PLATE: Adaptadores eficientes para aprendizaje continuo con geometría
Descubre PLATE, método de aprendizaje continuo sin datos pasados. Controla plasticidad y retención con adaptadores eficientes.
#preentrenados
Método adaptable para diseño de cristales con restricciones y predictores preentrenados
Nuevo método basado en IA y predictores preentrenados permite diseñar cristales con múltiples restricciones y objetivos, acelerando el descubrimiento de
GVC-Seg: Segmentación 3D sin entrenamiento por correspondencia visual-geométrica
GVC-Seg segmenta instancias 3D sin entrenamiento, elimina sesgo de confianza usando correspondencia geométrico-visual. Resultados de vanguardia.
Preentrenados y congelados: fuga de atributos en modelos EEG
Descubre cómo los modelos EEG preentrenados filtran atributos incluso con defensas como DP-SGD. Auditoría cross-encoder revela fugas persistentes. ¡Lee el
Predicción Conformal Auditada bajo Cambio de Distribución Desconocido
Descubre cómo la predicción conformal auditada (ACP) mejora la cobertura condicional en clasificación bajo cambios de distribución desconocidos.
Eliminación de interferencias en fusión de modelos mediante subespacios concretos
Aprende a fusionar modelos preentrenados para tareas múltiples sin perder precisión. El método de subespacios concretos elimina interferencias usando
CAP: Representaciones PPG con supervisión a nivel paciente
CAP mejora la representación PPG al alinear con datos clínicos de pacientes. Logra hasta +87% en predicción respiratoria.
Red de Atención con Reservorio: Memoria entre pasadas en Transformers
Descubre cómo la Red de Atención con Reservorio inyecta un reservorio fijo en Transformers preentrenados para mantener estado entre pases, usando solo una GPU
SDS-LoRA: Superando el escalado anisotrópico de gradientes en LoRA
Descubre cómo SDS-LoRA mejora la adaptación de modelos al superar el escalado anisotrópico de gradientes, reduciendo la brecha con el fine-tuning completo.
Investigación empírica: reutilización de modelos preentrenados de deep learning
La reutilización de modelos preentrenados de deep learning impacta más en pruebas; adaptación es el patrón dominante. Bioquímica y genética lideran.
LargeMonitor: Monitoreo de aprendizaje continuo online sin tareas
Descubre cómo LargeMonitor, usando modelos preentrenados, detecta y diagnostica cambios en flujos de datos sin tareas, mejorando el aprendizaje continuo online.
Más allá de LoRA: ¿Es mejor la adaptación inducida por dispersión?
La adaptación inducida por dispersión supera a LoRA en eficiencia y generalización. Nuevos métodos cLA y c3LA reducen memoria y tiempo.
Mejora de modelos de segmentación de glioma con post-procesamiento
Descubre cómo el post-procesamiento adaptativo mejora la segmentación de gliomas, reduciendo errores sin reentrenar modelos. Resultados en BraTS 2025.
Expansión de atención: mejora la extracción de frases clave en documentos largos
Mejora la extracción de frases clave en documentos largos con expansión de atención. Resultados F1 superiores sin LLMs costosos.
Identificación parcial con datos faltantes y variables sombra débiles
Cómo las variables sombra débiles de modelos preentrenados permiten acotar estimaciones con datos faltantes, reduciendo sesgo y mejorando precisión
LoTUS: Desaprendizaje automático a gran escala con incertidumbre
Aprende cómo LoTUS elimina la influencia de datos de entrenamiento en modelos pre-entrenados sin reentrenar. Mejora eficiencia y precisión a gran escala.
Marco de Reciclaje de Modelos para Aprendizaje por Transferencia Sin Datos Multifuente
Descubre el marco de reciclaje de modelos para aprendizaje por transferencia sin datos. Optimiza modelos de forma eficiente.
GP-Adapter: Detección OOD con pocos ejemplos usando procesos gaussianos
Aprende cómo GP-Adapter integra procesos gaussianos en CLIP para detectar datos fuera de distribución con pocos ejemplos, mejorando la incertidumbre y fiabilidad.
Olvido eficiente y exacto en aprendizaje continuo con modelos preentrenados
Descubre cómo el método ACU permite un olvido exacto y eficiente en aprendizaje continuo con modelos preentrenados, preservando la privacidad histórica.
Razonamiento multigranular para inferencia de lenguaje natural
Descubre MGRN, una red de razonamiento multigranular que mejora la inferencia de lenguaje natural imitando el proceso cognitivo humano. Resultados superiores en benchmarks.