Mirror Descent: sensibilidad exponencial a la inicialización
Descubre cómo Mirror Descent puede amplificar pequeños errores de inicialización de forma exponencial, afectando la reproducibilidad en entrenamiento de IA y modelos de lenguaje.
#ritmo
Optimización convexa online con capacidad limitada y retroalimentación retrasada
Descubre cómo optimizar el aprendizaje online cuando la retroalimentación llega con retraso y los recursos de seguimiento son limitados. Nuevo algoritmo con garantías de rendimiento.
RCAP: Poda Probabilística de Datos con Conciencia de Clase
Descubre RCAP: poda dinámica que acelera entrenamiento 8.7x y mejora precisión en datos desbalanceados. ¡Solo el 10%!
Bandidos logísticos multinomiales eficientes con Frequent Directions
Descubre EOFD-MLogB: un algoritmo que reduce drásticamente el tiempo y espacio en bandidos logísticos multinomiales mediante sketching, manteniendo un alto rendimiento.
Aprendizaje por refuerzo con observaciones activadas por acciones
Descubre cómo ATST-MDP optimiza el aprendizaje por refuerzo con observaciones activadas por acciones, mejorando la eficiencia en entornos parcialmente observables.
Momentum LMS: estabilidad, seguimiento y arrepentimiento en streaming
Conoce cómo el algoritmo MLMS garantiza estabilidad y bajo arrepentimiento en datos no estacionarios, perfecto para streaming.
Garantías de cobertura con pseudo-calibración en predicción conforme
Descubre cómo la pseudo-calibración mantiene la cobertura de la predicción conforme incluso ante cambios de distribución. Teoría y algoritmo práctico.
SoftMatcha 2: Buscador de patrones rápido y flexible para billones de tokens
SoftMatcha 2 busca patrones en corpus billonarios en <0.3s con flexibilidad semántica. Revela contaminación en benchmarks que otros ignoran.
Optimización convexa online con feedback retrasado y capacidad limitada
Descubre cómo manejar el feedback retrasado en optimización convexa online con capacidad limitada. Nuevos algoritmos y cotas de arrepentimiento.
RCAP: poda dinámica de datos robusta y consciente de clases
Descubre RCAP, un algoritmo de poda dinámica que mantiene alta precisión en clases minoritarias usando solo el 10% de los datos. ¡Acelera tu entrenamiento!
Cotas de arrepentimiento del muestreo de Thompson en optimización bayesiana
Descubre nuevas cotas de arrepentimiento para el muestreo de Thompson en optimización bayesiana, con límites inferiores y superiores mejorados.
GraphGP: Procesos Gaussianos escalables con aproximación de Vecchia
GraphGP escala procesos Gaussianos a mil millones de parámetros con GPU, tiempo y memoria lineales. Descubre su implementación CUDA y árbol k-d.
Asignación Entrópica Recocida para Clasificación y Selección
Algoritmo Annealed Entropic Allocation optimiza la asignación secuencial en clasificación y selección. Usa entropía recocida para mejor discriminación en presupuestos finitos.
Estimación de densidad Hellinger con distancia mínima: mezclas gaussianas y más
Descubre cómo el estimador de distancia mínima con Hellinger logra estimar densidades en tiempo casi lineal para mezclas gaussianas y log-cóncavas. ¡Lee más!
Arquitectura consciente de familias para predicción de simulación cuántica
Arquitectura de IA consciente de familias predice rendimiento de simulaciones cuánticas con 79.5% de precisión, eliminando costosas pruebas.
Formulación integral de QENDy para identificación robusta de sistemas no lineales
Descubre la formulación integral de QENDy que elimina las derivadas temporales, logrando identificación robusta de sistemas no lineales frente al ruido.
Convergencia de la última iteración de OMWU optimista
La última iteración de OMWU optimista converge a un punto silla en problemas suaves convexo-cóncavos. Un hito en optimización con aplicaciones en IA.
Gradiente de Política Determinista para Control con Inconsistencia Temporal
Algoritmo de gradiente de política determinista para aprender equilibrios en control con inconsistencia temporal. Aplicaciones en carteras y seguimiento óptimo.
Aplicación de seguridad en sistemas híbridos en tiempo real
Protege sistemas híbridos con intervención activa en tiempo real. Nuestro algoritmo evita violaciones de seguridad con mínima sobrecarga.
Algoritmos genéticos con operadores guiados por ML: perspectiva matemática
Descubre cómo los algoritmos genéticos con operadores guiados por ML desde una perspectiva matemática. Explora complejidad de consultas y diversidad.