Escalado temporal universal de 1/3 en distribuciones puntiagudas
El entrenamiento de LLMs converge lentamente por una razón fundamental: softmax y entropía cruzada generan un escalado de pérdida universal 1/3. Descubre las implicaciones.
#tempo
Transformer de grafos multitarea para predicción de tránsito
Descubre cómo el Transformer SMT-GraphFormer predice embarques y desembarques en autobuses con precisión superior, superando modelos tabulares tradicionales. Ideal para planificación urbana.
Mapeo de la evolución de pequeños embalses en Brasil (1984-2025) con deep learning
Descubre cómo el deep learning cuantifica el aumento de casi 1 millón de pequeños embalses en Brasil desde 1984, impactando ecosistemas y gestión del agua.
DistMatch: Agrupación Adaptativa para Predicción Conformal Secuencial
Descubre DistMatch, nuevo método de agrupación adaptativa que mejora la robustez de la predicción conforme secuencial ante cambios de distribución.
Firmas de Motivos Temporales para Redes Neuronales de Grafos Temporales
Descubre cómo las firmas de motivos temporales mejoran la predicción en redes neuronales de grafos temporales. Aplicaciones en MOOC, Bitcoin y más.
GLIDE: Inferencia de Salto Guiada por Grafos para Difusión en Procesos Puntuales
GLIDE mejora la predicción de eventos espacio-temporales usando difusión condicional guiada por grafos, reduciendo costos de muestreo inverso. Descubre cómo.
FAiT: Transformer Invertido Consciente de la Frecuencia para Series Temporales
Descubre FAiT: supera el sesgo de baja frecuencia y modula dinámicamente frecuencias para pronósticos precisos de series temporales multivariables.
GLIDE: Difusión con salto guiado por grafos en procesos espacio-temporales
Descubre cómo GLIDE revoluciona la predicción de eventos espacio-temporales con difusión guiada por grafos, reduciendo costos y mejorando precisión.
FSA: De características a dinámicas en predicción zero-shot de series temporales
Descubre FSA: método que transforma características en dinámicas para predecir series temporales nunca vistas, superando a Transformers con menos datos.
FAiT: Transformer Invertido Consciente de Frecuencia para Series Temporales
FAiT: Transformer invertido que corrige el sesgo de baja frecuencia en pronóstico de series temporales multivariadas con modulación dinámica
Aprende tokenización de extremo a extremo con aprendizaje por refuerzo
Descubre cómo usar aprendizaje por refuerzo para aprender tokenización end-to-end, mejorando el rendimiento de modelos de lenguaje a gran escala.
Regresión desbalanceada en streaming con Árboles Hoeffding
Descubre cómo la estimación de densidad kernel y el shrinkage jerárquico mejoran la regresión desbalanceada en flujos de datos continuos usando Árboles Hoeffdin
Desplazamientos espectrales para detectar anomalías camufladas en grafos
Descubre cómo los desplazamientos espectrales detectan anomalías camufladas en grafos que parecen normales. Una nueva técnica para ciberseguridad.
Fortalece tu marca de alimentos en redes sociales con frutas de temporada
Aprende a usar fruta fresca de temporada y herramientas de IA para potenciar tu marca en redes sociales y aumentar el engagement.
ODTQA-FoRe: dataset para preguntas tabulares y pronóstico
Descubre ODTQA-FoRe, el primer dataset para preguntas tabulares con predicción futura. TimeFore combina LLM y modelos de series temporales para pronósticos precisos en datos inmobiliarios.
Moment-Video: Fidelidad temporal de MLLM en eventos visuales momentáneos
Moment-Video evalúa la capacidad de MLLM para captar eventos visuales que duran solo unos fotogramas. Resultados sorprendentes.
AdaCodec: Un Código Visual Predictivo para Video MLLMs
AdaCodec reduce tokens visuales en video MLLMs hasta 1/7, mejorando benchmarks y reduciendo tiempo de primera respuesta de 9.26s a 1.62s.
Blindaje Robusto para Aprendizaje por Refuerzo Seguro
Descubre el blindaje robusto para RL seguro. Garantiza seguridad en MDPs con transiciones inciertas mediante lógica temporal. Ideal para alta incertidumbre.
Alquiler de Tempo Traveller en Delhi
Descubre el servicio de alquiler de Tempo Traveller en Delhi para grupos, familias o empresas. Viaja cómodo, seguro y sin estrés. ¡Reserva hoy!
Cómo enseñar a tu IA a predecir las temporadas altas de primavera y otoño
Descubre cómo enseñar a tu IA a anticipar los picos de trabajo de primavera y otoño en marinas. Automatiza inventarios y horarios con reglas condicionales. ¡Deja de reaccionar, empieza a predecir!