Causal Agent Replay: Atribución Contrafactual de Fallos en Agentes LLM
Descubre Causal Agent Replay, el método que identifica exactamente qué paso causó un fallo en tu agente LLM, con intervalos de confianza y código abierto.
#shapley
mllm-shap: Explicabilidad con Shapley para modelos multimodales texto-audio
Descubre mllm-shap, el primer framework open-source que explica decisiones de modelos multimodales texto-audio usando valores Shapley. ¡Explora su interfaz!
Análisis XAI: conectando explicabilidad tradicional y modelos multimodales
Descubre cómo los valores de Shapley explican modelos multimodales multilingües. Un análisis XAI innovador para mejorar la transparencia en IA.
Aumann-SHAP: Geometría de interacciones contrafactuales en Machine Learning
Descubre Aumann-SHAP, un marco que descompone transiciones contrafactuales usando geometría de hipercubos. Corrige sesgos y mejora la interpretabilidad en ML.
Composiciones Shapley para predicciones probabilísticas
Descubre cómo las composiciones Shapley explican predicciones probabilísticas multiclase usando la geometría de Aitchison. Un enfoque riguroso y axiomático.
Adalina: Aproximación Lineal Adaptativa del Valor de Shapley
Descubre Adalina, el algoritmo adaptativo que acelera la aproximación del Valor Shapley y semi-valores con espacio lineal. Ideal para atribución en IA.
SHARP: ¿Quién merece la recompensa en sistemas multiagente?
Descubre SHARP: optimización con crédito Shapley para sistemas multiagente. Mejora resultados un 23% frente a métodos tradicionales. ¡Aprende más!
ShapDBM: Explorando Mapas de Fronteras de Decisión en el Espacio Shapley
ShapDBM transforma datos al espacio Shapley para crear mapas de fronteras de decisión más compactos, precisos y fáciles de interpretar. Mejora la visualización de clasificación.
Análisis estadístico del valor Shapley en localización de anomalías en sensores
Descubre el análisis teórico del valor Shapley para localizar anomalías en sensores. Comparamos su rendimiento con tests más simples y revelamos sorpresas.
ShaplEIG: Diseño Experimental Bayesiano para Estimar el Valor Shapley
Mejora la precisión al estimar valores Shapley con pocas evaluaciones. ShaplEIG usa diseño bayesiano para selección adaptativa de coaliciones. Ideal para costos.
Valores Shapley e interacciones con redes de tensores
Descubre TN-SHAP, un método que acelera valores Shapley e interacciones usando redes de tensores, reduciendo la complejidad exponencial a polinomial.
SurrogateSHAP: Atribución de contribuyentes sin reentrenamiento para modelos T2I
Aprende cómo SurrogateSHAP atribuye contribuyentes en modelos T2I sin reentrenamiento, reduciendo costos y mejorando transparencia.
TN-SHAP-G: Red tensorial para Shapley en gráficos
Descubre TN-SHAP-G: calcula valores Shapley en gráficos usando redes de tensores, sin Monte Carlo. Explicabilidad eficiente para modelos complejos.
FedMTFI: Destilación con importancia de características en FL heterogéneo
FedMTFI optimiza el aprendizaje federado heterogéneo con destilación multi-maestro y valores Shapley, mejorando precisión e interpretabilidad.
PatenteXAI: Atribución Shapley jerárquica para valoración de patentes
Aprende cómo PatenteXAI aplica Shapley jerárquico y grafos de conocimiento para valorar patentes de forma eficiente, con resultados precisos en milisegundos. Optimiza tu portafolio.
Unificación y optimización de valores de datos en selección secuencial
Descubre cómo un nuevo enfoque unifica y optimiza la valoración de datos usando decisiones secuenciales, mejorando la selección en LLM y benchmarks clásicos.
OddSHAP: El estimador impar de Shapley
OddSHAP revoluciona la estimación de valores Shapley. Al aislar el componente impar, logra una precisión superior en atribución de ML. Descubre el nuevo benchmark.