PACT combina una política de RL reactiva con un Modelo de Lenguaje Pequeño (SLM) de 2B parámetros para generar y validar planes de acción. El plan del SLM se ejecuta directamente si se verifica en simulación, omitiendo la política de RL sin necesidad de reentrenamiento. PACT supera a las líneas base en tres entornos FrozenLake de dificultad creciente.
Un estudio de medición encuentra que 26 operadores semánticos post-hoc no mejoran la precisión sobre conjuntos de prueba en comparación con Best-of-N en modelos pequeños de código congelados. Aunque algunos operadores reducen el uso de cómputo o recuperan programas correctos, ninguno supera a BoN en precisión, debido a limitaciones sistémicas como muros de cobertura y trampas de consenso. Una recuperación a nivel de expresión (M1) mejora el rendimiento en HumanEval+ en 12 tareas, sin daño ni filtración, y muestra resultados consistentes entre celdas de modelos.
El cálculo de puntos estacionarios aproximados de la optimización min-max sobre el hiper-cubo es PPAD-difícil para polinomios cuadráticos. Este resultado se mantiene incluso para polinomios multilineales donde cada variable aparece en a lo sumo tres monomios, con factores de aproximación inversos del polinomio. Como consecuencia, se demuestra que los juegos polimétricos de suma cero entre dos equipos son PPAD-difíciles.
TuneJury es un modelo de recompensa por pares a nivel de instancia, abierto, que predice puntuaciones de preferencia musical a partir de indicaciones de texto y clips de audio. Está entrenado con datos diversos de preferencia humana y demuestra una fuerte capacidad de generalización, con calibración de anclas que permite una alineación posterior eficiente para sistemas de generación musical.
NEXIS identifica efectos de tratamiento heterogéneos causales descubriendo mantas de Markov en datos previos al tratamiento. Aprovecha mediciones multimodales y multivista, junto con representaciones escalables con mínima intervención humana, permitiendo insights interpretables y accionables sobre políticas a partir de experimentos controlados.
ROVE permite a los modelos Visión-Lenguaje-Acción humanoides aprender comportamientos de manipulación efectivos utilizando intervenciones humanas imperfectas. Combina una tubería de recopilación de datos con humano en el bucle con Estimación Optimista de Valores y supervisión cruzada de encarnaciones para priorizar acciones de alto valor y mejorar la robustez. ROVE supera a los métodos base en tareas de manipulación ricas en contacto del mundo real mediante ciclos iterativos de rollout e intervención.
Un estudio utiliza la teoría ergódica multiplicativa para analizar los gradientes explosivos y desvanecientes en redes neuronales profundas. Muestra que las conexiones residuales afectan el espectro de Liapunov, tal como lo caracterizaron Furstenberg y Kifer, estabilizando así el flujo del gradiente durante el entrenamiento.
Un nuevo método llamado elipsoides conformes filtrados proporciona conjuntos de predicción para series temporales multivariadas mediante el uso de un filtro de espacio de estados congelado para generar medias y covarianzas predictivas, aplicando luego calibración conforme dividida a puntuaciones de Mahalanobis. El enfoque logra cobertura bajo dependencia mediante contracción en un cociente de ley predictiva observable, con límites teóricos derivados bajo condiciones de proyección gaussiana y observabilidad, y muestra elipsoides más ajustados en benchmarks de tráfico nativos de grafos en comparación con líneas base estáticas y no filtradas.
TokenPilot reduce los costos de inferencia entre un 61% y un 87% tanto en modos aislados como continuos, superando a sistemas anteriores en eficiencia de costos mientras mantiene un rendimiento competitivo. Utiliza compactación consciente de la ingestión y evicción consciente del ciclo de vida para estabilizar los prefijos de prompt y gestionar segmentos de contexto de manera eficiente.
Esta encuesta presenta un marco matemático para analizar datos geométricos, integrando geometría diferencial, estadística y aprendizaje automático. Describe una tubería unificada para la representación de formas, métricas geodésicas, análisis estadístico y aprendizaje consciente de la geometría, permitiendo el estudio de la variabilidad de las formas y las trayectorias estructurales a través de poblaciones y tiempo. Las aplicaciones abarcan biología, medicina, antropología y visión por computadora, destacando los desafíos en el manejo de la variación geométrica no lineal y desalineada.
