7103 artículos
Este artículo propone un marco teórico que explica la generalización fuera de distribución mediante la preferencia por hipótesis "esparcidas" (que dependen de pocas características) y demuestra un teorema que garantiza su validez cuando las distribuciones de entrenamiento y prueba se superponen en las características relevantes, extendiendo así los límites clásicos de complejidad de muestra.
El artículo presenta MARIGOLD, un marco algorítmico unificado que aborda la ineficiencia computacional de los métodos de balanceo de gradientes en el aprendizaje multitarea reformulando el problema como una optimización bi-nivel y resolviéndolo de manera eficiente mediante métodos de orden cero.
Este artículo presenta un sistema de triaje legal determinista y reproducible basado en codificadores duales y bandas difusas calibradas que equilibra la precisión del cumplimiento normativo con la transparencia y la trazabilidad de auditoría, superando a los modelos opacos y a las reglas manuales en la clasificación de evidencia contractual.
Este trabajo generaliza el objetivo del autoencoder lineal EDLAE mediante una Pérdida Cuadrática Esperada Desacoplada (DEQL), lo que permite derivar soluciones eficientes para un rango más amplio de hiperparámetros () que superan el rendimiento del modelo original en tareas de recomendación.
Este trabajo introduce el marco teórico de la "Capacidad del Canal de Contexto" para explicar el olvido catastrófico en el aprendizaje continuo, demostrando que la arquitectura (específicamente la regeneración condicional de parámetros) es más determinante que el algoritmo para lograr un aprendizaje sin olvido y proponiendo nuevas direcciones de investigación basadas en este principio.
El artículo presenta DualSpec, un marco de especulación heterogéneo que acelera los agentes de investigación profunda al adaptar las estrategias de inferencia según la naturaleza de las acciones de búsqueda y visita, logrando una aceleración de hasta 3,28 veces sin comprometer la precisión.
El artículo presenta OrthoFormer, una arquitectura de Transformer fundamentada en la causalidad que integra la estimación de variables instrumentales mediante funciones de control neuronales para separar los factores de confusión latentes de los flujos causales dinámicos, logrando así una reducción de sesgo teórica y una mayor robustez ante cambios de distribución.
Este trabajo presenta un nuevo marco de aprendizaje por refuerzo y el benchmark AndroidWorld-Generalization para evaluar y mejorar la capacidad de generalización de agentes móviles basados en modelos de lenguaje y visión, demostrando que el entrenamiento con RL supera a los métodos supervisados en tareas no vistas, aunque la generalización a nuevas aplicaciones sigue siendo un desafío.
El artículo presenta "Data Agent", un marco de selección de datos dinámico y de extremo a extremo que trata la selección como un problema de toma de decisiones secuencial consciente del entrenamiento, logrando acelerar significativamente el proceso de aprendizaje y reducir los costos en más del 50% sin sacrificar el rendimiento en diversas tareas y arquitecturas.
Este trabajo presenta garantías finitas de muestra para aprender representaciones de estado impulsadas por costos y controladores subóptimos en sistemas de control lineal cuadrático gaussiano (LQG) de horizonte infinito, abordando tanto modelos de dinámica latente explícitos como implícitos (similares a MuZero) y estableciendo una nueva contribución técnica sobre la excitación persistente en procesos estocásticos.
El artículo presenta PACT, un marco de ajuste fino que preserva la alineación de seguridad en modelos de lenguaje al restringir específicamente la confianza en tokens de seguridad durante el entrenamiento, evitando así la deriva de seguridad sin comprometer el rendimiento en tareas generales.
Este artículo demuestra que un tokenizador discreto simple, combinado con suavizado gaussiano adaptativo, permite que los Transformers superen a los modelos de gradient boosting en la predicción tabular, logrando mayor precisión y calibración probabilística en un conjunto de datos masivo.
El artículo presenta Dial, un sistema de NL2SQL basado en conocimiento que aborda la heterogeneidad de los dialectos SQL mediante planificación lógica consciente del dialecto, una base de conocimiento jerárquica y un bucle de depuración, logrando mejoras significativas en precisión y cobertura de características en comparación con los métodos existentes.
El artículo presenta SLNet, una red neuronal extremadamente ligera y adaptable geométricamente para el reconocimiento de nubes de puntos 3D que logra un rendimiento competitivo en diversas tareas con una fracción de los parámetros y costos computacionales de modelos existentes, gracias a sus componentes NAPE y GMU.
Este trabajo presenta el Transformador de Doble Flujo, una arquitectura que descompone el flujo residual en dos componentes funcionales distintos para lograr un equilibrio ajustable entre la interpretabilidad y el rendimiento en modelos de lenguaje, demostrando que estrategias de mezcla como la de Kronecker permiten una comunicación eficiente entre cabezas de atención con una pérdida de rendimiento mínima.
El artículo presenta AFTUNE, un marco auditable y verificable que garantiza la integridad computacional del ajuste fino y la inferencia de modelos grandes en la nube mediante un mecanismo ligero de registro y verificación por muestreo, permitiendo a los clientes auditar procesos propietarios sin incurrir en sobrecargas prohibitivas.
Esta monografía ofrece una visión rigurosa de los aspectos teóricos y metodológicos de la inferencia probabilística y el aprendizaje mediante el método de Stein, abarcando desde la construcción de discrepancias y sus propiedades hasta su conexión con el descenso de gradiente variacional de Stein.
Este trabajo propone un marco de adaptación ligero que, mediante el uso de adaptadores de bajo rango actualizados con aprendizaje auto-supervisado sobre una base congelada, mejora la robustez de los modelos de mejora de voz en entornos acústicos dinámicos con menos del 1% de parámetros actualizados y una rápida convergencia, facilitando su implementación en dispositivos.
Este estudio presenta un marco condicional de difusión-transformer que genera conjuntos heterogéneos de conformaciones tridimensionales del genoma de *E. coli* guiados por mapas de contacto Hi-C, superando las limitaciones de los modelos deterministas al preservar la diversidad conformacional y la consistencia física con los datos experimentales.
El artículo presenta la Arquitectura de Fusión Tardía (LFA), un diseño de transformadores que garantiza la interpretabilidad mediante la separación estructural de las corrientes de tokens y semántica hasta la salida, logrando así una mayor estabilidad y modularidad funcional en comparación con los modelos estándar.