Entrenamiento ASR eficiente con conversaciones que nunca ocurrieron
Descubre cómo generar conversaciones sintéticas con LLM y TTS para entrenar ASR de forma eficiente, logrando mejor rendimiento con pocos datos reales
#tic
Aprendizaje por refuerzo con agente autorrefinado para navegación UAV con visión
AgenticRL usa un agente GPT para diseñar recompensas y refinar la navegación UAV con visión, logrando un 91% de éxito real y un 94% de precisión sim-real.
Formalizando el problema de vinculación en visión artificial
Formalizamos el problema de vinculación en visión artificial. Mide la información de vinculación en Vision Transformers para mejorar el reconocimiento.
Modelos de lenguaje: dormir para auto-modificarse y consolidar recuerdos
Descubre cómo los modelos de lenguaje pueden mejorar su memoria y aprender de forma continua imitando el sueño humano, con técnicas de destilación y ensueño.
Humanoid-GPT: Escalando datos y estructura para seguimiento zero-shot
Humanoid-GPT escala datos y estructura para seguimiento zero-shot de movimientos. Descubre cómo logra generalización sin precedentes.
Planificación incierta: simetrías, inferencia de políticas y compresión
Descubre cómo las simetrías, la inferencia de políticas y la compresión de soluciones revolucionan la planificación con incertidumbre en IA.
Aproximando inferencia probabilística en SEL con embeddings de grafos
Descubre cómo los embeddings de grafos aproximan la inferencia probabilística en SEL de forma eficiente, con garantías de sonido y velocidad.
SEFT: Ajuste fino disperso para LLMs con evolución de la dispersión
Descubre SEFT, un método de ajuste fino que permite a los LLMs dispersos evolucionar su estructura manteniendo eficiencia. Supera a métodos existentes.
Assistax: Benchmark de RL multiagente acelerado por hardware para robótica asistencial
Conoce Assistax, un benchmark open-source que acelera el entrenamiento de robots asistenciales con RL multiagente usando JAX. Hasta 370x más rápido que alternativas CPU.
Collab-REC: Marco agentivo con LLM para equilibrar recomendaciones turísticas
Collab-REC, un marco multiagente basado en LLM, equilibra popularidad y diversidad en recomendaciones turísticas, destacando destinos menos visitados.
Perspectivas éticas al humanizar chatbots con inteligencia artificial
Analizamos las perspectivas éticas sobre humanizar chatbots con IA: riesgos de dependencia, engaño y oportunidades para inclusión y bienestar.
Complejidad polinomial de iteración de políticas para MDP robustos L∞
Descubre cómo la iteración de políticas alcanza tiempo polinomial fuerte para MDPs robustos con conjuntos L∞. Un avance clave en optimización secuencial.
Optimización automatizada con agentes en coevolución y razonamiento interpretable
Descubre cómo EvoOR-Agent utiliza la coevolución de arquitecturas de agentes y razonamiento interpretable para optimizar procesos complejos con LLMs. Mejora el rendimiento y la interpretabilidad.
Typhoon: Estrategia de enmascaramiento adaptativo para modelos de lenguaje
Typhoon propone un enmascaramiento basado en gradientes para modelos de lenguaje. ¿Supera al enmascaramiento aleatorio? Los resultados no muestran mejoras significativas.
PINNfluence: Interpretando PINNs mediante funciones de influencia
Descubre cómo PINNfluence interpreta las redes neuronales físicas informadas usando funciones de influencia para diagnosticar su comportamiento.
Generando confianza en la optimización de caja negra: un marco integral para la explicabilidad
Mejora la transparencia en optimización de caja negra con IEMSO: métricas inclusivas que explican el proceso de surrogate optimization y aumentan la confianza.
DeMuon: Muon Descentralizado para Optimización de Matrices en Grafos
DeMuon: primer método descentralizado para optimización de matrices en grafos con garantías. Supera a otros en entrenamiento de transformers.
ReaLM: Cuantificación Residual para Unir Grafos de Conocimiento y LLMs
Descubre cómo ReaLM usa cuantificación residual para alinear embeddings de grafos de conocimiento con LLMs, logrando rendimiento estado del arte.
Aprendizaje por Refuerzo Multiagente Cooperativo Condicionado por Autómatas
Descubre ACC-MARL: un nuevo enfoque de aprendizaje por refuerzo multiagente que utiliza autómatas para coordinar tareas complejas de forma óptima y eficiente.
Fallo fatal en agentes de IA: falta capa de identidad; Luffa AI la construye
Descubre cómo Luffa AI construye la capa de identidad que falta en la economía de agentes de IA, respaldada por una inversión de US$220M de GoFintech Quantum.