Un nuevo método desacopla la inferencia de ML de la persistencia del estado en sistemas de streaming mediante afinado probabilístico. Activa selectivamente actualizaciones de estado duraderas basándose en la informatividad de los eventos, reduciendo la sobrecarga de la ruta de persistencia hasta un 90% sin comprometer la utilidad downstream ni introducir errores sistémicos.
Dynestyx es una biblioteca de programación probabilística que proporciona soporte de primera clase para modelos de espacio de estado. Permite a los usuarios especificar priors arbitrarios para sistemas dinámicos de tiempo discreto o continuo, realizar inferencia en datos de efectos mixtos y obtener estimaciones de estado y parámetros con cuantificación de incertidumbre fundamentada.
Presentamos un método para identificar agentes por sus huellas dactilares de comportamiento procedimental, logrando una precisión del 85.7% al atribuir trayectorias no vistas a los agentes correctos. Utilizando ProcGrep, analizamos el comportamiento de agentes de codificación en SWE-Bench, descubriendo que los modelos de períodos de lanzamiento similares o destilados entre sí exhiben una similitud de comportamiento más cercana, con una divergencia Jensen-Shannon de 0.25.
Una representación espectral compacta que utiliza números de Betti, brecha espectral y torsión analítica condensa los Laplacianos persistentes en tres invariantes fundamentados matemáticamente. Este enfoque captura señales predictivas esenciales del espectro completo, supera al mismo en algunos casos y reduce la sobrecarga computacional en conjuntos de datos como MNIST, QM-3D y SKEMPI WT.
Un nuevo benchmark multicentro permite el diagnóstico de enfermedades abdominales y la generación de informes a partir de TC sin contraste, sintetizando hallazgos con contraste. El conjunto de datos incluye estudios NCCT-CECT emparejados e informes de dos centros, mostrando que NCCT alcanza AUCs promedio multiórganos de 69.1% internamente y 63.1% externamente. El benchmark y el código se han liberado públicamente para apoyar la investigación en flujos de trabajo de imagen abdominal más seguros y sin contraste.
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.