TRACE: Estimación Temporal Condicional para Series Temporales Multimodales
TRACE: estimación condicional para series multimodales con datos faltantes. Mejora robustez en salud y análisis de sentimientos.
#muestreo
Descubrimiento y muestreo cuántico de eventos raros
Descubre cómo un algoritmo cuántico detecta y muestrea eventos raros con aceleración cuadrática, clave para prevenir crisis financieras y fallos en IA.
El Hamiltoniano de Score: Mapeando Modelos de Difusión al Transporte Adiabático
Descubre la correspondencia exacta entre modelos de difusión y transporte adiabático a través del Hamiltoniano de Score. Nuevos límites de muestreo.
Blade: Método de inversión bayesiana sin derivadas con priors de difusión
Blade: método de inversión bayesiana sin derivadas con priors de difusión. Obtén muestras calibradas en dinámica de fluidos. Ideal para IA y ciencia de datos.
Optimización de Política de Secuencia Suave
Descubre Soft Sequence Policy Optimization: un nuevo método off-policy que mejora la estabilidad y rendimiento en tareas de razonamiento y codificación para LLMs.
GIPO: Optimización de Políticas con Muestreo por Importancia Gaussiano
GIPO: optimización de políticas con muestreo por importancia truncado y pesos gaussianos logrando eficiencia y estabilidad superiores en RL post-entrenamiento.
Priors TV-ℓp generalizados para mapeo T1 bayesiano
Priors TV-ℓp generalizados mejoran la cuantificación de incertidumbre en mapeo T1 bayesiano, reduciendo sesgo y varianza para imágenes más fiables.
Muestreo de frontera adaptativo en aprendizaje continuo sin ejemplos
Descubre cómo el muestreo de frontera y el balance de clases adaptativo mejoran el aprendizaje continuo sin ejemplos.
Abordando el desbalance multi-etiqueta con sobremuestreo LSDMLO
Descubre LSDMLO, un novedoso método de sobremuestreo que mejora la clasificación multi-etiqueta al considerar la relevancia de características por etiqueta. Reduce sesgo y sobreajuste.
Tu GFlowNet aprende un plan de transporte óptimo en secreto
Investigación revela que los GFlowNets no acíclicos aprenden secretamente un plan de transporte óptimo en grafos usando flujos y redes neuronales. Descubre cómo optimizar el muestreo.
Muestreo de Rechazo Adaptativo Restringido
Descubre CARS, un método que mejora la eficiencia del muestreo de rechazo sin distorsionar la distribución, ideal para generación con restricciones en IA.
Muestreo Adaptativo Restringido por Rechazo (CARS)
Descubre CARS, un método que mejora el muestreo por rechazo en modelos de lenguaje para generar textos válidos y diversos sin distorsionar la distribución. Más eficiencia y calidad.
Condicionamiento del éxito: problema de optimización al imitar el éxito
El condicionamiento del éxito optimiza políticas imitando aciertos. Aprende la teoría y su aplicación en IA.
Alineación de LLMs en test-time con muestreo de importancia en pre-logits
AISP alinea LLMs en tiempo de prueba usando muestreo de importancia en pre-logits. Logra mayores recompensas que best-of-n sin fine-tuning.
ULD: Unificando eficiencia y representaciones en RL
ULD: algoritmo de RL que unifica eficiencia y representaciones sin sobrecarga de planificación. Supera a métodos especializados en 80 entornos.
Flow Matching con Transporte Óptimo por Diseño
Aprende cómo reformular el problema de Flow Matching con transporte óptimo reduce curvatura y permite generación de imágenes de alta calidad en pocos pasos.
COP-Q: Aprendizaje por refuerzo seguro para robots con Proyección de Cholesky
Nuevo método COP-Q mejora la seguridad y eficiencia en control robótico usando Proyección de Cholesky.
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!
Olvido y estabilidad en modelos generativos basados en puntuación
Descubre cómo la estabilidad y el olvido en modelos generativos basados en puntuación mejoran el muestreo. Análisis de la propagación de errores.
ContactExplorer: Exploración con cobertura de contacto para manipulación diestra
Descubre ContactExplorer, un método que usa cobertura de contacto para guiar la exploración en manipulación diestra, mejorando eficiencia y tasa de éxito en tareas complejas.