Reduciendo costos de evaluación de LLMs con SySRs
Descubre cómo SySRs reduce costos al evaluar LLMs, aprovechando la similitud entre modelos para identificar el mejor sin desperdiciar recursos.
#ritmo
Framework público de resolución de ML para novatos
Descubre el primer framework público y gratuito que guía a principiantes en la resolución de problemas de ML, recomendando pipelines completos de forma inteligente y transparente.
Datos tabulares sintéticos con privacidad diferencial
Descubre cómo Tab-PE genera datos tabulares sintéticos con privacidad diferencial, mejorando la precisión hasta un 10% y siendo 28 veces más rápido que AIM.
Framework público de aprendizaje automático para principiantes
Descubre el primer framework público que guía a principiantes en ML: recomienda pipelines completos según reglas de expertos y tus datos.
Factorización triple ortogonal no negativa para matrices simétricas
Descubre cómo resolver el problema de factorización triple de matrices no negativas ortogonales simétricas con dos nuevos algoritmos heurísticos. Aplicaciones en clustering y redes.
Datos sintéticos con privacidad diferencial mediante APIs 4: Datos tabulares
Descubre cómo Tab-PE genera datos tabulares sintéticos con privacidad diferencial, más preciso y 28 veces más rápido. Ideal para compartir datos.
Resolviendo la factorización tri-matricial no negativa ortogonal simétrica
Resuelve la factorización tri-matricial no negativa ortogonal simétrica. Algoritmos heurísticos para clustering y análisis de redes con resultados competitivos.
Codificación escasa convolucional con LCA en Loihi 2
Implementación de codificación escasa convolucional con LCA en Loihi 2, comparada con GPU. Resultados revelan ventajas en hardware neuromórfico.
Algoritmos para bandidos multibrazo en ventana deslizante
Descubre cómo los algoritmos de bandidos multibrazo en streaming con ventana deslizante optimizan exploración y arrepentimiento usando memoria limitada. Resultados teóricos y experimentales.
Optimalidad asintótica de Thompson Sampling para bandidos aversos al riesgo
Un algoritmo de Thompson Sampling no paramétrico logra optimalidad asintótica en bandidos aversos al riesgo con recompensas subgaussianas.
Difusión de Hiperflujo Local con Umbral
Descubre cómo el nuevo algoritmo TL-HFD mejora la agrupación en hipergrafos con difusión local y umbral, superando al método HFD en ruido.
Meta usará datos externos para personalizar feed e IA
Meta anuncia el uso de datos de actividad en sitios web externos para personalizar tu feed y las respuestas de su chatbot de IA. Descubre cómo afecta tu privacidad.
Compilación cuántica de baja latencia con detección de errores ligera
Nuevo método de compilación cuántica que integra detección de errores para aumentar hasta un 68% la probabilidad de éxito en algoritmos cuánticos tempranos tolerantes a fallos.
Regresión Neuro-Simbólica Descomponible: Modelos Interpretables
Descubre cómo la regresión neuro-simbólica combina transformers y algoritmos genéticos para crear modelos interpretables que revelan ecuaciones ocultas.
Emparejamiento Robusto de Grafos Aleatorios con AMP
Descubre un nuevo algoritmo AMP que logra emparejamiento robusto de grafos aleatorios densos incluso bajo perturbaciones adversariales de gran tamaño. Ideal para ciberseguridad y análisis de redes.
El valor de las recomendaciones personalizadas: evidencia de Netflix
Las recomendaciones personalizadas de Netflix generan hasta un 12% más de engagement que algoritmos de popularidad. El targeting efectivo es clave.
State Backdoor: ataque sigiloso a modelos de visión-lenguaje-acción
Nuevo ataque sigiloso (State Backdoor) explota estado inicial robot para comprometer modelos VLA. Más del 90% de éxito sin afectar rendimiento.
Aprendiendo a optimizar con programación diferenciable
Descubre cómo la programación diferenciable transforma la optimización masiva: aprende a diseñar algoritmos más rápidos y precisos con PyTorch, TensorFlow y JAX.
Análisis mejorado método potencia acelerado ruido PCA descentralizado
Descubre el análisis óptimo del método de potencia acelerado: convergencia más rápida con ruido relajado para PCA descentralizado.
Wedge Sampling: completación tensorial con complejidad casi lineal
Descubre cómo Wedge Sampling optimiza la completación de tensores con complejidad casi lineal, cerrando la brecha estadístico-computacional.