11488 artículos
El artículo presenta GPSL, un esquema impulsado por el servidor para el aprendizaje dividido paralelo que fija el tamaño del lote global mediante muestreo global sin reemplazo, eliminando sesgos de redondeo y estabilizando el entrenamiento en entornos no IID para lograr una precisión similar a la centralizada sin aumentar la carga computacional.
Este artículo propone un enfoque de factorización de matrices no negativas (NMF) con una formulación min-max para mejorar la equidad en la descomposición de datos, presentando algoritmos de optimización y demostrando mediante experimentos que, si bien puede reducir el sesgo entre grupos, a menudo implica un compromiso con el error individual y requiere una adaptación cuidadosa al contexto de aplicación.
Este estudio experimental demuestra que los modelos de aprendizaje automático conscientes de la equidad logran un mejor equilibrio entre la precisión predictiva y la equidad en la puntuación de crédito en comparación con los modelos de clasificación tradicionales.
Este artículo presenta Path Planning (P2), una nueva estrategia de inferencia para modelos de difusión enmascarada que mejora la calidad generativa al permitir la refinación iterativa de tokens mediante un planificador, logrando así un rendimiento superior en diversas tareas como la generación de proteínas, ARN, razonamiento matemático, historias y código.
Este artículo demuestra que el entrenamiento de redes neuronales mediante flujo de gradiente en el espacio de Wasserstein sufre de la maldición de la dimensionalidad, donde la tasa de decaimiento del riesgo poblacional está limitada por la dimensión del espacio y la suavidad de la función objetivo, independientemente de si se utilizan funciones de activación Lipschitz o localmente Lipschitz.
Este trabajo extiende el método de flujo de entropía para derivar cotas de generalización válidas para cualquier algoritmo de aprendizaje gobernado por un proceso de Markov homogéneo en el tiempo, estableciendo nuevas conexiones con desigualdades de Sobolev logarítmicas modificadas y demostrando su eficacia en diversos algoritmos concretos.
Este artículo refuta la conjetura de que los atractores de la dinámica replicadora corresponden uno a uno con las equilibrios sumidero, demostrando mediante contraejemplos basados en "fuentes locales" que dicha relación es falsa, aunque establece que la pseudoconvexidad es una condición suficiente para que se cumpla en juegos de dos jugadores.
Este artículo presenta FBFL, un enfoque novedoso de aprendizaje federado basado en campos que utiliza la coordinación macroprogramada y la elección de líderes espaciales para superar los desafíos de la heterogeneidad de datos no IID y la dependencia de arquitecturas centralizadas, logrando un rendimiento superior a los métodos actuales en escenarios no IID y una mayor resiliencia ante fallos del servidor.
El artículo propone y analiza Clip21-SGD2M, un nuevo método para el aprendizaje federado que combina recorte, momento de tipo heavy-ball y retroalimentación de errores para lograr simultáneamente tasas de convergencia óptimas y garantías de privacidad diferencial en problemas no convexos con datos heterogéneos.
Esta encuesta propone un marco taxonómico unificado basado en el Control como Inferencia que clasifica los modelos generativos en cuatro roles funcionales para abordar las limitaciones del aprendizaje por refuerzo clásico, analizando su aplicación en dominios de alto riesgo y los desafíos hacia una inteligencia física generalista.
Este artículo presenta BACE-RUL, un marco general basado en una red adversaria bidireccional con codificación de covariables que predice la vida útil restante de máquinas utilizando únicamente mediciones de sensores del ciclo actual, superando a los métodos existentes en precisión y aplicabilidad en escenarios reales.
El artículo identifica el "espejismo de seguridad" en los modelos de visión y lenguaje, donde el ajuste fino supervisado refuerza correlaciones espurias que los hacen vulnerables a ataques y excesivamente cautelosos, y propone el olvido automático como solución superior que reduce significativamente tanto el éxito de los ataques como los rechazos innecesarios.
Este estudio presenta un marco de evaluación a gran escala que demuestra que la capacidad de los modelos de lenguaje grandes para localizar fallos es frágil y depende en gran medida de señales sintéticas irrelevantes en lugar de un razonamiento semántico profundo, ya que la mayoría de las localizaciones exitosas fallan al aplicar mutaciones que preservan la semántica.
Este artículo presenta ms-Mamba, una arquitectura innovadora para la predicción de series temporales que integra múltiples escalas temporales mediante bloques Mamba con diferentes tasas de muestreo, logrando un rendimiento superior al de los modelos actuales con menor uso de parámetros y recursos computacionales.
El artículo presenta TianQuan-S2S, un modelo global de pronóstico meteorológico subestacional a estacional que integra estados climáticos mediante incrustaciones de parches y un Transformer aumentado con incertidumbre, logrando un rendimiento superior a los métodos numéricos tradicionales y modelos basados en datos en variables meteorológicas clave.
El artículo presenta Noise2Ghost, un método de reconstrucción de imagen fantasma basado en aprendizaje profundo auto-supervisado que elimina la necesidad de datos de referencia limpios y ofrece una reducción de ruido superior, facilitando así aplicaciones de imagen en condiciones de baja luz como la fluorescencia de rayos X en muestras biológicas y baterías.
Este artículo presenta un marco de Propuesta-Prueba-Liberación (PTR) eficiente y diferencialmente privado para estimar el componente principal de redes, el cual logra una precisión superior y una reducción de 180 veces en el tiempo de ejecución en comparación con métodos existentes, permitiendo además la primera solución privada para el problema del subgrafo más denso.
Este artículo presenta una formulación variacional del flujo de partículas basado en el homotopía logarítmico, demostrando que sigue una trayectoria de gradiente de Fisher-Rao que, al aproximarse con distribuciones gaussianas o mezclas gaussianas, recupera y generaliza flujos de partículas existentes para problemas de estimación de baja y alta dimensión.
El artículo presenta ReactDance, un marco de difusión que utiliza una representación latente jerárquica con cuantización escalar finita (HFSQ) y muestreo de contexto local por bloques (BLC) para generar danzas reactivas de alta fidelidad y coherencia a largo plazo.
El artículo presenta MiCo, un marco jerárquico basado en agentes de lenguaje que utiliza modelos de lenguaje grandes para diseñar heurísticas dinámicas y generalizables, logrando un alto rendimiento en la programación de máquinas virtuales a gran escala en entornos de computación en la nube.