Similitud de coseno en representaciones de etiquetas: lo que revela y lo que no
La similitud de coseno entre representaciones de etiquetas no revela las probabilidades del modelo. Descubre qué revela sobre clasificadores softmax y sigmoide.
#representación
Modelado de lenguaje chino con glifos visuales: arranque en caliente
Descubre cómo los glifos visuales duplican la precisión inicial en modelado de lenguaje chino, pero con un límite final.
Del rendimiento a la viabilidad: marco bootstrap para representación latente
Aprende cómo un marco bootstrap permite pasar del rendimiento a la viabilidad en sistemas adaptativos mediante representaciones latentes.
CHaRS: Dirección de Representación Consciente de Heterogeneidad
CHaRS: un nuevo enfoque de dirección de representación que usa transporte óptimo para adaptarse a la heterogeneidad de conceptos en LLM, mejorando el control del comportamiento.
Representación de mezcla de densidades para eliminar puntos voladores en profundidad
MDA elimina puntos voladores en estimación de profundidad usando mezcla de densidades. Mejora bordes, maneja objetos transparentes y cielo sin coste adicional.
Fallos de seguridad en lenguas de bajos recursos: acción, no representación
Los modelos tienen representación del peligro en lenguas de bajos recursos, pero fallan en la acción. Recalibrar el umbral con pocos ejemplos lo resuelve.
UR-JEPA: Rectificabilidad Uniforme como Regularizador en JEPA
UR-JEPA logra un 0.83% más de precisión que LeJEPA en Inet10 con menor varianza, y produce representaciones geométricamente distintas.
Aprendizaje de representación invariante al comportamiento con Transformers en meta-RL offline
Nuevo framework integra representaciones invariantes y modelos mundiales con Transformers para superar desafíos de generalización en meta-RL offline. Mayor estabilidad y adaptación.
TERRA: Arquitectura de Razonamiento y Representación para Dominios Cruzados
Descubre TERRA, una arquitectura que transfiere representaciones entre dominios como conducción y finanzas. Un enfoque teórico para la IA general.
Unificando raster y vector: aprendizaje de representación espacial
Unificamos datos raster y vectoriales para crear modelos geoespaciales más precisos e interpretables. Descubre el futuro de la IA geoespacial.
Espada, escudo y talón de Aquiles: sesgo lingüístico en LLM para navegación
Descubre cómo la estructura lingüística y los sesgos en los LLM afectan la navegación espacial. La topología protege, la semántica puede engañar.
Modelos visuales suprimen género femenino en imágenes ambiguas
Investigación revela que VLMs suprimen representaciones femeninas en imágenes ambiguas, incluso en ocupaciones estereotipadas femeninas. Conoce la métrica LALS.
PictSure: La calidad de embeddings es clave para el aprendizaje en contexto
PictSure clasifica imágenes con pocos ejemplos usando aprendizaje en contexto. La calidad de los embeddings pre-entrenados es clave. Modelo open source.
Transformadores Universales Fijos: El poder de la representación
¿Sabías que un transformer fijo puede simular cualquier otro modelo? Investigación revela que el poder está en la representación, no en los pesos. Entra y descúbrelo.
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.
Aprendizaje de representaciones biológicas enmascarando expresión génica
Descubre cómo TxFM, un modelo de autoaprendizaje por enmascaramiento, logra representaciones genómicas de alta fidelidad superando a modelos masivos.
Geometría de acantilados de actividad: dependencia de la representación
Descubre cómo la representación molecular define los acantilados de actividad. Benchmark revela que ninguna representación es universal.
HYGENE: Un método de generación de hipergrafos basado en difusión
Descubre HYGENE, el primer método de generación de hipergrafos con difusión, capaz de crear estructuras realistas y diversas para investigación en IA.
Estructuras causales y procesos dinámicos ocultos en el clima
CaDRe: un modelo que descubre relaciones causales ocultas en la dinámica climática. Mejora la precisión de pronósticos y ofrece insights interpretables.
Perspectiva de energía cinética del Flow Matching
Descubre cómo la energía cinética revela fidelidad semántica en modelos de flujo. El principio de Goldilocks y KTS optimizan la generación.