Generative Reasoning Re-ranker: mejora de recomendaciones con IA
Descubre GR2, el nuevo reordenador generativo que mejora recomendaciones con razonamiento de LLMs y aprendizaje por refuerzo, superando al estado del arte en Recall y NDCG.
#ordenamiento
EinSort: Solo ordenar para tensorizar LLMs
EinSort: ordenando índices para tensorizar LLMs. Descubre estructuras de rango bajo y comprime pesos y KV-cache con mejor calidad. ¡Optimiza tus modelos!
Sostenibilidad vs. Engagement: Reordenamiento con huella de carbono en e-commerce
Descubre cómo el reordenamiento con conciencia de carbono reduce el impacto ambiental sin sacrificar engagement en recomendaciones de e-commerce.
R3G: Marco de Razonamiento-Recuperación-Reordenamiento para Respuestas Visuales
R3G: marco de razonamiento-recuperación-reordenamiento para VQA. Mejora la precisión al integrar un plan de razonamiento y recuperación de imágenes en dos etapas.
SFMP: Cuantización mixta fina y sin búsqueda para LLMs
SFMP: cuantización mixta sin búsqueda y amigable con hardware para LLMs. Reduce costos y mejora eficiencia.
RAG de producción: Recuperación, Reordenamiento y lecciones aprendidas
Descubre cómo construir un sistema RAG de producción. Aprende recuperación, reordenamiento y lecciones usando bge-m3, BM25 y ChromaDB.
Reordenamiento con LLM para objetivos matizados en recomendadores
Estudio revela que el reordenamiento con LLM puede amplificar contenido extremo, pero una regularización ligera mejora la diversidad ideológica.
R3-CoVR: marco zero-shot de razonamiento para videos compuestos
Descubre R3-CoVR, un marco zero-shot sin entrenamiento que alcanza 91.9% R@1 en recuperación de videos compuestos mediante razonamiento multimodal y reordenamiento.
EST-PRM: Pruebas de estrés a modelos de recompensa de proceso
EST-PRM pone a prueba la estabilidad de los modelos de recompensa de proceso ante transformaciones que distorsionan la calibración de recompensas.
Pushdown queries: 5x menos latencia, 160x menos memoria
Descubre cómo las consultas pushdown reducen la latencia de API hasta 5x y el consumo de memoria 160x frente al filtrado en memoria. Resultados de benchmark.
Problema de Ordenamiento Lineal: Hora de un Cambio
Actualizamos el problema de ordenamiento lineal (LOP) con un nuevo benchmark económico y un enfoque multi-solución. Descubre cómo mejora aplicaciones modernas.