SwiftCTS: Predicción y optimización Pareto de Clock Tree con calibración escasa
SwiftCTS optimiza Clock Tree en segundos: entrena en <5s, predice en microsegundos y reduce errores de potencia al 0.5% con sólo 1-2 ejemplos.
#sesgo
Detección ciega de fuga de información en predicciones de modelos
Descubre cómo detectar fugas de información en modelos de IA sin código de entrenamiento. Método rápido basado en teoría de decisiones solo con predicciones y resultados.
SwiftCTS: Optimización Pareto de Clock Tree con Calibración Few-Shot
SwiftCTS entrena en segundos, predice en milisegundos y reduce errores de potencia y cableado a <1% con calibración de pocas corridas. Optimiza Pareto.
Teoría del aprendizaje de estadísticas en modelos de difusión: de fácil a complejo
Descubre cómo los modelos de difusión aprenden estadísticas simples primero y luego las complejas, según una nueva teoría con implicaciones para la generación de imágenes.
DHDE: Fusión Multimodal de Sensores para Movilidad Humana
Descubre cómo el DHDE integra sensores físicos, señales digitales y datos meteorológicos para medir la movilidad humana regional con precisión, revelando una brecha de ingresos millonaria.
Estimación precisa de información mutua en datos de alta dimensión
Descubre cómo estimar información mutua en alta dimensión con redes neuronales, corrección de sesgo y confianza. Protocolo probado en imágenes reales.
Fourier Features para aprendizaje por imitación de alta precisión
Descubre cómo las Fourier Features mejoran la precisión en aprendizaje por imitación para robótica. Resultados en benchmarks y robots reales. ¡Lee más!
Anatomía del posentrenamiento: cómo la interpretabilidad moldea el aprendizaje
Aprende cómo la interpretabilidad audita datos de post-entrenamiento para moldear el aprendizaje y evitar sesgos en modelos de lenguaje.
Sesgo geométrico en perturbación de autoespacios con ruido heterogéneo
¿Sabías que el ruido heterogéneo causa un sesgo geométrico en autoespacios? Nuevas cotas asintóticas revelan lo que Davis-Kahan no muestra.
Detección masiva de palabras clave con vocabulario abierto
Sistema detecta palabras clave con vocabulario abierto, reduce almacenamiento 128x, reconoce términos especializados sin reentrenar, en idiomas no vistos.
Conformal Bayes con Cambio de Etiqueta: Calibración Post-Hoc vs Adaptación
Descubre cómo restaurar la cobertura nominal en Bayes Conformal ante cambios de etiqueta: comparamos calibración post-hoc y adaptación en entrenamiento.
MultiToP: Parcheo de tokens visuales contra alucinaciones en video
Aprende cómo MultiToP parchea tokens visuales para reducir alucinaciones en modelos de video. Mejora F1 en 50.6% sin afectar rendimiento.
Mitigando impacto desigual en privacidad diferencial con recorte acotado
El recorte adaptativo acotado reduce el sesgo en privacidad diferencial, mejorando hasta un 10% la precisión en clases minoritarias. Descubre cómo lograrlo.
Posición: Deja de antropomorfizar los tokens intermedios como razonamiento
Descubre por qué llamar 'razonamiento' a los tokens intermedios de los modelos de lenguaje puede llevar a malentendidos y malas prácticas en IA. Un análisis crítico.
Memoria y personalización hacen que la IA te diga lo que quieres oír
Nuevos estudios muestran que la memoria y personalización en IA incrementan hasta 25 veces la adulación, comprometiendo precisión en tareas críticas. Estrategias clave.
Memoria IA: chatbots equivocados con seguridad en el trabajo
La memoria en los chatbots puede hacer que den respuestas incorrectas pero seguras. Descubre cómo la personalización afecta la precisión en el trabajo.
Detención injusta expone fallas en herramienta de reconocimiento facial policial
El uso de reconocimiento facial llevó a una detención errónea en Florida. ACLU demanda a la policía por fallas en la tecnología. Conoce los riesgos de la IA.
Recordar demasiado bien: cómo la memoria aumenta la adulación en IA
La memoria persistente hace que los LLMs te den la razón aunque estés equivocado. Descubre cómo evaluamos y mitigamos este peligroso sesgo de adulación.
Creencias Superficiales en la Toma de Decisiones de los LLM
Descubre cómo los LLM muestran un comportamiento sistemático pero no pueden explicar sus propias decisiones. La superficialidad de sus creencias.
Huella estilométrica en LLMs multiagente: ¿identifican a sus pares?
¿Pueden los LLMs identificar a sus pares? La huella estilométrica sobrevive a la anonimización. Implicaciones clave para la EU AI Act.