cs.LG artículos | Gist.Science

Joint 3D Gravity and Magnetic Inversion via Rectified Flow and Ginzburg-Landau Guidance

Este artículo presenta un marco novedoso para la inversión conjunta de gravedad y magnetismo 3D que reformula el problema como un flujo rectificado sobre el conjunto de datos Noddyverse, incorpora un regularizador de Ginzburg-Landau para la identificación de minerales y propone una metodología de guía plug-and-play para capturar la distribución completa de soluciones en lugar de un único resultado determinista.

Dhruman Gupta (Ashoka University), Yashas Shende (Ashoka University), Aritra Das (Ashoka University), Chanda Grover Kamra (Ashoka University), Debayan Gupta (Ashoka University)2026-03-10🤖 cs.LG

Bilateral Trade Under Heavy-Tailed Valuations: Minimax Regret with Infinite Variance

Este trabajo establece la tasa minimax exacta de arrepentimiento para el comercio bilateral contextual con valoraciones de varianza infinita, demostrando que un algoritmo basado en estimación de media truncada logra un rendimiento óptimo que interpola entre la tasa no paramétrica clásica y la tasa lineal trivial según el momento finito $p$ de las valoraciones.

Hangyi Zhao2026-03-10🤖 cs.LG

Contextual Counterfactual Credit Assignment for Multi-Agent Reinforcement Learning in LLM Collaboration

El artículo presenta \textbf{\texttt{C3}}, un método de asignación de crédito contrafactual contextual que mejora el aprendizaje por refuerzo multiagente impulsado por LLMs al aislar el impacto causal de mensajes individuales mediante reproductores de continuación fija y una línea base de exclusión, logrando así una asignación de crédito más precisa y un mejor rendimiento en tareas de colaboración.

Yanjun Chen, Yirong Sun, Hanlin Wang, Xinming Zhang, Xiaoyu Shen, Wenjie Li, Wei Zhang2026-03-10🤖 cs.LG

IGLU: The Integrated Gaussian Linear Unit Activation Function

El artículo presenta IGLU, una nueva función de activación paramétrica basada en una mezcla de escalas de puertas GELU que utiliza una distribución de cola pesada (Cauchy) para garantizar gradientes no nulos y mejorar la robustez en datos desbalanceados, junto con una aproximación computacionalmente eficiente (IGLU-Approx) que logra un rendimiento competitivo o superior al de ReLU y GELU en tareas de visión y lenguaje con menor costo computacional.

Mingi Kang, Zai Yang, Jeova Farias Sales Rocha Neto2026-03-10🤖 cs.LG

Symmetry-Constrained Language-Guided Program Synthesis for Discovering Governing Equations from Noisy and Partial Observations

El marco SymLang integra gramáticas restringidas por simetría, síntesis de programas guiada por modelos de lenguaje y selección de modelos bayesiana regularizada por MDL para descubrir ecuaciones gobernantes interpretables y físicamente consistentes a partir de observaciones ruidosas y parciales, logrando una recuperación estructural exacta del 83,7% en sistemas dinámicos diversos.

Mirza Samad Ahmed Baig, Syeda Anshrah Gillani2026-03-10🤖 cs.LG

Stochastic Attention via Langevin Dynamics on the Modern Hopfield Energy

Este artículo presenta la atención estocástica, un método libre de entrenamiento que utiliza dinámicas de Langevin sobre la energía de Hopfield moderna para controlar la recuperación exacta o la generación abierta mediante la temperatura, logrando mayor novedad y diversidad que los modelos aprendidos sin requerir cambios arquitectónicos.

Abdulrahman Alswaidan, Jeffrey D. Varner2026-03-10🤖 cs.LG

Physics-informed AI Accelerated Retention Analysis of Ferroelectric Vertical NAND: From Day-Scale TCAD to Second-Scale Surrogate Model

Este estudio presenta un modelo sustituto de inteligencia artificial basado en operadores neuronales informados por física (PINO) que acelera más de 10.000 veces el análisis de retención de datos en NAND vertical ferroeléctrica (Fe-VNAND) en comparación con las herramientas TCAD tradicionales, manteniendo la precisión física necesaria para la optimización de dispositivos.

