Atención ilumina razonamiento LLM: ritmo preplan-anclaje para optimización granular
Descubre cómo la atención en los LLM revela un ritmo de preplan y anclaje que optimiza políticas con aprendizaje por refuerzo granular, mejorando el razonamiento.
#sem
Inferencia semiparamétrica para procesos puntuales doblemente estocásticos
Método de inferencia semiparamétrica para procesos puntuales espaciales. Eficiente, sin supuestos restrictivos, mejor predicción en criminalidad.
Equilibrio de datos reales y sintéticos para detección de grietas en mampostería con CNN
Descubre cómo combinar datos sintéticos con solo un 20% de datos reales iguala y mejora la detección de grietas en mampostería con CNN. ¡Resultados sorprendentes!
Marginalización de fase en Vision Transformers: inestabilidad de cuadrícula
Mejora la segmentación y profundidad con marginalización de fase en Vision Transformers. Sin entrenamiento, más precisión.
Características latentes en LLMs: alineando semántica y mecanismos
Nuevo método no supervisado identifica modos de continuación en LLMs alineando semántica y atribuciones mecanicistas para auditar mecanismos internos.
Difusión de lenguaje continuo como problema de interfaz decodificador
Descubre cómo los modelos de difusión continua generan texto desde embeddings corruptos mediante el mecanismo de cuenca decodificadora.
Estabilizadores Universales Inverso-Óptimos Parametrizados por Costo de Control
Descubre cómo nuevas familias de estabilizadores universales parametrizan el costo de control usando operadores neuronales para estabilización semiglobal.
Reidentificación semántica zero-shot para conducción autónoma con VLM
Los VLMs permiten reidentificar objetos en conducción autónoma mediante descripciones semánticas zero-shot, con rendimiento comparable a CNN y mayor interpretabilidad.
SSL basado en Mean Teacher para localización interior con RSSI WiFi
Descubre cómo el framework SSL basado en Mean Teacher reduce errores de localización interior hasta un 49% usando huellas RSSI WiFi. Mejora precisión sin recolección masiva de datos.
Generative Reasoning Re-ranker: mejora de recomendaciones con IA
Descubre GR2, el nuevo reordenador generativo que mejora recomendaciones con razonamiento de LLMs y aprendizaje por refuerzo, superando al estado del arte en Recall y NDCG.
Por qué deberías desempolvar tu Raspberry Pi: proyectos más fáciles que nunca
¿Tienes una Raspberry Pi olvidada? Descubre cómo los proyectos se han vuelto más fáciles que nunca y dale una segunda vida a tu placa con estas ideas.
Acciones tipadas para agentes web en lugar de clics
Descubre por qué los agentes web deben usar acciones tipadas (verbos web) en lugar de clics para mayor fiabilidad y auditabilidad.
MMR-GRPO: Acelera el entrenamiento GRPO con recompensas basadas en diversidad
MMR-GRPO acelera el entrenamiento GRPO priorizando soluciones diversas: reduce un 47.9% pasos y 70.2% tiempo.
Modelo Brain2Text revela mecanismos neurales del procesamiento visual
Descubre cómo un nuevo modelo de IA decodifica señales fMRI en descripciones textuales, revelando los mecanismos neurales del procesamiento visual semántico.
I-Segmenter: Transformador de Visión de Enteros para Segmentación Semántica
I-Segmenter: segmentación semántica eficiente con transformador de visión solo enteros, reduce tamaño 3.8x, acelera inferencia. Para dispositivos limitados.
Comprendiendo el lenguaje de benchmarks con semánticas debilitadas
Descubre cómo extraer computables de benchmarks para obtener evidencia semántica inspeccionable y superar limitaciones del razonamiento textual.
Filtro semántico rápido con LLM: marco único a método adaptativo de dos fases
Nuevo método adaptativo de filtrado semántico con LLM que acelera el proceso un 60-100% manteniendo 90% de precisión. Ideal para grandes volúmenes de datos.
Coordinación Continua de Robots Cuadrúpedos con Descubrimiento Semántico
Descubre cómo Conquer permite a robots cuadrúpedos aprender nuevas habilidades de coordinación sin olvidar las anteriores, logrando un 95.6% de éxito.
Ego-Pi: Ajuste fino VLA con datos egocéntricos humanos y robots
Descubre cómo Ego-Pi usa datos humanos egocéntricos para entrenar robots, superando la falta de datos robóticos y logrando nuevas habilidades sin datos robot.
GenTSE: Extracción de Voz Objetivo con Modelo Generativo
GenTSE: modelo generativo en dos etapas para extraer la voz objetivo con alta calidad. Supera a sistemas previos en inteligibilidad y consistencia. Entrenamiento con DPO alinea la salida perceptual.