2315 artículos
El artículo presenta NMIRacle, un marco generativo de dos etapas que integra representaciones de fragmentos y codificadores espectrales para predecir estructuras moleculares a partir de datos de IR y RMN con mayor precisión y robustez que los métodos existentes.
Este artículo presenta un marco teórico unificado que explica el sesgo de simplicidad en diversas arquitecturas de redes neuronales como resultado de una dinámica de aprendizaje de tipo "silla a silla", donde el descenso de gradiente evoluciona iterativamente a través de variedades invariantes y puntos de silla, revelando cómo la distribución de los datos y la inicialización de los pesos determinan la progresión hacia soluciones de mayor complejidad.
Este trabajo presenta un marco de incertidumbre relativista de datos (DRU) que aborda la escasez de datos y la degradación por baja iluminación en imágenes de paisajes de anime, logrando una mejora perceptual y estética superior a los métodos existentes al cuantificar y aprovechar dinámicamente la incertidumbre de la iluminación.
Este artículo demuestra que los transformadores pequeños, en entornos controlados denominados "túneles de viento bayesianos", realizan inferencia bayesiana con alta precisión mediante un mecanismo geométrico específico donde las corrientes residuales almacenan creencias y la atención gestiona el enrutamiento, superando así a las arquitecturas MLP y revelando la base geométrica del razonamiento en modelos grandes.
Este artículo demuestra que el entrenamiento por entropía cruzada en los transformadores genera dinámicas de gradiente acopladas que esculpen manifiestos bayesianos de baja dimensión, unificando así la optimización, la geometría interna y el razonamiento probabilístico en contexto mediante un mecanismo de enrutamiento basado en ventajas y actualizaciones de valores ponderadas por responsabilidad.
El estudio demuestra que los modelos de lenguaje modernos preservan una sustrato geométrico de baja dimensión, alineado con la entropía predictiva, que codifica la estructura bayesiana y permite inferencias aproximadas similares a las observadas en entornos sintéticos controlados.
El estudio presenta PanSubNet, un marco de aprendizaje profundo interpretable que predice los subtipos moleculares clínicamente relevantes del cáncer de páncreas directamente a partir de histopatología rutinaria (tinción H&E), superando las limitaciones de costo y tiempo de los métodos genómicos tradicionales y ofreciendo una herramienta viable para la estratificación pronóstica y la oncología de precisión.
Este trabajo analiza el problema del "sobre-búsqueda" en modelos de lenguaje grandes aumentados con búsqueda, proponiendo la métrica Tokens por Corrección (TPC) para cuantificar este fenómeno, identificando sus causas y efectos negativos, y presentando estrategias de mitigación junto con el conjunto de datos OverSearchQA para fomentar investigaciones futuras.
Este artículo propone un método innovador para muestrear distribuciones de Boltzmann no normalizadas mediante ecuaciones diferenciales ordinarias de flujo, utilizando una secuencia de muestreadores de Langevin para generar muestras intermedias y estimar robustamente el campo de velocidades, lo que garantiza tasas de convergencia no asintóticas y demuestra alta eficiencia en distribuciones multimodales y tareas de inferencia bayesiana.
Este artículo presenta un análisis de error con cotas cuantitativas para problemas inversos bayesianos que utilizan priores generativos entrenados con datos, demostrando que el error en la posterior hereda la tasa de convergencia del prior y validando estos resultados mediante experimentos numéricos en benchmarks y un problema inverso de EDP elíptica.
El artículo presenta HaKAN, un modelo de pronóstico de series temporales multivariantes basado en redes Kolmogorov-Arnold con funciones de activación aprendibles de polinomios de Hahn, que supera a los métodos actuales al ofrecer una arquitectura ligera, interpretable y capaz de capturar patrones temporales globales y locales.
Este trabajo propone VR-SDA-A, un algoritmo adaptativo de reducción de varianza que supera la barrera de estocasticidad en desigualdades variacionales estocásticas no convexas no cóncavas mediante una verificación de curvatura y un esquema de línea de búsqueda, logrando una complejidad óptima de y acelerando la convergencia en problemas de punto de silla.
El artículo propone redes neuronales bayesianas singularmente parametrizadas mediante descomposición de bajo rango que, al concentrarse en una variedad de rango , logran una reducción significativa de parámetros y mejores límites de generalización sin sacrificar el rendimiento predictivo ni la calibración en comparación con los enfoques tradicionales.
Este trabajo formaliza la pérdida de diversidad en modelos de difusión con guía libre de clasificadores como una distorsión generativa que surge de una transición de fase en regímenes de alta dimensión, y propone un nuevo esquema de programación con una ventana de guía negativa para mitigar este efecto mientras se preserva la separabilidad de clases.
Este artículo demuestra teóricamente y valida empíricamente que las alucinaciones en los modelos de lenguaje son una consecuencia inevitable de la optimización de la memoria bajo capacidad limitada, donde la estrategia óptima de compresión de información requiere asignar alta confianza a hechos no reales para minimizar la pérdida de información.
El artículo presenta GVP-WM, un método que utiliza modelos del mundo para convertir planes generados por video en secuencias de acciones factibles, corrigiendo las inconsistencias temporales y físicas mediante la optimización de trayectorias en el espacio latente.
El estudio demuestra que la calidad de generación en los modelos de difusión descentralizados no depende de la estabilidad numérica del muestreo, sino del alineamiento entre los datos de entrada y los expertos seleccionados, quienes deben estar entrenados en distribuciones que cubran el estado actual de desruido.
Este artículo presenta un enfoque basado en muestreo Thompson contextual para generar secuencias de ejercicios personalizados que optimizan la mejora de habilidades en entornos educativos digitales, demostrando mediante datos de una plataforma de tutoría matemática que este método incrementa el aprendizaje y permite una instrucción adaptativa a escala.
Este artículo demuestra que, en el régimen de alta dimensión, el comportamiento espectral y los límites estadísticos de los modelos de tensores espigados asimétricos de rango uno son universales, es decir, coinciden con los del caso gaussiano incluso cuando el ruido tiene una distribución general con momento cuarto finito.
El artículo presenta BLITZRANK, un marco basado en grafos de torneos que permite a los agentes de clasificación cero-shot determinar de manera principista los ítems superiores mediante comparaciones k-arias, logrando una precisión superior con una reducción significativa de tokens en comparación con métodos existentes.