LIBERO-Occ: Evaluación y mejora de modelos VLA bajo oclusión escénica
Los modelos VLA se degradan con oclusión. LIBERO-Occ los evalúa y propone Imaginación de Perspectiva (VIM) para mejorar. ¡Conoce el benchmark!
#robustez
Marco de aumentación en inferencia para detección de FA en PPG
Descubre cómo el marco ITA mejora la detección de fibrilación auricular en señales PPG sin reentrenar, aumentando AUROC hasta 8.5%. Ideal para despliegue real.
Robustez de tareas mediante reetiquetado de datos robóticos visión-acción
TREAD usa VLMs para reetiquetar datos robóticos y mejorar robustez en tareas nuevas. Aumenta la generalización de tu robot.
EEVEE: Aprendizaje de prompts en tiempo de prueba para agentes automejorables
Descubre EEVEE, marco de aprendizaje de prompts en tiempo de prueba para agentes LLM que maneja múltiples datasets y mejora el rendimiento hasta un 48%
Robustez de grafos contra ataques backdoor: perspectiva de sobresimilitud
Descubre cómo SimGuard protege redes de grafos contra ataques backdoor usando sobresimilitud. Mejora la robustez sin sacrificar rendimiento.
Usuarios impacientes confunden agentes de IA: simulaciones de rasgos humanos para pruebas
TraitBasis simula rasgos humanos (impaciencia, incoherencia) para estresar agentes de IA. ¿Son frágiles? Descubre la degradación de rendimiento de hasta 30% en τ-Trait.
Perdidos en la serialización: Invarianza y generalización de razonadores de grafos LLM
Descubre cómo la serialización afecta la invarianza y generalización de los LLM al razonar sobre grafos. Analizamos la robustez ante cambios en etiquetado y estructura.
Muestreo de Punto Más Lejano Guiado por Gradiente para Selección Robusta
GGFPS: muestreo guiado por gradiente para seleccionar conjuntos de entrenamiento. Reduce costos hasta un 50% y mejora la robustez de modelos de ML en química.
Cuando RL falla tras SFT: rejuveneciendo la plasticidad del modelo
Descubre cómo el sobreentrenamiento en SFT reduce la plasticidad del modelo y cómo el método Rejuvenation restaura la capacidad de aprendizaje por refuerzo para mejorar el rendimiento.
Optimización con restricciones para predicción robusta de estabilidad proteica
Nuevo método optimiza predicción de estabilidad proteica sin cambiar arquitectura y logra mayor robustez en datos fuera de distribución.
DynaCF: Mitigando el Aprendizaje por Atajos en Modelos de Recompensa
DynaCF reduce el aprendizaje superficial en modelos de recompensa mediante reajuste dinámico con contrafácticos, mejorando robustez y calidad de preferencias.
De atajos a razonamiento: post-entrenamiento robusto de ToM con RL
El nuevo enfoque Thinking-RFT supera atajos en ToM: mejora un 6% frente a SFT mediante razonamiento y refuerzo.
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.
LARP: Prefiltrado Robusto de Datos Agnóstico al Aprendiz
LARP ofrece prefiltrado robusto de datos para múltiples algoritmos. Conoce su coste de rendimiento y cómo protege tus modelos de datos contaminados.
Inferencia Conformal Localmente Adaptativa para Modelos de Operadores
Descubre LSCI, un marco libre de distribución para generar conjuntos de predicción adaptativos y calibrados para modelos de operadores en pronósticos espacio-temporales.
DHAuDS: Benchmark dinámico y heterogéneo para adaptación en pruebas
DHAuDS es un benchmark de audio dinámico y heterogéneo que expone las debilidades reales de los modelos TTA frente a ruido realista. Ideal para investigadores.
Enmascaramiento Espacial por Energía: Robustez e Interpretabilidad en Visión
Descubre cómo ERSM mejora la robustez e interpretabilidad de modelos de visión al reducir redundancias y aislar objetos.
Formulaciones cónicas de métricas de transporte para redes e hiperredes
Explora las nuevas formulaciones cónicas de métricas de transporte para redes e hiperredes no balanceadas, con algoritmo eficiente y propiedades de robustez.
¿Están realmente correlacionadas la robustez de clasificación y explicación?
Estudio revela que robustez de clasificación y explicación no están correlacionadas. Nuevo método de entrenamiento modifica paisaje de pérdida sin afectar clasificación.
AT-DPT: Aprendizaje por refuerzo robusto en contexto contra envenenamiento
Descubre cómo AT-DPT mejora la robustez del aprendizaje por refuerzo en contexto frente a ataques de envenenamiento de recompensas. Resultados sorprendentes.