R^{2k} es teóricamente suficiente para recuperación top-k
La investigación demuestra que la dimensión R2k es suficiente para recuperación top-k exacta con embeddings. Resultados sorprendentes en teoría y experimentos.
#ngs
Link Prediction o Perdición: Semillas de Inestabilidad en Embeddings
Los modelos de embedding de grafos son fiables? Este estudio revela inestabilidad en predicciones debido a semillas aleatorias. Conoce las limitaciones del MRR.
Predicción de enlaces o perdición: inestabilidad en embeddings de grafos
Los modelos de embedding (KGEM) generan predicciones inestables en grafos de conocimiento. Las semillas aleatorias y la configuración afectan la fiabilidad. ¿Cómo solucionarlo?
Capacidad Representacional: Límites Geométricos en Transformers
Descubre cómo la dimensión del modelo establece los límites geométricos para la representación de características en transformers, y cómo estimar la capacidad real de direcciones ortogonales.
GFFMERGE: Fusión eficiente de campos de fuerza con GNN
Acelera tus simulaciones atomísticas con GFFMERGE, la fusión eficiente de modelos GNN. Logra hasta 27x de velocidad sin reentrenamiento.
Embeddings de proteínas mejoran generalización en transferencia implícita
Mejora la generalización en dinámica molecular con PLaTITO. Embeddings de proteínas aumentan eficiencia y precisión en muestreo de equilibrio.
BAT: Transformer de Audio mejorado con Probing Convexo de Compuerta
Conoce BAT, el Transformer de Audio que usa Probing Convexo de Compuerta (CGP) para lograr nuevos récords en benchmarks de audio. ¡Entra!
NILC: Descubriendo nuevas intenciones con clustering asistido por LLM
NILC usa LLMs para mejorar el clustering en descubrimiento de nuevas intenciones, superando benchmarks en sistemas de diálogo.
Traducción consciente de densidad de correlaciones espurias en VLMs
Descubre cómo DAT corrige correlaciones espurias en VLMs zero-shot usando densidad local para mejorar precisión sin ajuste fino.
Rendir más con menos: Muestreo para pérdida por pares
Descubre cómo el muestreo directo de pares reduce costos computacionales en pérdida por pares, manteniendo precisión. Técnicas basadas en teoría de encuestas para IA escalable.
Clasificación de sonidos ambientales con difusión en espacio de embeddings
Descubre cómo los modelos de difusión superan a métodos previos en clasificación zero-shot de sonidos ambientales, mejorando la generalización a clases no vistas.
Reconstruir contenido con atención colaborativa mejora embeddings multimodales
Mejora la calidad de embeddings multimodales con atención colaborativa y reconstrucción de contenido para tareas de recuperación y clasificación.
Topología y texto importan: Detección OOD en grafos con texto usando LLMs
Descubre LG-Plug, un marco plug-and-play que alinea topología y texto para detectar nodos fuera de distribución en grafos textuales, reduciendo FPR95 >7%.
Similitud de coseno en representaciones de etiquetas: lo que revela y lo que no
La similitud de coseno entre representaciones de etiquetas no revela las probabilidades del modelo. Descubre qué revela sobre clasificadores softmax y sigmoide.
VocSim: Benchmark sin entrenamiento para identidad de contenido en audio
VocSim evalúa representaciones de audio sin entrenamiento usando Precision@k y GSR. Whisper + PCA logran alto rendimiento, pero falla en lenguas de bajos recursos. Código y leaderboard disponibles.
Modelado de lenguaje chino con glifos visuales: arranque en caliente
Descubre cómo los glifos visuales duplican la precisión inicial en modelado de lenguaje chino, pero con un límite final.
Geometría global no basta para visión artificial
Descubre por qué la geometría global no basta para la composición visual y cómo la sensibilidad funcional predice mejor la representación.
ES-Merging: Fusión de MLLM biológicos mediante señales de embedding
ES-Merging fusiona modelos multimodales biológicos usando señales de embedding, mejorando razonamiento cruzado y preservación.
Diferencias acústicas y perceptuales en clones de voz estándar y acentuada
El acento afecta la clonación de voz: clones de habla acentuada son menos similares pero más inteligibles. Estudio revela que preservar el acento es clave.
Gradientes en embeddings semánticos revelan la incertidumbre de los LLM
Descubre cómo los gradientes semánticos revelan la incertidumbre de los LLM. SemGrad y HybridGrad: métodos sin muestreo para predicciones fiables.