Bag of Dims: Interpretabilidad mecanicista sin entrenamiento
Descubre cómo patrones de signo en dimensiones de transformers revelan semántica sin entrenamiento. Nuevo enfoque: 'Bag of Dims'.
#presentaciones
Modelos Autorregresivos Lineales de Dos Capas Estiman Estados Latentes
Descubre cómo los modelos autorregresivos de dos capas estiman estados latentes imitando el filtrado de Kalman. Con resultados teóricos.
PlaceRep: Aprendizaje de representaciones geoespaciales con PDI
Descubre PlaceRep, un método que aprende representaciones de lugares a partir de puntos de interés, superando límites administrativos y mejorando predicciones urbanas.
HELVAE: Autoencoders Multimodales con Divergencia Hellinger
Descubre cómo HELVAE mejora los autoencoders multimodales usando la divergencia Hellinger para representaciones latentes más expresivas y mejor equilibrio entre coherencia y calidad.
LatentLens: Revelando tokens visuales interpretables en LLMs
Descubre LatentLens, un método que revela qué codifican los tokens visuales en modelos de lenguaje. Mejora la interpretabilidad de VLMs.
Probing satura, fragilidad resuelve: nueva métrica para LLM
La precisión del probing se satura pronto en LLM; la fragilidad revela la evolución oculta de representaciones. Descubre esta métrica complementaria.
SirenFNO: Aprendizaje completo y eficiente de operadores de Fourier
SirenFNO aprende frecuencias completas sin truncamiento, eliminando el sesgo espectral de FNO. Reduce parámetros hasta 73 veces en PDEs con oscilaciones de alta frecuencia. ¡Mejora la eficiencia!
Métricas Geométricas y LLMs: Qué Miden y Cuándo Funcionan
Descubre qué miden las métricas geométricas en LLMs y cómo pueden mejorar la evaluación de modelos de lenguaje. Un estudio revela cuándo funcionan y sus limitaciones.
Reconocimiento causal de emociones en conversaciones
La tristeza depende más del contexto. Estudio causal revela cómo la saturación de contexto y marcadores discursivos mejoran el reconocimiento emocional.
Enlace recursivo económico: Tallado de subespacios en tensores de orden p
Descubre Orthogonal Subspace Carving: enlace recursivo profundo con memoria constante. Supera TPR y VSA con eficiencia y fidelidad sin crecimiento exponencial.
RePAIR: aprendizaje auto-supervisado predictivo en ajedrez
Descubre RePAIR: nuevo método auto-supervisado que crea representaciones semánticas de ajedrez sin refuerzo. Ideal para análisis de partidas.
WRDPG: Grafos Ponderados con Producto Punto Aleatorio
Descubre el modelo WRDPG para grafos ponderados, una extensión no paramétrica que captura distribuciones de pesos heterogéneas. Aprende sus aplicaciones en análisis de redes.
NetBurst: Predicción de series temporales intermitentes y ráfagas
NetBurst reduce hasta 116 veces el error de pronóstico en series temporales de telemetría de red. Descubre cómo este enfoque centrado en eventos mejora la detección de anomalías y la búsqueda.
RePAIR: Aprendizaje de Representaciones Auto-Supervisado Predictivo en Ajedrez
Descubre RePAIR: una innovadora arquitectura que codifica posiciones de ajedrez en representaciones compactas para analizar partidas sin refuerzo.
MSRGC-Net: Clustering eficiente de series temporales multiescala
Aprende cómo MSRGC-Net realiza clustering de series temporales con alta eficiencia usando reservorio multiescala y gráficos de anclaje.
MLT-Dedup: Deduplicación eficiente de videos online a gran escala
Descubre cómo MLT-Dedup reduce repeticiones de video online en un 91% con precisión del 90%. Técnicas avanzadas de representaciones multinivel y coincidencia espacio-temporal.
Más que alineamiento: modelos guiados por cerebro para razonamiento robusto
Razonamiento mejorado: señales cerebrales guían a modelos de lenguaje, logrando un 13% más de precisión.
Características inestables y dependencia de semillas en SAEs
Descubre cómo las características inestables en autoencoders dispersos no son ruido, sino parte de subespacios reproducibles. Un estudio clave para la interpretabilidad de redes neuronales.
AGRA: Alineación de representaciones en modelos de acción mundial
¿Problemas de precisión en robótica? AGRA alinea representaciones visuales con acciones, mejorando localización y robustez. ¡Descubre cómo!
DiffCold: Modelo generativo por difusión para recomendación con arranque frío
DiffCold resuelve el dilema del seesaw: unifica representaciones de ítems fríos y cálidos con un modelo generativo por difusión. ¡Mejora el rendimiento!