Gyujun Jeong (School of Electrical and Computer Engineering, Georgia Institute of Technology, GA, USA), Sungwon Cho (School of Electrical and Computer Engineering, Georgia Institute of Technology, GA, USA), Minji Shon (School of Electrical and Computer Engineering, Georgia Institute of Technology, GA, USA), Namhoon Kim (School of Electrical and Computer Engineering, Georgia Institute of Technology, GA, USA), Woohyun Hwang (Semiconductor Research and Development, Samsung Electronics Co., Ltd, South Korea), Kwangyou Seo (Semiconductor Research and Development, Samsung Electronics Co., Ltd, South Korea), Suhwan Lim (Semiconductor Research and Development, Samsung Electronics Co., Ltd, South Korea), Wanki Kim (Semiconductor Research and Development, Samsung Electronics Co., Ltd, South Korea), Daewon Ha (Semiconductor Research and Development, Samsung Electronics Co., Ltd, South Korea), Prasanna Venkatesan (NVIDIA, Santa Clara, CA, USA), Kihang Youn (NVIDIA, Santa Clara, CA, USA), Ram Cherukuri (NVIDIA, Santa Clara, CA, USA), Yiyi Wang (NVIDIA, Santa Clara, CA, USA), Suman Datta (School of Electrical and Computer Engineering, Georgia Institute of Technology, GA, USA), Asif Khan (School of Electrical and Computer Engineering, Georgia Institute of Technology, GA, USA), Shimeng Yu (School of Electrical and Computer Engineering, Georgia Institute of Technology, GA, USA)2026-03-10🤖 cs.LG

Single-pass Possibilistic Clustering with Damped Window Footprints

Este artículo presenta un algoritmo de agrupamiento posibilista de paso único (SPC) diseñado para datos en flujo, que destaca por su capacidad para modelar agrupamientos no esféricos, realizar actualizaciones de huellas en ventanas amortiguadas mediante fórmulas cerradas y fusionar estimaciones de media y covarianza utilizando la unión de covarianzas, demostrando un rendimiento superior en pureza y mutua información normalizada frente a otros algoritmos de agrupamiento en flujo.

Jeffrey Dale, James Keller, Aquila Galusha2026-03-10🤖 cs.LG

Learning From Design Procedure To Generate CAD Programs for Data Augmentation

Este trabajo propone un nuevo paradigma de aumento de datos que utiliza modelos de lenguaje grandes para generar programas de CAD condicionados a superficies de referencia y procedimientos de modelado, logrando así crear modelos con mayor diversidad geométrica y mayor similitud con diseños industriales de grado profesional.

Yan-Ying Chen, Dule Shu, Matthew Hong, Andrew Taber, Jonathan Li, Matthew Klenk2026-03-10🤖 cs.LG

Fairness May Backfire: When Leveling-Down Occurs in Fair Machine Learning

Este artículo establece que, aunque la equidad algorítmica en modelos que utilizan atributos sensibles mejora inevitablemente los resultados del grupo desfavorecido, la imposición de restricciones de equidad en modelos ciegas a estos atributos puede generar efectos adversos o "nivelación hacia abajo" para ambos grupos dependiendo de la distribución de los datos y la presencia de candidatos ocultos.

Yi Yang, Xiangyu Chang, Pei-yu Chen2026-03-10🤖 cs.LG

XGenBoost: Synthesizing Small and Large Tabular Datasets with XGBoost

El artículo presenta XGenBoost, un enfoque de generación de datos tabulares basado en XGBoost que utiliza un modelo de difusión DDIM para conjuntos pequeños y un modelo autoregresivo jerárquico para conjuntos grandes, logrando superar a los métodos anteriores en síntesis de datos mixtos con menor costo de entrenamiento.

Jim Achterberg, Marcel Haas, Bram van Dijk, Marco Spruit2026-03-10🤖 cs.LG

A Dynamic Self-Evolving Extraction System

El artículo presenta DySECT, un sistema de extracción autoevolutivo que establece un ciclo simbiótico cerrado en el que una base de conocimientos enriquecida por razonamiento gráfico y probabilístico retroalimenta continuamente a un modelo de lenguaje para mejorar la precisión de la extracción de información estructurada.

Moin Amin-Naseri, Hannah Kim, Estevam Hruschka2026-03-10🤖 cs.LG

CN-CBF: Composite Neural Control Barrier Function for Safe Robot Navigation in Dynamic Environments

Este artículo presenta CN-CBF, un método de diseño de funciones de barrera de control neuronales compuestas que combina múltiples CBFs entrenadas mediante el marco de alcanzabilidad de Hamilton-Jacobi y una arquitectura residual para garantizar la seguridad en la navegación de robots en entornos dinámicos, logrando tasas de éxito superiores hasta un 18% frente a métodos existentes sin aumentar la conservaduría del movimiento.

