Mensajería aproximada robusta y sencilla para modelos de pico plantado
Algoritmo sencillo y robusto de mensajería aproximada para modelos de pico frente a corrupción adversarial en PCA disperso, no negativo y sincronización Z2.
#rox
Aproximación eficiente de operadores neurales codificador-decodificador mediante espacios de variación
Aprende cómo los espacios de variación optimizan la aproximación de operadores neurales codificador-decodificador, con garantías de convergencia.
Colaboración incentivada en aprendizaje activo
Descubre cómo los protocolos de colaboración incentivada reducen la complejidad de etiquetado en aprendizaje activo, garantizando racionalidad individual.
Precisión de la aproximación gaussiana en iteraciones de SA
Descubre cómo una gaussiana aproxima iteraciones de SA con cotas de error explícitas y tasas de convergencia óptimas, validado con simulaciones.
Aproximaciones locales al aprendizaje en RNN lineales
Exploramos la dinámica del aprendizaje local en redes recurrentes lineales. Comparamos RFLO, tBPTT y BPTT, revelando diferencias cualitativas y soluciones de bajo rango.
Resolviendo ecuaciones diferenciales con deep learning: aspectos prácticos
Aprende a resolver ecuaciones diferenciales con deep learning: redes neuronales, retropropagación y método Deep Galerkin. Sin GPU.
Aproximación con Redes Neuronales Multigrado
Descubre cómo el enfoque Multigrade Deep Learning permite entrenar redes profundas por grados, reduciendo errores residuales y garantizando convergencia uniforme en arquitecturas ReLU.
APB-V: Acelerando comprensión de videos largos con atención paralela aproximada
Descubre APB-V: acelera la comprensión de videos largos en múltiples GPUs hasta 12.72x sin pérdida de rendimiento. Ideal para modelos multimodales.
Soy maratonista: lo que más me sorprendió de Hyrox
Descubre lo que más sorprendió a un maratonista en su primera competencia Hyrox. ¿Es más duro que un maratón? Lee la comparativa.
Inferencia cero-shot certificada con geometría latente compartida
Nueva arquitectura de dos vías logra inferencia cero-shot certificada en sistemas eléctricos. Supera al método Newton-Raphson con precisión y velocidad.
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.
Cuidado con el tamaño de lote: sesgo de hiperparámetro al evaluar LoRA
Descubre cómo el tamaño de lote es el factor oculto que sesga la evaluación de LoRA. Optimízalo para mejores resultados.
Gráfico contrastivo anclado en Doeblin para aprender kernels de Markov
Aprende a estimar núcleos de Markov válidos con un gráfico contrastivo anclado en Doeblin. Mejora la precisión en dinámicas de cadena.
Circuitos probabilísticos geométricos mediante teselaciones de Voronoi
Teselaciones de Voronoi para circuitos probabilísticos: inferencia exacta y aproximada en estimación de densidad. ¡Optimiza tus modelos!
Mezcla dinámica proxy: ajuste continuo de modelos de lenguaje
PROXYMIX utiliza mezcla dinámica proxy para transferir controladores de repetición, mejorando precisión y seguridad en el ajuste continuo de instrucciones.
Explotando simetrías del espacio de pesos para aproximar curvatura
Descubre cómo las simetrías en el espacio de pesos facilitan la estimación de la curvatura en redes neuronales, mejorando la optimización y reduciendo costos computacionales.
Regresión semisupervisada con proxy ruidoso: límites y generalización
Nuevo estimador en dos etapas supera a métodos supervisados en regresión con proxy ruidoso, aprovechando datos no etiquetados para límites de generalización.
Repensando las divergencias de Bregman en optimizadores Kronecker
Descubre cómo las divergencias de Bregman distribuyen el error de aproximación espectral en optimizadores Kronecker y la propuesta de un optimizador adaptativo.
LlamaStash: lanzador terminal nativo para llama.cpp
Descubre LlamaStash, el lanzador de llama.cpp para terminal con TUI, CLI y proxy OpenAI. Ejecuta modelos de IA localmente sin sobrecarga y con gran rendimiento.
ML con Túnel Cuántico: Modelos de Ruido Físicos
El algoritmo TAC corrige errores por túnel cuántico en IA sin reentrenamiento. Recupera el 95% de precisión con 3.4x menos gastos generales.