11158 artículos
El artículo presenta Rel-MOSS, un nuevo enfoque de aprendizaje profundo relacional que aborda el problema del desequilibrio de clases en bases de datos relacionales mediante un controlador de puertas relacional y un sintetizador de minorías guiado por relaciones, logrando así un rendimiento superior en tareas de clasificación de entidades.
Este artículo propone un marco de aprendizaje por transferencia robusto que utiliza información lateral para construir conjuntos de incertidumbre centrados en la estimación, logrando políticas más eficientes y menos conservadoras en dominios objetivo con cambios ambientales significativos.
Este artículo propone un marco de IA modular que utiliza análisis semántico y sintáctico de consultas SQL para asignar puntuaciones de riesgo a métricas agregadas en el sector salud, permitiendo la detección proactiva de violaciones de privacidad y facilitando el intercambio seguro de datos entre equipos empresariales sin acceder a información sensible.
Este trabajo presenta ELLMob, un marco de lenguaje grande autoalineado que genera trayectorias humanas plausibles durante grandes eventos sociales al resolver la competencia entre patrones habituales y restricciones de eventos mediante la Teoría de la Trazas Difusas, superando a los métodos actuales y utilizando el primer conjunto de datos anotado con eventos.
Los autores desarrollan una pipeline de aprendizaje por refuerzo para simplificar diagramas de nudos, la cual se valida en nudos triviales complejos y en el nudo compuesto , donde logra recuperar la sorprendente cota superior de tres para su número de desanudado.
El artículo presenta PSTNet, una red neuronal ligera de solo 552 parámetros que integra principios físicos directamente en su arquitectura para estimar en tiempo real la intensidad de la turbulencia atmosférica en sistemas de guía de aeronaves con recursos limitados, logrando una mayor precisión y eficiencia que los modelos clásicos o genéricos.
Este artículo presenta la Optimización Bayesiana Local Constrained (LCBO), un marco novedoso que supera los desafíos de la alta dimensionalidad en problemas con restricciones mediante un enfoque de descenso local y exploración guiada por la incertidumbre, logrando tasas de convergencia polinómicas y un rendimiento superior a los métodos actuales en benchmarks de hasta 100 dimensiones.
Este trabajo presenta arquitecturas de Mezcla de Expertos (MoE) y Mezcla de Expertos Lineales (MoLE) para Potenciales Interatómicos de Aprendizaje Automático que, mediante activación dispersa y enrutamiento por elemento, logran un rendimiento superior y una especialización química interpretable, estableciendo nuevos estándares de precisión en múltiples benchmarks.
El paper introduce \$OneMillion-Bench, un nuevo conjunto de 400 tareas curadas por expertos en cinco dominios profesionales que evalúa la fiabilidad y profundidad de los agentes de lenguaje en escenarios reales de alto impacto económico, superando las limitaciones de las pruebas actuales mediante una evaluación basada en criterios rigurosos de precisión factual, coherencia lógica y cumplimiento profesional.
El artículo presenta MJ1, un juez multimodal de 3B parámetros entrenado con aprendizaje por refuerzo que utiliza una cadena de verificación fundamentada y una recompensa de consistencia contrafactual para lograr una precisión superior a modelos mucho más grandes en la evaluación de razonamiento y edición de imágenes, demostrando que la verificación fundamentada mejora significativamente el juicio multimodal sin aumentar la escala del modelo.
SmartThinker es un nuevo método basado en GRPO que calibra progresivamente la longitud del razonamiento en cadena de pensamiento mediante la estimación dinámica de la longitud óptima y la modulación de la recompensa, logrando una compresión significativa de la longitud de respuesta sin sacrificar, e incluso mejorando, la precisión en tareas complejas.
Este artículo propone un enfoque de búsqueda de producto interno máximo (MIPS) amortizado que utiliza redes neuronales, específicamente SupportNet y KeyNet, para predecir directamente los vectores óptimos aprovechando las propiedades matemáticas de las funciones de soporte, lo que reduce significativamente los costos computacionales para distribuciones de consultas fijas.
El artículo propone FedMomentum, un marco novedoso que preserva el impulso de entrenamiento en el ajuste fino federado de modelos de lenguaje mediante la agregación estructurada de adaptaciones LoRA utilizando descomposición de valores singulares (SVD), superando así las limitaciones de ruido y expresividad estructural de los métodos existentes para lograr una convergencia más rápida y un rendimiento superior.
El artículo presenta CAMEL, una ley de mezcla consciente de la capacidad que permite optimizar de manera eficiente la mezcla de datos para modelos de lenguaje grandes mediante la predicción del rendimiento en modelos objetivo de gran escala, reduciendo los costos de optimización en un 50% y mejorando el rendimiento en un 3%.
El artículo presenta GCGNet, una red generativa basada en grafos que mejora la predicción de series temporales con variables exógenas al modelar conjuntamente las correlaciones temporales y de canal mediante un generador variacional, un alineador de estructura de grafos y un refinador, logrando así mayor robustez ante el ruido y superando a los métodos actuales en múltiples conjuntos de datos reales.
El artículo presenta CDRRM, un marco de modelado de recompensas que genera rúbricas interpretables mediante un paradigma de contraste y síntesis para superar los sesgos y la dependencia de anotaciones costosas, logrando un rendimiento superior con alta eficiencia de datos.
El artículo presenta SFed-LoRA, un marco de aprendizaje federado que introduce un factor de escala óptimo para mitigar la inestabilidad y el colapso de gradientes en la adaptación de bajo rango (LoRA) causados por la agregación de múltiples clientes, permitiendo así una adaptación de rango alto estable y eficiente sin alterar la arquitectura del modelo.
Este estudio propone un marco de adaptación de dominio basado en aprendizaje profundo que facilita la transferencia efectiva de conocimiento entre conjuntos de datos heterogéneos de RNA-seq, mejorando significativamente la precisión en la clasificación de tipos de cáncer y tejidos, especialmente en escenarios con datos limitados.
Este artículo presenta la Eliminación Estructurada Determinista y Diferenciable (DDP), un método que optimiza máscaras deterministas para reducir el costo de inferencia de los modelos de lenguaje grandes sin la desviación entre entrenamiento y prueba inherente a los enfoques estocásticos anteriores, logrando una pérdida de rendimiento mínima y aceleraciones de inferencia significativas.
Este trabajo propone una arquitectura híbrida cuántico-clásica que integra un circuito cuántico variacional dentro de una red neuronal recurrente para pronosticar múltiples señales fisiológicas en tiempo real, demostrando una precisión competitiva y una mayor robustez ante el ruido en entornos clínicos con cohortes pequeñas.