AttentionCap: Aprendizaje de matrices de capacitancia con Transformers
AttentionCap: Transformer para extracción de capacitancia con 0.67% de error y 192x más velocidad. Descubre su impacto en EDA.
#sem
Alineación Semántica Causal para Pronósticos de Series Temporales con LLM
Descubre cómo CVAformer desenreda componentes dinámicos e invariantes para mejorar los pronósticos de series temporales con LLMs. Resultados superadores.
Alineación Semántica Causal en Pronósticos de Series Temporales con LLM
CVAformer alinea variables de series temporales eliminando correlaciones espurias mediante intervención causal. Resultados superiores en predicciones a corto y largo plazo.
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.
Detección de jerga y entidades en comunidades online mediante cambio semántico
Descubre cómo detectar jerga y entidades únicas en comunidades online usando el cambio semántico en modelos de lenguaje ajustados. Método no supervisado.
Prioridades léxicas en LLMs: un enfoque Stroop
Descubre cómo los modelos de lenguaje mantienen prioridades léxicas al ser anuladas, según estudio con paradigma Stroop. Implicaciones para IA.
Pronóstico de elecciones japonesas con machine learning no lineal
Descubre cómo los modelos de machine learning no lineal mejoran la precisión en el pronóstico de elecciones japonesas, superando métodos lineales clásicos.
Calibración de normalidad en detección de anomalías en grafos semisupervisada
GraphNC calibra la normalidad en detección de anomalías en grafos. Usa datos etiquetados y no etiquetados para reducir falsos positivos y mejorar la precisión.
Representaciones autosupervisadas de sistemas dinámicos para series fisiológicas
PULSE: aprendizaje autosupervisado que extrae representaciones de sistemas dinámicos de series fisiológicas, mejorando clasificación y transferencia.
GraphER: Enriquecimiento y reranking basado en grafos para RAG
GraphER mejora recuperación multi-fuente en RAG con enriquecimiento y reranking en grafos, sin infraestructura extra. Aumenta completitud de documentos.
Más allá de JSON: Implementa el tipo VARIANT en Apache Iceberg V3
Descubre cómo el tipo VARIANT de Apache Iceberg V3 acelera consultas sobre JSON y reduce costos de almacenamiento. Guía práctica con Amazon EMR Serverless.
Cómo usé Airtable para cambiar comida rápida por planificación en 5 min
Descubre cómo usar Airtable para planificar comidas en 5 minutos, dejar la comida rápida y ahorrar tiempo sin contar calorías. Organiza tu menú semanal.
Compradores de lujo abandonan crossovers por SUV alemán depreciado
¿Crossover nuevo o SUV alemán usado? Descubre por qué los compradores de lujo optan por calidad y ahorro. ¡Aprovecha la depreciación!
Mitigando alucinaciones en modelos de difusión con guía dinámica
Descubre cómo la Guía Dinámica mitiga alucinaciones en modelos de difusión sin perder variedad, mejorando la generación de imágenes realistas.
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.
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.