de función sin perder precisión.
Modelos de difusión con información física en espacio espectral
Descubre cómo los modelos de difusión en espacio espectral integran leyes físicas para resolver PDEs con eficiencia y precisión. Ideal para ingeniería y ciencia.
RMPrior: priors de propagación y difusión para mapas de radio eficientes
Descubre RMPrior: acelera 2x la construcción de mapas de radio combinando priors de propagación y difusión, mejorando precisión y eficiencia. ¡Lee más!
RMPrior: Priors de propagación y refinamiento por difusión en mapas de radio
Aprende cómo RMPrior combina priors de propagación y difusión para crear mapas de radio 2x más rápido con mejor precisión.
Composición LoRA multiconcepto sin entrenamiento con ponderación por prompt
Aprende a combinar LoRAs sin entrenamiento con ponderación por prompt para lograr composiciones de múltiples conceptos con alta fidelidad.
Aproximación cuantitativa para destilación de flujo en difusión
Nuevo marco de aproximación cuantitativa mejora la destilación de flujo en difusión, reduciendo errores hasta 51.9% con particiones no uniformes.
Refinamiento iterativo espectral-desacoplado para predicción de precipitaciones
Descubre SDIR: elimina desenfoque y alucinaciones en nowcasting con refinamiento espectral-desacoplado. Alta precisión y fidelidad.
Guía por recompensa en modelos de flujo y difusión: ¿realmente inclinamos?
El reward hacking en difusión proviene de la estimación finita de la función h. Proponemos una corrección sin costo y aclaramos el best-of-n.
Fast-dLLM++: Perfil Fréchet para Inferencia más Rápida de LLM Difusión
Fast-dLLM++ acelera inferencia de LLM difusivos sin modificar modelo, aprovechando confianza heterogénea para lograr 37% más rendimiento sin perder precisión.