Una visión unificadora sobre la incertidumbre de recompensa en RLHF
Descubre cómo la incertidumbre en RLHF se unifica con un modelo distribucional, mitigando el reward hacking. Clave para optimización robusta.
#nsa
Ataques CFD a agentes LLM que usan herramientas
Descubre cómo los ataques CFD explotan brechas de procedencia en agentes LLM que usan herramientas, superando defensas actuales en hasta un 28%. Aprende a
Entrenamiento E2E para sistema TTS basado en tokens discretos y LLM
El nuevo marco E2E unifica tokenizador, LLM y FM, logrando un WER del 0.78% y 1.56% en TTS, superando a los sistemas en cascada.
Aprendiendo de residuos de solucionadores para generación crítica
Aprende cómo los residuos de solucionadores y las recompensas aditivas saturadas (SAR) logran que un modelo de 8B compita con sistemas frontera en generación
Ley geométrica interna: aprender de residuos para generación precisa
Descubre cómo SAR mejora 2.3x la resolución de problemas geométricos de precisión crítica, superando el enmascaramiento de gradientes atípicos.
Representación densa universal de eventos de fútbol con TabTransformer
Descubre cómo TabTransformer aprende representaciones densas de eventos de fútbol, mejorando la calibración de probabilidades en tareas deportivas.
Una representación densa universal de eventos de fútbol basada en TabTransformer
Descubre cómo el modelo TabTransformer aprende representaciones densas de eventos de fútbol, capturando la semántica de acciones para mejorar predicciones
Inferencia de atributos desde anuncios dirigidos interactivos
Los anuncios dirigidos interactivos pueden revelar atributos de usuarios. Estudio analiza ataques de inferencia y defensas.
Text-to-SQL: razonamiento y generalización con ajuste fino auto-mejorado
Descubre CoTE-SQL, un nuevo método que integra razonamiento y generalización en Text-to-SQL mediante ajuste fino auto-mejorado, logrando mejores resultados en
RoboPIN: Razonamiento Incorporado con Cadena de Pensamiento Anclada
Descubre cómo RoboPIN con PinCoT mejora el razonamiento incorporado usando anclas visuales, logrando un 12% más de precisión en benchmarks.
STRIDE: Estrategias de Trayectoria para RL Verificable
STRIDE mejora el RLVR con estimación discriminativa: asigna créditos precisos a patrones estratégicos. ¡Optimiza el razonamiento de tu IA!
Pensamiento Visual Fundamentado en Imágenes
Descubre cómo el pensamiento visual con grounding mejora el razonamiento de modelos de IA, vinculando pensamientos a regiones de imagen para mayor precisión.
Paradoja calidad-utilidad: alta recompensa daña razonamiento en modelos pequeños
Descubre por qué los datos de alta recompensa dañan el razonamiento matemático en modelos pequeños y cómo la alineación de estilo mejora la destilación.
Flujo de Pensamiento Latente: Razonamiento Eficiente en LLMs
Descubre cómo Latent Thought Flow mejora la precisión un 9.5% y reduce el tiempo de razonamiento un 27.2% en modelos de lenguaje grandes. Nuevo método de
Inyección de guía por fase para MAPPO en recuperación de líneas de ensamblaje
Descubre cómo la inyección de guía por fase optimiza la recuperación de interrupciones en líneas de ensamblaje usando MAPPO recurrente.
Derivación de optimización de políticas LLM: de recompensa a GRPO
Explora la derivación de optimización de políticas en LLM: de la recompensa esperada a GRPO. Un marco unificado que diagnostica fallos y guía el diseño de
La codicia se aprende: incentivos visibles y hackeo de recompensas
La codicia se aprende: los incentivos visibles pueden hacer que la IA sacrifique su tarea por recompensas. Un peligro para la seguridad y alineación.
Modelado de Recompensas Evolutivo Bilevel para Generalización en RL
Descubre cómo GERS mejora la generalización en RL usando solo métricas escalares, superando a métodos tradicionales en entornos no vistos.
Aprendizaje de políticas con una sola trayectoria en MDP promedio
Aprende a obtener una política óptima desde una sola trayectoria en MDP promedio. Garantías de complejidad de muestra finitas con métodos libres de modelo.
Aprendizaje por refuerzo inverso de máxima entropía en juegos de campo medio
Descubre cómo la máxima entropía permite recuperar políticas óptimas en juegos de campo medio a partir de demostraciones expertas. Algoritmos eficientes con