Flow Learners para PDEs: hacia un paradigma física-a-física
Los Flow Learners alinean dinámica continua con IA para transformar la simulación de PDEs y cuantificar incertidumbre.
#transporte
Respuesta a preguntas 3D Zero-Shot mediante transporte jerárquico de vista a token
Descubre cómo KeyVT optimiza la selección de vistas y tokens para responder preguntas sobre escenas 3D sin entrenamiento, superando a métodos existentes.
Olvidar no es borrar: Claves de transporte recuperan conocimiento
El olvido catastrófico no borra conocimiento, solo desalinea interfaces. Descubre cómo claves de transporte recuperan conocimiento latente en IA.
Benchmark de inferencia sin verosimilitud: redes neuronales y transporte óptimo
¿Cuál es el mejor método de inferencia sin verosimilitud? Comparamos redes neuronales y transporte óptimo en datos extremos y discretos.
CDOT: Transporte Óptimo Convexo de Distancias
Descubre CDOT, un marco convexo de transporte óptimo que alinea distribuciones heterogéneas preservando geometría. Mejora robustez y precisión.
Garantías estadísticas para sondas de inferencia de circuitos booleanos con bucle
Las sondas de razonamiento en circuitos booleanos con bucle ofrecen garantías estadísticas óptimas sin depender del tamaño del grafo. ¡Descubre más!
Modelado Generativo Precondicionado Un Paso para Problemas Inversos Bayesianos
Genera muestras posteriores 64x64 en milisegundos con modelado generativo de un paso para problemas inversos bayesianos en espacios funcionales. Evita MCMC.
Certificación no vacía de Transport MCMC con flujos normalizadores
Certificación no vacía de MCMC de transporte: nuevos límites de brecha espectral con flujos normalizadores. Ideal para muestreo bayesiano.
Formulación Biconvexa para Transporte Estable de Modelos de Mezcla
Descubre cómo el Transporte Óptimo de Mezclas (OMT) revoluciona el mapeo entre distribuciones con una solución única y estable. Ideal para big data y bioinformática.
CHaRS: Dirección de Representación Consciente de Heterogeneidad
CHaRS: un nuevo enfoque de dirección de representación que usa transporte óptimo para adaptarse a la heterogeneidad de conceptos en LLM, mejorando el control del comportamiento.
Evaluación distribucional abierta del alineamiento cultural de LLM con codebook de valores
DOVE evalúa la alineación cultural de LLMs mediante distribuciones de texto. Mejora precisión y fiabilidad con codebook de valores.
Generación en un paso: geometría de transporte en espacio semántico
Descubre cómo las representaciones semánticas SSL reducen 39 veces el FID en ImageNet, optimizando la generación en un paso sin métricas hackeadas.
Optimización Bayesiana Invariante a Permutaciones para Parques Eólicos Marinos
Descubre cómo la Optimización Bayesiana invariante a permutaciones, basada en transporte óptimo, reduce a la mitad el tiempo de cómputo y mejora el diseño de parques eólicos marinos.
CityTrajBench: un benchmark unificado para generar trayectorias vehiculares urbanas
Descubre CityTrajBench, el benchmark unificado para generar trayectorias vehiculares urbanas. Compara modelos como DiffTraj, GANs y flujos. Resultados multiobjetivo clave.
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!
Grandes modelos de lenguaje en gestión de transporte
Los LLMs mejoran la gestión de sistemas de transporte integrando datos heterogéneos para soporte de decisiones multimodal. ¡Descubre cómo!
DOT-MoE: transporte óptimo diferenciable para modelos MoE
Descubre DOT-MoE, un método que convierte modelos de lenguaje densos en MoE usando transporte óptimo diferenciable, manteniendo un 90% del rendimiento con un 50% menos parámetros activos.
Interacciones estructuradas mejoran coordinación distribuida más que escalado
Descubre cómo reestructurar la comunicación entre robots mejora un 47% el rendimiento, frente al 9% de escalar modelos. Estudio con 10 robots reales.
Mezcla de Expertos en GNN Condicionada por Grafos para Pronóstico de Tráfico
GC-MoE asigna expertos congelados personalizados a cada nodo vial, mejorando precisión en pronóstico de tráfico con solo 17K parámetros.
Selección Activa de Tiempos para Aprender Trayectorias de Medidas
Descubre cómo seleccionar los mejores tiempos de medición usando aprendizaje activo y procesos gaussianos para reducir costos en biología unicelular.