Cuantificación de la propagación de errores y colapso en modelos de difusión
Analizamos la propagación de errores en modelos de difusión con datos sintéticos. Primeras cotas inferiores de divergencia y regímenes de deriva.
#propagación
C-GSPN: Nuevo codificador de visión a escala fundacional
C-GSPN: codificador de visión que iguala a ViT con 15% menos parámetros, mejora segmentación +2.1% y ofrece 4x de aceleración. ¡Conócelo!
Método corrige localización de circuitos con retropropagación consciente
Aprende cómo GIM, un nuevo método de retropropagación, mejora la localización de circuitos en modelos de lenguaje al tener en cuenta interacciones.
Propagación de Equilibrio para Sistemas No Conservativos
Descubre el nuevo algoritmo de propagación de equilibrio para sistemas no conservativos que calcula el gradiente exacto, con mejor rendimiento y aprendizaje más rápido.
Medida de Relevancia Normalizada para Explicar Redes Neuronales
Descubre cómo la medida de relevancia normalizada unifica la explicación de estructuras latentes en redes neuronales, mejorando la transparencia en IA.
Filtro de compuerta, no el mensaje: Mezclas nodo-canal en GNNs
FilterMoE revoluciona las GNNs de prepropagación al enrutar filtros por nodos y canales, superando a métodos previos en 9 de 11 benchmarks. ¡Mejora precisión y escalabilidad!
No todos los errores son iguales: propagación en LLM
Descubre cómo los errores suaves afectan la inferencia de LLM en HPC. Estudio sistemático con 17 hallazgos clave y estrategias de mitigación de bajo costo.
PropLLM: IA para diagnóstico de fallos con reconstrucción de propagación
PropLLM mejora diagnóstico de fallos en red en un 3.9% y localización de causas raíz en un 4.7%, reduciendo alucinaciones un 50.8%.
GeoSAM-3D: Segmentación 3D con vocabulario abierto en video monocular
GeoSAM-3D segmenta objetos en 3D desde un video monocular con un clic. Usa propagación geodésica sobre Gaussian Splatting para precisión en superficies curvas. ¡Descúbrelo!
Optimización conjunta de vecindario para editar conocimiento sin efectos dominó
Conoce JNO: optimiza la edición de conocimiento en modelos de lenguaje, reduce efectos dominó y mejora la propagación de hechos. ¡Lee más!
Propagación adaptativa guiada por estructura para PPIS
Conoce el innovador modelo SGAP-PPIS que predice sitios de interacción proteína-proteína usando propagación adaptativa.
Aprendizaje de un optimizador de orden cero para LLMs
Descubre cómo ZO-Finetuner optimiza el ajuste de LLMs sin retropropagación, reduciendo el uso de memoria y mejorando el rendimiento en múltiples tareas.
Score Broadcast y Descorrelación: Marco General de Asignación de Crédito
El nuevo marco Score Broadcast and Decorrelation (SBD) mejora la asignación de crédito por broadcast, con soporte para múltiples pérdidas y resultados superiores en CIFAR-10.
Redes Residuales de Memoria de Reservorio
Descubre las Redes Residuales de Memoria de Reservorio (ResRMN), una nueva clase de RNN no entrenadas que mejoran la propagación temporal mediante conexiones residuales ortogonales.
Condensación eficiente y escalable de grafos con preservación de estructura
Conoce SP-ESGC: método eficiente y escalable para condensar grafos preservando estructura. Mejora generalización y reduce costos computacionales.
Codificación Predictiva con Lagrangiano Aumentado
Descubre PC-ALM: un algoritmo de codificación predictiva que iguala el rendimiento de la retropropagación usando dinámicas locales. Ideal para redes profundas.
Redes Neuronales de Grafos: Discontinuidad entre Resoluciones
Descubre cómo las GNN fallan al cambiar la resolución de un grafo y cómo una modificación arquitectónica resuelve este problema. Aprende las implicaciones para tu proyecto.
Propagación de log-ratio: teoría de contaminación celular en el simplex
Descubre cómo la contaminación de una sola componente afecta todos los log-ratios en datos composicionales. Una nueva teoría que fundamenta métodos robustos en el simplex.
La teoría de Hamilton-Jacobi del aprendizaje profundo
<meta name=description content=Descubre cómo la teoría de Hamilton-Jacobi optimiza el aprendizaje profundo. Una perspectiva matemática avanzada para mejorar redes neuronales.>
RewardFlow: Propagación de recompensas consciente de la topología en grafos de estado para RL agentivo con modelos de lenguaje grandes
Propagación de recompensas en grafos de estado para RL agentivo con LLMs: optimiza el aprendizaje por refuerzo y la toma de decisiones en agentes inteligentes.