Calibración de normalidad en detección de anomalías en grafos semisupervisada
GraphNC calibra la normalidad en detección de anomalías en grafos. Usa datos etiquetados y no etiquetados para reducir falsos positivos y mejorar la precisión.
#perturbación
Robótica aérea consciente de perturbaciones para monitoreo ético de fauna
Descubre cómo los drones con aprendizaje por refuerzo minimizan la perturbación animal, permitiendo un monitoreo ético y no invasivo de la fauna silvestre.
Entradas benignas que causan graves daños en agentes de IA
Entradas inofensivas que generan fallos en agentes de IA. AutoElicit revela comportamientos inseguros y cómo se transfieren entre modelos.
Macro: Explicaciones contrafácticas multilingües mejoradas con DPO
Descubre Macro: optimización de preferencias para explicaciones contrafácticas multilingües más válidas y mínimas. Mejora la transparencia de los LLMs.
DyNACO: guía neuronal dinámica para optimización de colonias de hormigas
DyNACO: guía neuronal dinámica supera prioridades estáticas, escala a 100k nodos y reduce tiempo.
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.
La representación importa en suavización aleatoria para clasificación de audio
Descubre cómo la representación de datos afecta la robustez en clasificación de audio con suavizado aleatorio. Claves para elegir la representación correcta.
Enfoque de perturbación para bandidos lineales
Descubre cómo un enfoque de perturbación logra arrepentimiento óptimo en bandidos lineales no restringidos, con nuevas garantías de alta probabilidad y tasas adaptativas.
Robustez probabilística no paramétrica: estimador conservador de riesgo
Descubre la robustez probabilística no paramétrica (NPPR), una métrica práctica que estima el riesgo de forma conservadora sin necesidad de conocer la distribuc
Modelos Recursivos Pequeños para el Problema de Lambert J2
Descubre cómo los TRM resuelven el problema Lambert con J2, reduciendo errores de 340 km a 0.3 km solo con 2.3M parámetros. Ideal para misiones espaciales.
LP-DS: Dirección de difusión con perturbación lagrangiana
LP-DS optimiza políticas generativas congeladas mediante perturbaciones en el espacio de ruido, logrando hasta un 25% más de retorno en robótica y locomoción.
CausalNeg: Cómo Superar los Negativos Duros en Recuperación
CausalNeg cierra la brecha generativa-discriminativa en síntesis de negativos para recuperación. Evita falsos positivos y mejora el rendimiento con IA.
Cuando los negativos duros duelen: cerrando la brecha generativa-discriminativa
¿Negativos duros dañan tu recuperación? CausalNeg usa contrafactuales y entropía para cerrar la brecha generativa-discriminativa.
Interferencia y recuperación entre dominios en RL mediante teoría de perturbación local
Descubre cómo la teoría de perturbación local explica la interferencia entre dominios en RL multi-dominio y cómo un breve refresco recupera el rendimiento sin dañar otros.
Mitigando el sesgo perceptual en LLMs multimodales como jueces
Descubre cómo un nuevo método de perturbación perceptual y modelado de recompensa corrige el sesgo en evaluaciones de LLMs multimodales. Más preciso y alineado con humanos.
SORA: Ataques de Segundo Orden Gratuitos en Entrenamiento Adversarial Rápido
Descubre SORA, un método innovador que elimina el sobreajuste catastrófico en entrenamiento adversarial rápido, logrando robustez y precisión sin precedentes.
Chem-PerturBridge: compendio de efectos transcriptómicos de moléculas pequeñas
Descubre Chem-PerturBridge, un recurso que unifica más de 37,000 compuestos y 1.25M muestras transcriptómicas para impulsar modelos de IA en descubrimiento de fármacos.
¿Juega la información visual un papel decisivo en la conducción de modelos VLA?
Analizamos la relación entre información visual y comportamiento de conducción en modelos VLA mediante perturbaciones controladas. Implicaciones para sistemas más seguros.