Calidad de incertidumbre de VGGT: análisis en dataset DTU
Analizamos la calidad de las predicciones de incertidumbre de VGGT, ganador del Best Paper en CVPR 2025, y cómo optimizar reconstrucciones 3D en DTU.
#umbra
SLUM-i: Aprendizaje semisupervisado para mapeo de asentamientos informales
SLUM-i: aprendizaje semisupervisado para mapeo de asentamientos informales con mejora en calidad de datos. Logra +5.9 pp mIoU.
Computación hiperdimensional para consultas en datos tabulares
Descubre cómo la computación hiperdimensional mejora las consultas en embeddings tabulares con umbrales interpretables y detección de cero coincidencias.
GitOfThoughts: Razonamiento versionado y memoria de agente
GitOfThoughts versiona el razonamiento de IA como código. ¿La memoria mejora la precisión? Solo con copias casi exactas. Auditoría y fusión sin costo.
GitOfThoughts: control de versiones para el razonamiento de la IA
GitOfThoughts aplica control de versiones al razonamiento de IA. Replay, diff y merge de cadenas de pensamiento. ¿La memoria mejora la precisión? Resultados sorprendentes.
Detección de umbrales y control de despacho con IA en sistemas de hidrógeno
Descubre cómo un marco de ML y estadística detecta umbrales operativos y optimiza el despacho de hidrógeno multienergía, usando datos reales de un año.
Gradient boosting para extremos: teoría de muestreo en seguros
Explora cómo el gradient boosting optimiza la estimación de colas pesadas en seguros. Basado en teoría de muestreo y aplicado a 18,000 reclamaciones médicas.
Soporte Estratégico para Decisiones de Agentes de IA
Descubre cómo un nuevo marco de soporte estratégico minimiza el uso de ayuda en agentes de IA mientras controla errores críticos. ¡Optimiza tus sistemas!
CRAFTIIF: Detección de Anomalías en Series Temporales Multivariadas
CRAFTIIF detecta cuatro tipos de anomalías en series temporales multivariadas sin supervisión, superando a 25 métodos con un 40% más de precisión.
Detección online de cambios y adaptación conforme en clasificadores de seguridad
Descubre cómo nuestro sistema de monitoreo detecta cambios en clasificadores de seguridad y ajusta umbrales automáticamente, logrando un 86.6% de detección con baja latencia.
Deep learning consciente de incertidumbre para peligro de incendios
Mejora la precisión y fiabilidad del pronóstico de incendios forestales con deep learning que cuantifica la incertidumbre. Reduce errores de calibración un 2.1%.
Estimación de conjuntos de nivel con precisión (ε,δ) y criterio de parada
Nuevo método de estimación de conjuntos de nivel con criterio de parada garantiza precisión ε-δ y reduce evaluaciones innecesarias. ¡Aumenta tu eficiencia!
Explicaciones basadas en lógica para la confianza en modelos ML
Descubre cómo las explicaciones lógicas garantizan un nivel mínimo de confianza en predicciones de ML, mejorando la transparencia en decisiones críticas.
Detectabilidad distribuida frente a ataques marginal-preservantes
Los ataques que reparten el daño en pasos benignos burlan monitores unipaso. Descubre cómo la correlación temporal los detecta.
Certificados finitos para determinación en contexto y teoría de umbral en modelos de lenguaje
Los certificados finitos verifican la determinación contextual en LLMs y separan emergencia real de artefactos métricos. Nuevo marco teórico.
Difusión de Hiperflujo Local con Umbral
Descubre cómo el nuevo algoritmo TL-HFD mejora la agrupación en hipergrafos con difusión local y umbral, superando al método HFD en ruido.
¿Qué tan profundos son realmente los GPs profundos?
Descubrimos el umbral crítico que define si los procesos gaussianos profundos colapsan o convergen a distribuciones no gaussianas e interesantes. ¡Lee más!
Transición de fase abrupta del estimador M de Tyler en recuperación de subespacios
El estimador M de Tyler presenta una transición de fase abrupta en DS-SNR=1. Descubre su comportamiento crítico para la recuperación robusta de subespacios.
Abstención acotada en aprendizaje por pares para ranking
Descubre el método de abstención acotada para sistemas de ranking: delega decisiones inciertas a expertos humanos y mejora la seguridad y precisión.