Estabilidad más allá de diferencias acotadas: límites con momentos L_p
Descubre cómo la estabilidad L_p genera límites de generalización robustos con pérdidas pesadas, superando diferencias acotadas.
#robustez
Aprendizaje de representaciones consciente de la iluminación variable
Aprende cómo el modelado explícito de la iluminación mejora el aprendizaje visual, logrando mayor robustez y adaptabilidad en clasificación y detección.
ML-FTLE unificado guiado por geometría para rastrear caos transitorio en series temporales escalares
Descubre cómo un nuevo marco de ML guiado por geometría detecta caos transitorio en series temporales, sin ecuaciones, con alta precisión y resistencia al ruido.
ADIGen: generación contrafactual automática, debiasada e invariante
ADIGen genera contrafactuales debiasados e invariantes automáticamente. Aprende cómo su robustez doble mejora la toma de decisiones bajo intervenciones complejas.
Robustez certificada contra envenenamiento datos en entrenamiento con gradientes
Descubre cómo certificar la robustez de modelos de IA contra envenenamiento de datos. Garantías formales para entrenamiento con gradientes.
SS-TPT: Cómo proteger modelos de visión y lenguaje de ataques adversariales
Descubre cómo SS-TPT logra un equilibrio robustez-rendimiento usando estabilidad y adecuación para seleccionar las mejores vistas. Lee más.
Fallas de LLMs en salud: sensibilidad a variaciones en prompts
Los modelos de lenguaje en salud fallan ante cambios sutiles en prompts, generando errores clínicos. Un estudio revela que variaciones mínimas pueden alterar diagnósticos y recetas.
Alineación de señales acústicas en modelos de audio para emociones
Descubre cómo la alineación de señales acústicas mejora el reconocimiento de emociones en modelos de lenguaje de audio. Resultados en FAU-Aibo e IEMOCAP.
Modelo PPG robusto con supervisión fisiológica multimodal
Descubre cómo un modelo PPG entrenado con señales de ECG y respiración logra mayor robustez y precisión en 14 de 15 tareas, incluso con datos de wearables.
Estabilidad vs. Manipulabilidad: Robustez en Jueces de IA
¿Son confiables los jueces de IA? Este estudio revela que aunque estables, pueden revertirse con desafíos posteriores, afectando rankings y preferencias humanas.
Estabilidad vs. Manipulabilidad: Evaluando Robustez en Jueces LLM
Los jueces LLM son estables en reevaluaciones neutrales, pero vulnerables a retos dirigidos. El ERS mide su robustez interaccional. Conoce sus implicaciones.
GuardNet: Redes superficiales contra inyección de prompts y jailbreak
GuardNet combina redes neuronales superficiales para detectar ataques a LLMs. Logra AUROC 0.747 en benchmark ciego con solo 50ms de latencia. Ideal para producción.
Corrigiendo dependencia de prompts en benchmarks LLM: modelo bayesiano con clustering
Descubre cómo un modelo bayesiano jerárquico con clustering corrige la dependencia de prompts en benchmarks de LLM, mejorando métricas de rendimiento hasta un 73%.
Ataques adversarios en ASR más allá de la forma de onda
Nuevo ataque adversario en ASR evade defensas al perturbar representaciones SSL, mejorando la transferibilidad como en Whisper.
Módulo de Adaptación de Torque (TAM) para Transferencia Robusta de Movimiento
TAM adapta torque para mover robots de forma robusta. Mejora ejecución real sin datos previos. Perfecto para manipulación dinámica.
Convergencia Rápida y Robusta de TD(0) con Aproximación Lineal
Descubre cómo TD(0) con aproximación lineal logra una convergencia rápida y robusta, con tasa óptima de 1/k y sin depender del menor autovalor. Ideal para aprendizaje por refuerzo.
Descubrimiento Causal Robusto en Series Temporales Reales con Leyes de Potencia
Descubre cómo las leyes de potencia mejoran el descubrimiento causal en series temporales reales, reduciendo ruido y obteniendo inferencias fiables.
Descubrimiento Causal Robusto en Series Temporales con Leyes de Potencia
Descubre cómo un método basado en leyes de potencia extrae señales causales reales en series temporales, superando el ruido y mejorando la precisión.
Aprendizaje resistente a ruido de etiquetas con OBD
Descubre cómo el enmascaramiento OBD intercepta gradientes ruidosos y mejora la robustez ante etiquetas erróneas. Resultados superiores en benchmarks.
Enrutamiento Sinkhorn Selectivo para Mezclas Dispersas de Expertos
Mejora el rendimiento de mezclas dispersas de expertos con enrutamiento Sinkhorn selectivo. Sin pérdidas auxiliares, mayor eficiencia y robustez.