Difusión temporal basada en desenredo de preferencias para recomendación generativa
TDPM: difusión temporal basada en desenredo de preferencias mejora la recomendación generativa un 29% en precisión. ¡Descúbrelo!
#modelos generativos
Reconstrucción inversa de ebullición con HB-ARFM
Descubre cómo HB-ARFM reconstruye campos de temperatura y velocidad en ebullición a partir de observaciones parciales, superando limitaciones Markovianas.
Aprendizaje Variacional para Generación Basada en Inserción
Descubre cómo el Proceso de Inserción (IP) aprende qué insertar, dónde y cuándo terminar, superando modelos de grid fijo. Ideal para planificación y generación molecular.
TabChange: Cambios Precisos de Atributos en Datos Tabulares
Descubre cómo TabChange logra cambios precisos en atributos de datos tabulares, manteniendo la naturalidad y minimizando modificaciones. Ideal para IA y análisis de datos.
Cerrar la brecha sim-real en semiconductores con binarización
Aprende cómo la binarización de entrada cierra la brecha sim-real en inspección de semiconductores, mejorando el coeficiente Dice un 20% sin datos reales.
Generación de fMRI con wavelet y flujo espectral para trastornos cerebrales
Descubre cómo el modelo DSFM genera fMRI realista usando transformada wavelet y flujo espectral para mejorar la identificación de trastornos cerebrales.
Fiabilidad Conformal: Nueva Métrica para Generación Condicional
Descubre la nueva métrica de fiabilidad conforme para evaluar modelos generativos. Aprende cómo CReL optimiza el peor caso en generación condicional.
Muestreo inicial con temple paralelo para alineación de recompensas en inferencia
PATHS: temple paralelo para muestreo inicial en alineación de recompensas. Evita modas locales y explora regiones raras de alta recompensa en modelos generativos.
Una visión unificada de los flujos Wasserstein generativos
Descubre cómo los flujos Wasserstein unifican GANs, MMD y modelos generativos con JKO. Una visión teórica para la optimización de distribuciones.
Modelos Generativos y Validación Estadística
Descubre cómo los modelos generativos modernos transforman la física y cómo medir su precisión, exactitud y potencia estadística.
Transporte Óptimo por Minibatch y Límites de Perplejidad en Flujo Discreto
Descubre cómo el transporte óptimo por minibatch reduce hasta 32 veces las transiciones en flujos discretos, mejorando la perplejidad sin perder diversidad.
Perspectiva de energía cinética del Flow Matching
Descubre cómo la energía cinética revela fidelidad semántica en modelos de flujo. El principio de Goldilocks y KTS optimizan la generación.
Optimización de flujo restringido: ajuste fino secuencial en diseño molecular
Descubre cómo el algoritmo CFO equilibra recompensa y restricciones en el diseño molecular mediante ajuste fino secuencial. Resultados prometedores.
Cuándo y cómo la curación humana resulta contraproducente: Alineación de preferencias bajo el bucle de autoconsumo multimodelo
Riesgo del bucle de autoconsumo multimodelo en alineación de preferencias y curación humana. Descubre sus implicaciones.
Conf-Gen: Cuantificación de Incertidumbre Conformal para Modelos Generativos
Explora la cuantificación de incertidumbre conformal en modelos generativos: mejora la fiabilidad, aprende métodos y aplicaciones clave.
GiPL: Pseudoetiquetado Iterativo Aumentado Generativo para la Detección de Objetos con Pocas Muestras en Dominios Cruzados
GiPL: Pseudoetiquetado iterativo generativo para detección con pocas muestras en dominios cruzados. Mejora la adaptación entre dominios con mínimos datos etiquetados.
El pequeño libro de los fundamentos de la IA generativa: Una introducción matemática intuitiva
Introducción intuitiva a las matemáticas de la IA generativa. Aprende los conceptos clave de forma sencilla y clara.
Modelos Generativos de Punto Medio
Descubre qué son los modelos generativos del punto medio, su funcionamiento y aplicaciones clave en inteligencia artificial y aprendizaje automático.
Leyes de escalamiento neuronal para la generación de jets
Descubre cómo las leyes de escalamiento neuronal optimizan la generación de jets en física de partículas. Un análisis clave para modelos de IA.
Enrutamiento mediante Alcanzamiento: Composición de GFlowNets Preentrenados para Generación Multiobjetivo
<meta name=description content=Descubre cómo la composición de GFlowNets por alcanzamiento permite la generación multiobjetivo eficiente y escalable, ideal para problemas complejos de optimización.>