Guía completa de mantenimiento preventivo en Windows 11
Descubre cómo mantener tu Windows 11 rápido y seguro. Guía paso a paso con herramientas nativas y consejos de expertos para limpiar, optimizar y proteger tu equipo.
#temporal
Replanteando la RAG en videos largos: qué recuperar y cómo usarlo
Descubre cómo V-RAGBench y CARVE revolucionan la recuperación en videos largos, combinando múltiples modalidades y granularidades. Mejora la precisión de tu RAG.
Aprendizaje guiado por física para estimar períodos de olas costeras desde video
Aprende cómo la IA guiada por física estima períodos de olas costeras desde video para un monitoreo marino preciso y económico.
CloudCons: Benchmark integral para consolidación de recursos en nube
El benchmark CloudCons evalúa modelos de pronóstico en la nube. Descubre por qué la precisión no siempre mejora la eficiencia y cómo ajustar cuantiles.
Síntesis de escudos: análisis de defendibilidad para redes adversariales
Descubre el nuevo enfoque: la síntesis de escudos como herramienta de diseño para evaluar la defendibilidad de redes adversariales.
Razonamiento LLM con series temporales como programas estructurados
T2SP transforma series temporales en programas estructurados para que LLMs razonen sin entrenamiento. Mejora precisión y reduce tiempo de cómputo.
Modelos Autorregresivos Lineales de Dos Capas Estiman Estados Latentes
Descubre cómo los modelos autorregresivos de dos capas estiman estados latentes imitando el filtrado de Kalman. Con resultados teóricos.
CausalMoE: modelo fundacional multimodal para causalidad de Granger
CausalMoE, un modelo multimodal, revoluciona la detección causal de Granger usando expertos heterogéneos y patrones temporales, integrando LLMs y VLMs.
TetherCache: estabiliza video largo autorregresivo
TetherCache: estabiliza la generación de video largo autorregresivo sin entrenamiento, reduciendo deriva temporal y artefactos.
CausalMoE: Modelo fundacional multimodal para causalidad Granger
Descubre CausalMoE, el primer modelo fundacional multimodal que integra LLMs y VLMs para descubrimiento causal Granger preciso en series temporales complejas.
TetherCache: Estabilizando la generación de video largo con memoria y alineación
Descubre cómo TetherCache estabiliza la generación de video largo con un sistema de caché inteligente, reduciendo deriva y mejorando la calidad hasta 240 segundos.
MP3: Preentrenamiento de patrones multi-período para predicción espacio-temporal
Descubre MP3, plugin de preentrenamiento para predicción espacio-temporal. Identifica espejismos temporales y mejora STGNNs. Reduce MAE 4.7% y RMSE 5%.
NTS-CoT: Reducción de alucinaciones en resumen temporal de noticias con CoT
NTS-CoT reduce alucinaciones en resúmenes temporales de noticias con razonamiento en cadena. Descubre cómo mejora la fidelidad y precisión.
Previsión simultánea escalable mediante estimación del equilibrio
Descubre cómo ESE acelera pronósticos hasta 70x. Preciso, escalable y robusto para economía, salud, y más.
Transformador ligero e interpretable para predicción de tráfico
Nuevo modelo de transformador ligero e interpretable para pronóstico de tráfico. Reduce parámetros drásticamente con desenrollado de ADMM y grafos mixtos.
ReFoCUS: Selección de Fotogramas con Refuerzo para Comprensión Contextual
Descubre cómo ReFoCUS utiliza aprendizaje por refuerzo para seleccionar fotogramas clave en video, mejorando la precisión en tareas de comprensión contextual.
Ex-Omni: Generación de animación facial 3D para modelos omni-modales
Ex-Omni genera animación facial 3D sincronizada con voz para modelos omni-modales. Código abierto, baja latencia y alta calidad.
Identificabilidad sin Gaussianidad: Modelos Simbólicos y Consistencia Casi Infinita
Nueva Arquitectura Simbólica PGSA logra consistencia temporal casi infinita, superando la barrera gaussiana en modelos de mundo. ¡Descúbrelo!
Agrupamiento temporal robusto con modelos de salto ponderados
Descubre un modelo robusto de agrupamiento temporal que pondera características según el estado y maneja outliers con Tukey. Ideal para análisis de conflictos y economía.
ProtoX-AD: Detección autoexplicable de anomalías temporales
ProtoX-AD ofrece detección de anomalías en series temporales con explicaciones basadas en prototipos. Descubre cómo mejora la interpretabilidad sin perder rendimiento.