Bojan Derajic, Sebastian Bernhard, Wolfgang Hönig2026-03-10🤖 cs.LG

NerVE: Nonlinear Eigenspectrum Dynamics in LLM Feed-Forward Networks

El artículo presenta NerVE, un marco unificado basado en la dinámica espectral no lineal que analiza cómo las redes de alimentación hacia adelante en los modelos de lenguaje grandes organizan y regulan el flujo de información, ofreciendo métricas eficientes que correlacionan las firmas espectrales estables con la capacidad de generalización y proporcionando orientaciones prácticas para el diseño arquitectónico y la selección de optimizadores.

Nandan Kumar Jha, Brandon Reagen2026-03-10🤖 cs.LG

Swimba: Switch Mamba Model Scales State Space Models

El artículo presenta Swimba, un modelo de Mamba con mezcla de expertos (MoE) que parametriza los SSM en el espacio de parámetros para aumentar la capacidad del modelo manteniendo fija la complejidad computacional de la recurrencia, logrando un rendimiento ligeramente superior con una ligera penalización en latencia.

Zhixu Du, Krishna Teja Chitty-Venkata, Murali Emani, Venkatram Vishwanath, Hai Helen Li, Yiran Chen2026-03-10🤖 cs.LG

Physics-Consistent Neural Networks for Learning Deformation and Director Fields in Microstructured Media with Loss-Based Validation Criteria

Este trabajo presenta un enfoque computacional que combina elementos finitos y redes neuronales para resolver problemas de elasticidad de Cosserat en medios microestructurados, integrando restricciones físicas en la arquitectura de la red y validando la estabilidad de las soluciones mediante criterios de convexidad y desigualdades de Legendre-Hadamard.

Milad Shirani, Pete H. Gueldner, Murat Khidoyatov, Jeremy L. Warren, Federica Ninno2026-03-10🤖 cs.LG

Joint MDPs and Reinforcement Learning in Coupled-Dynamics Environments

Este artículo propone los Procesos de Decisión de Markov Conjuntos (JMDPs) como un formalismo para entornos de dinámicas acopladas que especifican leyes conjuntas de resultados contrafactuales, permitiendo el desarrollo de algoritmos de programación dinámica y aprendizaje por refuerzo con garantías de convergencia para momentos de retorno de orden superior.

Ege C. Kaya, Mahsa Ghasemi, Abolfazl Hashemi2026-03-10🤖 cs.LG

How Private Are DNA Embeddings? Inverting Foundation Model Representations of Genomic Sequences

Este estudio demuestra que los embeddings de modelos fundacionales de ADN, como DNABERT-2, Evo 2 y NTv2, son vulnerables a ataques de inversión que permiten reconstruir secuencias genómicas sensibles con alta precisión, lo que pone en riesgo la privacidad en servicios de embeddings como servicio (EaaS).

Sofiane Ouaari, Jules Kreuer, Nico Pfeifer2026-03-10🤖 cs.LG

Not All Neighbors Matter: Understanding the Impact of Graph Sparsification on GNN Pipelines

Este artículo demuestra que la esparsificación de grafos, como paso de preprocesamiento ligero, puede acelerar significativamente el entrenamiento y la inferencia de redes neuronales gráficas (GNN) a gran escala sin comprometer, e incluso mejorando en algunos casos, la precisión en tareas de clasificación de nodos.

Yuhang Song, Naima Abrar Shami, Romaric Duvignau, Vasiliki Kalavri2026-03-10🤖 cs.LG

Post-Training with Policy Gradients: Optimality and the Base Model Barrier

El artículo demuestra que, aunque el ajuste fino con gradientes de política y recompensas de resultado puede optimizar modelos autoregresivos lineales dentro del soporte del modelo base, superar esta barrera requiere un número exponencial de consultas a menos que se utilicen recompensas de proceso que dependan de un cuantil de verosimilitud a nivel de token para evitar la maldición de la dimensionalidad.

Alireza Mousavi-Hosseini, Murat A. Erdogdu2026-03-10🤖 cs.LG

← Anterior Siguiente →