El autor propone un experimento visual ciego y entre dominios para determinar si un modelo de lenguaje grande puede comprimir su planificación procedural en un andamio reutilizable que mejore la salida de un modelo pequeño sin ajuste fino. Utilizando Three.js como entorno de prueba, el estudio busca demostrar que esta transferencia de habilidades es genuina y no simplemente sobreajuste al dominio de origen.
ExpRL introduce un enfoque novedoso de entrenamiento intermedio para LLMs que utiliza datos de preguntas y respuestas escritos por humanos como andamios de recompensa. En lugar de imitar soluciones de referencia, construye rúbricas de calificación específicas para cada problema con el fin de recompensar los pasos intermedios de razonamiento, permitiendo una mejor inicialización para RL con recompensas dispersas y superando a SFT, GRPO con recompensas dispersas y auto-distilación en tareas de razonamiento matemático.
HAMON utiliza difracción óptica pasiva para generar pronósticos, superando las líneas base digitales en ETTm2 en todos los horizontes y ETTh2 en todos excepto el horizonte más largo. Logra hasta un 14% menos de MSE y opera sin mezcla digital entrenable, confiando en cambio en la propagación óptica física.
KVEraser permite un borrado localizado eficiente del contexto en modelos de lenguaje grandes reemplazando únicamente los estados del caché KV de un segmento borrado con estados de dirección aprendidos. Logra un rendimiento cercano al de la recomputación completa en tareas dentro del dominio y ofrece un aumento de latencia del 24% frente a un aumento de 17.6x para la recomputación completa, con una aceleración de hasta 3--4x en tareas de QA de documentos largos.
Un nuevo ataque, RING, explota la privacidad diferencial en el aprendizaje federado para ocultar señales de puerta trasera mientras maximiza el impacto. Logra un 90.3% de éxito del ataque contra las defensas más avanzadas, hasta 26.08x sobre los métodos base, y revela una brecha crítica de seguridad en DP-FL debido al enmascaramiento inherente de las actualizaciones maliciosas.
Los clasificadores de imágenes como PRISM2D, GFNet y ViT-B/16 muestran que la fase, no la magnitud, impulsa las predicciones en las capas ocultas. ResNet-50 revela un código de signo latente en los bloques tardíos, lo que indica que la identidad de fase/signo existe a través de las arquitecturas, aunque se expresa de manera diferente debido a los mecanismos de activación y lectura.
El Clonamiento de Comportamiento Jerárquico Ponderado por Ventaja (HABC) mejora el ajuste fino de RL en línea para agentes de visión y lenguaje mediante el uso de cabezales de crítico separados para viabilidad y eficiencia. Combina sus salidas a través de una puerta adaptativa al estado y aplica pesos por transición, mientras que la asignación de crédito consciente de intervenciones evita la fuga de supervisión. En experimentos con robots reales, HABC aumenta las tasas de éxito hasta 92%, 88% y 38% en tres tareas bimanuales, superando los lineamientos base de SFT de 36%, 44% y 12%.
El Modelo de Acción Geométrica (GAM) permite que las políticas robóticas razonen sobre interacciones físicas en 3D mediante la reutilización de un modelo base geométrico preentrenado. GAM divide el GFM para servir como codificador de observaciones y predictor causal del futuro, luego enruta la geometría futura y las acciones predichas a través del mismo backbone, logrando un rendimiento preciso, robusto y eficiente en manipulación en simulación y benchmarks con robots reales.
El artículo deriva el puntaje posterior exacto en forma cerrada para problemas inversos gaussianos lineales, permitiendo un muestreo posterior eficiente mediante desruido. Introduce Exact Posterior Score (EPS), un objetivo de entrenamiento que preserva la estructura del preentrenamiento y logra un rendimiento superior en métricas de fidelidad, perceptual y distribucional con menos evaluaciones del desruidor que los métodos basados en gradientes.
Un usuario de Reddit comparte la finalización de una estación de trabajo de IA local de alta gama que cuenta con una GPU NVIDIA RTX Pro 5000, CPU AMD Ryzen 9 9950X3D, 192GB de RAM y 80GB de VRAM. La construcción se completó después de que la solicitud del usuario para el programa NVIDIA Inception fuera rechazada y los precios de la RTX Pro 6000 superaran su presupuesto.