Informática - Aprendizaje automático

Examinando los riesgos y el mal uso de los grandes modelos de lenguaje en el cibercrimen.

Un nuevo método mejora el rendimiento de MCTS en entornos de toma de decisiones complejas.

MedFuzz evalúa las respuestas de los LLMs a preguntas médicas difíciles.

Examinando el papel del aprendizaje profundo en la mejora de modelos causales.

Presentamos SwiLoRA, un método que optimiza el entrenamiento de grandes modelos de lenguaje con menos recursos.

Un nuevo modelo aprende a valorar los datos de manera efectiva y explica sus decisiones.

Un nuevo método mejora la adaptación del modelo durante las pruebas con filtrado de pseudoetiquetas dinámico.

Nuevos métodos y puntos de referencia buscan simplificar la formalización de las matemáticas a través de Lean 4.

Un nuevo marco para mejorar la toma de decisiones en situaciones dinámicas.

Un enfoque novedoso combina modelado físico con aprendizaje automático para la generación de datos de carga neta.

Los investigadores desarrollan un modelo para mejorar el aprendizaje de gráficos usando datos de varias fuentes.

Explorando cómo los GMFGs modelan interacciones diversas entre agentes en sistemas complejos.

Nuevos métodos mejoran las predicciones de los modelos de lenguaje bajo diferentes condiciones de entrada.

ECHO mejora la clasificación del tráfico de red a través de técnicas de aprendizaje automático.

DEFT mejora los modelos de difusión para un muestreo condicional efectivo con recursos mínimos.

Este artículo examina cómo la IA puede afectar a los grupos marginados y formas de mejorar los resultados.

Este artículo habla sobre la privacidad y el sesgo en los algoritmos predictivos para datos sensibles.

Un nuevo método mejora los modelos de aprendizaje profundo eficientes a través de la ortogonalidad exacta.

Un análisis de los requisitos de hardware para ejecutar de manera eficiente grandes modelos de lenguaje.

Un nuevo método de decaimiento de peso mejora la esparsificación en redes neuronales.

Un marco para mejorar las redes neuronales integrando el conocimiento humano en los algoritmos de aprendizaje.

Un marco para vincular el procesamiento de imágenes y la interpretación del texto en modelos de visión.

Un método que usa MCMC para generar muestras negativas efectivas en el aprendizaje contrastivo.

Un nuevo marco para guiar modelos generativos a lograr resultados específicos.

Un nuevo método mejora la alineación de audio y video usando modelos preentrenados.

Un nuevo sistema mejora la atención a modelos de lenguaje grandes en distintas configuraciones de GPU.

Un nuevo método que mejora la planificación y la toma de decisiones en el aprendizaje por refuerzo.

Descubre cómo las Redes Neuronales Informadas por Física mejoran el modelado de procesos en la ingeniería química.

Un nuevo enfoque mejora la configuración del solucionador numérico para problemas de valores en la frontera.

La investigación desarrolla métodos para entender mejor las relaciones complejas en los grafos.

Un nuevo marco mejora la creación de datos sintéticos mientras protege la información personal.

Un nuevo método mejora la clasificación de plantas a través de técnicas de aprendizaje profundo multimodal.

Zipper combina de manera efectiva diferentes tipos de datos para tener modelos de IA más inteligentes.

Un nuevo enfoque de múltiples servidores mejora la eficiencia y velocidad del aprendizaje federado.

Nuevo enfoque mejora la privacidad del aprendizaje automático y la resistencia contra ataques.

Examinando cómo los modelos recurrentes pueden aproximar funciones según los prompts.

Un nuevo método mejora el aprendizaje de los agentes en entornos de aprendizaje por refuerzo.

Examinando cómo el aprendizaje automático afecta las decisiones y resultados humanos.

Nuevos modelos mejoran las predicciones sobre la vida útil de las máquinas usando deep learning.

Examinando cómo las máquinas pueden aprender a combinar conceptos conocidos de manera efectiva.