3672 artículos
El artículo presenta OpenSanctions Pairs, un extenso conjunto de datos para la coincidencia de entidades derivado de sanciones internacionales, y demuestra que los modelos de lenguaje grandes (LLMs) superan significativamente a los sistemas basados en reglas tradicionales, alcanzando un rendimiento cercano al límite práctico y sugiriendo un cambio de enfoque hacia componentes de la pipeline como el bloqueo y la agrupación.
Este trabajo propone un esquema de cuantificación de incertidumbre epistémica estructuralmente consciente para operadores neuronales que, al restringir la perturbación estocástica únicamente al módulo de elevación en lugar de aplicar ruido no estructurado en toda la red, logra bandas de incertidumbre más precisas y alineadas con las estructuras residuales locales en problemas de EDP complejos, manteniendo al mismo tiempo una alta eficiencia computacional.
Este estudio presenta las Leyes de Escalamiento de Decodificación Especulativa (SDSL), un marco teórico que permite predecir y optimizar analíticamente los hiperparámetros de los modelos de lenguaje para maximizar el rendimiento del sistema de inferencia antes de su entrenamiento.
El artículo presenta TinyNav, un sistema TinyML de extremo a extremo que permite la navegación autónoma en tiempo real en microcontroladores ESP32 mediante una red neuronal convolucional cuantizada de 23k parámetros que procesa datos de profundidad para predecir comandos de dirección y aceleración con una latencia de 30 ms.
El artículo presenta CausalTimePrior, un marco principista que genera modelos causales estructurales temporales sintéticos con datos observacionales e intervencionales para entrenar redes de ajuste previo a los datos (PFNs) y habilitar la estimación de efectos causales en series temporales mediante modelos fundamentales.
El artículo presenta FiCSUM, un marco general que utiliza un "fingerprint" compuesto por múltiples características de metainformación y una estrategia de ponderación dinámica para representar conceptos en flujos de datos, permitiendo detectar con mayor precisión el cambio de concepto tanto en entornos supervisados como no supervisados y superando a los métodos actuales.
Este trabajo presenta un marco de tokenización de grafos que combina la serialización reversible de grafos con la codificación Byte Pair (BPE) para convertir estructuras de grafos en secuencias, permitiendo que los Transformers estándar logren resultados de vanguardia en múltiples conjuntos de datos sin modificaciones arquitectónicas.
Este trabajo demuestra que los mecanismos de enrutamiento en los modelos Sparse Mixture-of-Experts (MoE) exhiben una estructura sensible a la tarea, donde las "firmas de enrutamiento" permiten clasificar con alta precisión la categoría de una tarea basándose únicamente en los patrones de activación de los expertos, lo que sugiere que el enrutamiento es un componente funcional y medible más allá de un simple mecanismo de equilibrio.
Este artículo propone un operador de superposición basado en aprendizaje profundo que, entrenado con procesos de llegada de Markov, mapea de manera escalable y precisa las características estadísticas de múltiples flujos de entrada no renovables en redes de colas, superando las limitaciones de los métodos clásicos al preservar la información de variabilidad y dependencia de alto orden.
El artículo presenta la Red de Resonancia de Grupo (GRN), un nuevo enfoque para el reconocimiento de emociones basado en EEG que supera la variabilidad inter-sujeto al integrar la dinámica individual con prototipos aprendibles y modelado de resonancia grupal, logrando un rendimiento superior en tareas de clasificación cruzada.
Este estudio presenta un modelo sustituto de alta resolución guiado por el clima semanal que, al capturar patrones comunes de demanda energética, logra una generalización precisa en la predicción de energía de edificios en diferentes ubicaciones sin necesidad de simulaciones extensas de múltiples sitios.
El artículo presenta Co-Diffusion, un marco innovador de dos etapas basado en difusión latente que mejora la generalización en la predicción de afinidad fármaco-diana mediante la alineación de representaciones y la regularización estocástica, superando significativamente a los métodos actuales en escenarios de inicio en frío y espacios químicos no explorados.
Este trabajo demuestra que una arquitectura de red neuronal tridimensional con activaciones ReLU aumentadas por altura permite aproximar funciones analíticas y con tasas exponenciales mejoradas y de manera no asintótica, superando limitaciones fundamentales en la teoría de aproximación y ofreciendo diseños de redes más eficientes en parámetros.
Este trabajo presenta una arquitectura escalable de red neuronal convolucional cuántica que mitiga los estancamientos estériles mediante funciones de costo localizadas y una inicialización eficiente de hardware, logrando una precisión del 98,7% en MNIST y demostrando una ventaja en eficiencia de parámetros frente a las redes neuronales convolucionales clásicas.
El artículo presenta HOMA, un nuevo operador de atención que fusiona interacciones por pares y triádicas explícitas mediante una estructura modular y ventanada, logrando mejoras consistentes en la predicción de propiedades de proteínas en comparación con los mecanismos de atención estándar.
Este artículo extiende la predicción e-conformal para abordar casos de confusión observada entre la variable aleatoria y su etiqueta, considerando tanto escenarios de datos independientes e idénticamente distribuidos como aquellos que permiten cierta dependencia entre las observaciones.
El artículo presenta REOPOLD, un marco de destilación en línea relajada que estabiliza la transferencia de capacidades de razonamiento mediante optimización de políticas y recompensas del maestro, logrando una mayor eficiencia en el muestreo y un escalado superior en tareas de razonamiento matemático, visual y de agentes en comparación con enfoques anteriores.
Este artículo propone y analiza estimadores de redes neuronales profundas basados en el principio de mínima entropía de error para regresión no paramétrica con observaciones dependientes, demostrando que alcanzan la tasa óptima minimax de convergencia.
El artículo presenta H2LooP Spark Preview, un pipeline de preentrenamiento continuo que adapta el modelo OLMo-3-7B al dominio de sistemas embebidos mediante un corpus de 23.5B tokens, logrando superar a modelos propietarios más grandes en tareas de generación de código especializado.
Este trabajo presenta GCIG, un marco de regularización que promueve la equidad procedimental en el aprendizaje automático al garantizar que las explicaciones de los modelos sean consistentes entre diferentes grupos protegidos, reduciendo así la disparidad explicativa sin comprometer el rendimiento predictivo.