Manifold GCN: Red Neuronal Convolucional Basada en Difusión para Grafos con Variedades
Nuevas capas GNN basadas en difusión para grafos con características en variedades. Aplicación en clasificación de Alzheimer supera redes estado del arte.
#var
VAEs con flujos geométricos latentes estables de alta dimensión para dinámicas
Descubre cómo los autoencoders variacionales con flujos geométricos latentes mejoran la representación de dinámicas en PDEs, reduciendo errores OOD hasta 35%.
L-Proto: Entrenamiento Prototípico para Verificación Multilingüe de Locutores
Descubre L-Proto, un método que reduce la influencia del idioma en la verificación de locutores, mejorando la precisión entre idiomas. Resultados superiores en
Cálculo geodésico en variedades latentes implícitas
Aprende a calcular geodesicas en variedades latentes implícitas usando geometría Riemanniana. Método robusto para autoencoders con proyección denoising.
MODE-RAG: Diagnóstico de Outliers y Evaluación de RAG Multimodal
MODE-RAG: un sistema multiagente que reduce alucinaciones en RAG multimodal usando diagnóstico de outliers y energía libre. Mejora la precisión de tus modelos
Selección online de LLMs con bandidos restringidos y demanda variable
Aprende a seleccionar el LLM óptimo usando bandidos restringidos, adaptándose a demanda variable y cumpliendo restricciones de presupuesto y latencia.
Sesgo implícito del descenso más pronunciado con gradiente estocástico minilote
Aprende cómo el tamaño de lote, momentum y reducción de varianza moldean el sesgo implícito en el descenso más pronunciado con gradiente estocástico.
Leyes de conservación para arquitecturas neuronales modernas
Descubre el marco unificado que revela invariantes en gradiente descendente para arquitecturas modernas (GELU, SiLU, SwiGLU, MoE). Validado experimentalmente.
Cuando Múltiples Escrituras Importan: Evaluación de ASR en Entornos Clínicos
Aprende cómo MultiClin mejora la evaluación de ASR en entornos clínicos multiescritura, superando métricas convencionales.
El token no tomado: muestreo y estado en agentes de IA
Descubre por qué los agentes de IA dan respuestas diferentes ante la misma petición: el rol del muestreo de tokens, el estado y otros factores de variabilidad.
De fiable a expresivo: currículo para jueces de seguridad
Mejora la precisión de jueces de seguridad al 94.88% con un currículo de rúbricas dinámicas que reduce la variabilidad entre distintos formatos.
DOME: Variables de dominio transferibles con supervisión dispersa
Descubre cómo DOME aprende variables de dominio transferibles con supervisión dispersa para mejorar la adaptación en tiempo de prueba.
SAW: Ponderación Dinámica por Etapas para RL Multiobjetivo en LLMs
Mejora el alineamiento de LLMs con SAW, ponderación dinámica que optimiza el aprendizaje multiobjetivo sin apenas coste computacional.
Sustrato entre arquitecturas: invariante geométrico en codificadores visuales
¿Sabías que 13 redes visuales comparten un mismo sustrato geométrico de 16 dimensiones? Te contamos cómo esto permite transferencia sin etiquetas y detección
Sustrato arquitectónico cruzado: invariante geométrico en codificadores visuales
13 codificadores visuales comparten un sustrato geométrico de 16 dimensiones. Permite clasificación, detección y transferencia sin etiquetas. ¡Descúbrelo!
Optimización de carteras con cambios de régimen y colas pesadas
El algoritmo BAVAR-BLED optimiza carteras con colas pesadas y cambios de régimen, logrando Sharpe 1.72 y retorno 57%.
Uni-E: Decodificación Invariante e Independiente en Modelos de Difusión
Descubre Uni-E, una energía unificada para decodificación invariante e independiente en modelos de difusión. Corrige desviaciones.
Mirar no es elegir: fallos en selección de herramientas en agentes LLM
Los agentes LLM miran la herramienta correcta pero eligen mal. El fallo está en la decisión, no en la atención. Estudio revela intervenciones efectivas.
Semantic DLM+: Equilibrio sesgo-varianza en modelos de difusión
SemDLM+ mejora modelos de difusión de lenguaje al equilibrar sesgo y varianza en el diseño del kernel de transición, logrando generación de texto diversa y
SILAGE: Optimización No Convexa Eficiente en Memoria para Sumas Finitas Anidadas
Descubre SILAGE, algoritmo que elimina los gradientes completos usando solo O(n) memoria. Se adapta a la heterogeneidad de datos. Ideal para grandes datos.