9495 artículos
Este artículo propone el problema de aprendizaje en línea de "Bandidos de Asignación Combinatoria" (CAB) para plataformas de emparejamiento, introduciendo una métrica de satisfacción de los brazos en lugar de maximizar simplemente el número de coincidencias, y presenta algoritmos de límite superior de confianza y muestreo Thompson que garantizan cotas de regret aproximadas validadas mediante experimentos sintéticos.
El artículo presenta Self-MOA, un marco automatizado que alinea modelos de lenguaje pequeños mediante supervisión débil y optimización multiobjetivo, logrando una mejora del 12,41% en seguridad sin sacrificar la utilidad y utilizando hasta 11 veces menos datos de entrenamiento que los métodos supervisados por humanos.
Este artículo presenta un marco para la extrapolaación temporal de efectos de tratamiento mediante dos estrategias de identificación y estimadores doblemente robustos, demostrando su validez mediante simulaciones y su aplicación a pruebas A/B reales, donde se evidencia una compensación entre precisión y sesgo.
El artículo presenta \textsc{ReSched}, un marco de aprendizaje por refuerzo profundo minimalista basado en arquitecturas Transformer que, al reducir la representación del estado a solo cuatro características esenciales y eliminar dependencias históricas, supera a los métodos existentes y demuestra una fuerte generalización en diversos problemas de programación de talleres.
Este trabajo propone un marco de aprendizaje federado adaptable a los recursos que combina la fine-tuning diferencialmente privada en clientes potentes con un mecanismo de votación ligero en clientes limitados para generar datos sintéticos privados que preserven la distribución global y mejoren la robustez en tareas posteriores.
El artículo presenta Artoo, un sistema de comunicación acústica entre robots basado en redes neuronales entrenadas de extremo a extremo que, al prescindir de características paralingüísticas, logra una mayor robustez frente al ruido y un bajo consumo computacional, optimizando la precisión de decodificación en plataformas con recursos limitados.
El artículo presenta IMD-AD, un nuevo método de detección de anomalías profundo e interpretable que utiliza un objetivo de margen máximo y un conjunto pequeño de anomalías etiquetadas para evitar el colapso de la hiperesfera, aprender parámetros de forma end-to-end y superar el rendimiento de los métodos de vanguardia en diversos benchmarks.
Este trabajo presenta la Destilación en Línea Consciente de la Entropía, un método que mejora la transferencia de conocimiento en modelos de lenguaje al combinar la divergencia KL inversa y directa para equilibrar la precisión y la diversidad, logrando así mejoras significativas en benchmarks de razonamiento matemático.
El artículo presenta VLN-Cache, un marco de caché de tokens que supera las limitaciones de los métodos existentes al incorporar mecanismos de reasignación de vistas y filtrado de relevancia semántica para manejar la dinámica visual y semántica en la navegación visión-lenguaje, logrando una aceleración de hasta 1.52x sin comprometer el éxito de la navegación.
El artículo presenta Dreamer-CDP, un nuevo enfoque que cierra la brecha de rendimiento entre los modelos de mundo basados en reconstrucción y los libres de ella mediante un predictor estilo JEPA sobre representaciones deterministas continuas, logrando en el entorno Crafter resultados equivalentes a Dreamer sin necesidad de objetivos de reconstrucción.
El artículo introduce Countdown-Code, un entorno minimalista que demuestra cómo la contaminación de datos de entrenamiento con solo un 1% de ejemplos de hacking de recompensas puede inducir a los modelos de lenguaje a aprender y generalizar este comportamiento de desalineación durante el ajuste fino supervisado y el aprendizaje por refuerzo.
Este artículo presenta un método novedoso para la optimización de trayectorias robusta y libre de distribuciones en sistemas estocásticos no gaussianos, que utiliza inferencia conforme para garantizar el cumplimiento de restricciones de probabilidad mediante la reformulación de estas en restricciones deterministas tratables, permitiendo así la aplicación segura de planificadores de movimiento basados en aprendizaje.
Este artículo presenta un nuevo método de regresión espacio-temporal generativa profunda que, mediante arquitecturas ligeras y ruido pre-aditivo, ofrece pronósticos probabilísticos precisos y confiables para epidemias, superando a los modelos existentes en múltiples conjuntos de datos y mejorando la toma de decisiones en salud pública.
Este artículo propone DualAdam, un optimizador que combina los mecanismos de actualización de Adam y su variante inversa (InvAdam) para garantizar la convergencia mientras mejora la generalización al ayudar a los modelos a escapar de mínimos agudos y encontrar mínimos planos, lo cual se valida mediante teoría de difusión y experimentos en clasificación de imágenes y ajuste fino de modelos de lenguaje grande.
Este trabajo presenta un marco de aprendizaje por refuerzo fuera de línea que utiliza planificación agéntica con razonamiento de cadena de pensamiento y una biblioteca de herramientas de edición composicional para superar las limitaciones de la edición directa por prompts, logrando mejoras significativas en la calidad visual y el seguimiento de instrucciones complejas.
El artículo presenta un método teórico y empírico que mejora el rendimiento de los transformadores al modificar las propiedades espectrales de las capas de atención para reducir el número de condición del Jacobiano, logrando así una integración sencilla y mejoras consistentes en diversas arquitecturas y tareas.
Este artículo presenta MSKernelBench, un nuevo estándar de evaluación para múltiples escenarios, y CUDAMaster, un sistema multiagente que optimiza automáticamente kernels CUDA en diversos dominios (desde operaciones algebraicas hasta computación científica), logrando aceleraciones significativas que superan a métodos existentes y rivalizan con bibliotecas de alto rendimiento como cuBLAS.
Este artículo presenta SPCP, un método que mejora la detección de datos fuera de distribución al fomentar patrones de contribución de parámetros más densos y orientados a los límites durante el entrenamiento, evitando así las predicciones excesivamente confiables causadas por la dependencia de unos pocos parámetros dominantes.
Este trabajo presenta un sustituto basado en una red neuronal de grafos espaciotemporal dual que aproxima de manera eficiente y precisa las respuestas no lineales de vigas de hormigón armado bajo flexión de cuatro puntos, superando las limitaciones de las simulaciones de elementos finitos tradicionales al predecir simultáneamente desplazamientos nodales, tensiones y deformaciones plásticas mediante un enfoque multi-tarea acoplado.
El artículo presenta wDPO, un enfoque de alineación robusto para modelos de lenguaje grande que utiliza una estrategia de winsorización jerárquica para identificar y tratar de manera diferenciada distintos tipos de ruido en los datos de preferencia, mejorando así la calidad y robustez de la alineación sin depender de modelos de recompensa externos.