Alineamiento texto-instancia en outpainting condicionado por primer plano
Descubre cómo CCE-Diffusion mejora el outpainting condicionado por primer plano, alineando texto e instancia para generar imágenes de producto sin artefactos.
#ngs
N-GRPO: Mezcla de Vecinos a Nivel de Embedding para Optimización de Políticas
Descubre N-GRPO, una nueva estrategia de exploración que mejora el razonamiento matemático de LLMs mediante la mezcla inteligente de embeddings semánticos. Resultados consistentes en benchmarks.
N-GRPO: Mezcla de Vecinos en Embeddings para Optimización
Descubre cómo N-GRPO revoluciona la exploración en modelos de lenguaje, generando trayectorias diversas sin perder coherencia semántica. Mejora el razonamiento matemático en LLMs.
Entrenamiento contrastivo y prototipos para cerrar brecha modal HAR zero-shot
El entrenamiento contrastivo y prototipos optimizados cierran la brecha modal en HAR zero-shot, logrando 73.2% de precisión en clases no vistas.
Arquetipos generativos en representación de ítems para recomendación secuencial
Descubre GenAIR, un marco que mejora la recomendación secuencial usando arquetipos generativos y calibración conductual. ¡Aumenta el rendimiento de tus modelos!
En defensa de la similitud coseno: la normalización elimina la libertad de gauge
Descubre por qué la similitud coseno es válida al normalizar embeddings. Elimina la libertad de gauge y obtén rankings de vecinos consistentes.
Entropía, desacuerdo y los límites de los modelos fundacionales en genómica
Descubre por qué los modelos de IA fallan en genómica: la alta entropía del ADN limita el aprendizaje y genera desacuerdo.
Incertidumbre en visibilidad de IA: marco para búsqueda generativa
Las métricas de visibilidad en búsqueda generativa son engañosas. Aprende a cuantificar la incertidumbre con bootstrap y mejora tu estrategia de IA.
Manifold navegable del espectro de conciencia en modelos de lenguaje
Los modelos de lenguaje codifican un espectro de conciencia en sus representaciones, formando un manifold navegable. Clave para la alineación de IA.
Redes Neuronales Temporales Sheaf con Transporte Ortogonal Dinámico
Descubre cómo las redes neuronales sheaf temporales mejoran la predicción de enlaces en grafos con evolución temporal, usando marcos ortogonales dinámicos y transporte local.
Más allá del colapso neuronal: geometría intrínseca en aritmética modular
Descubre cómo las redes neuronales organizan representaciones en aritmética modular, revelando una geometría cíclica que supera el colapso neuronal tradicional.
Cómo construir un agente RAG para SOPs
Aprende a construir un agente RAG con Python, LangChain y ChromaDB para responder preguntas sobre procedimientos operativos desde Discord o API. Código abierto.
Predicción cuántica de máxima verosimilitud con embeddings de Hilbert
Descubre la predicción cuántica de máxima verosimilitud usando embeddings de Hilbert. Un avance para LLM cuánticos.
Tensorizando Engram: Latentes compartidos en N-gramas para LLMs
Descubre TN-gram: un módulo de memoria compacto que mejora LLMs al compartir factores latentes entre embeddings de N-gramas con menos parámetros.
Optimización Generativa Multimodal: Manipulación de Rankings en IA
Descubre cómo la Optimización Generativa Multimodal (MGEO) expone vulnerabilidades críticas en modelos de ranking de IA. Aprende sobre ataques a sistemas multimodales.
POIs con movilidad: qué es y cómo se usa un lugar
Descubre cómo ME-POIs integra datos de movilidad humana para crear representaciones de lugares que capturan tanto su identidad como su uso real, superando a modelos tradicionales.
PoPE: Desacoplando el qué y el dónde con coordenadas polares
Descubre PoPE, una mejora de RoPE que separa contenido y posición en Transformers, mejorando la extrapolación y el rendimiento en lenguaje, música y genómica.
Corrección del sesgo medio en embeddings: renormalización sin entrenamiento
Mejora tus embeddings de texto eliminando el sesgo medio con renormalización refinada. Resultados en 38 modelos MMTEB muestran ganancias en clasificación.
Correcto se ve mejor: comparaciones por pares muestran rankings precisos
Las comparaciones por pares con Elo generan rankings de precisión casi perfectos en modelos de IA, minimizando sesgos de estilo y juez. ¡Descúbrelo!
Detección económica de reward hacking
Nuevo método detecta reward hacking con AUC 0.9467 y costo 10,000 veces menor que un LLM. Ideal para sistemas de IA seguros.