Un usuario demuestra ejecutar el modelo Step-3.7-Flash de 198B parámetros de StepFun en una configuración de consumo con 4×RTX 3090, revelando compromisos críticos de rendimiento entre niveles de cuantización y predicción multi-token (MTP) con capacidades de visión.
Un modelo basado en visión con adaptación eficiente en parámetros califica los dibujos de estudiantes en educación científica. Utiliza puntuación consciente de la confianza para evaluar automáticamente las respuestas de alta confianza mientras pospone las inciertas a revisión humana, mejorando la fiabilidad y practicidad en evaluaciones a gran escala.
Lagrange introduce un marco disperso basado en energía y de vocabulario abierto para la conducción generalizada de extremo a extremo. Utiliza Modelos Visión-Lenguaje para generar propuestas de objetos independientes de la clase y las codifica en tokens semánticos continuos, lo que permite una generalización robusta a escenarios anómalos mientras se adhiere a la cinemática del vehículo mediante la minimización de la acción lagrangiana.
ELVA introduce un marco de aprendizaje por refuerzo basado en reglas para abordar la ceguera de grano en la recuperación multimodal. Al utilizar recompensas verificables y diferenciar las muestras negativas según su similitud, ELVA mejora la precisión del ranking y logra una ganancia del 13.1% en MRBench, un punto de referencia para escenarios de consulta multi-grano.
El Moldeado de Incrustaciones de Borde (BES) aborda el entrelazamiento estructural de grafos suprimiendo selectivamente las correlaciones espurias entre vecinos cerca de los límites de clase. BES utiliza aprendizaje por contraste adaptativo para mejorar la discriminación de bordes, mejorando la clasificación de nodos en GCN en un promedio del 3.3% (hasta un 5.0% en WikiCS) y logrando una precisión superior en la predicción de enlaces.
Un nuevo método de aprendizaje profundo por transferencia aprovecha las no linealidades de los sistemas para generar datos de diagnóstico en condiciones de extrema escasez de datos. Este enfoque utiliza un procedimiento de multiexcitación periódica y una técnica novedosa de visualización de datos para aumentar los datos de vibración limitados, permitiendo un diagnóstico eficaz de fallos mediante CNNs preentrenadas. Los resultados experimentales en un pantógrafo ferroviario validan la efectividad del método.
SoftSkill propone un método para comprimir habilidades de lenguaje natural en priores latentes compactos, mejorando el rendimiento en tareas de SearchQA, LiveMath y DocVQA. Supera a SkillOpt entre 5,2 y 12,5 puntos en benchmarks clave, reemplazando cientos o miles de tokens de Markdown con unos pocos tokens virtuales.
El artículo presenta un algoritmo de Q-learning robusto para problemas de control de campo medio en tiempo discreto con incertidumbre de Wasserstein en ruido común. Combina cuantificación y proyección con una reformulación dual de Wasserstein y demuestra convergencia con cotas de tiempo finito tanto para esquemas síncronos como asíncronos. Los experimentos numéricos en modelos de riesgo sistémico y epidemias muestran la compensación entre robustez y rendimiento de la implementación asíncrona, así como su convergencia bajo especificación incorrecta del ruido común.
Una tubería de tres etapas extrae bibliotecas de habilidades a partir de datos de interacción con GUI, logrando una alta pureza en cinco de los ocho clústeres frente a las etiquetas de InteraSkill. Sin embargo, el método solo mejora ligeramente la precisión de pasos de habilidad en IW y no logra avanzar el rendimiento en BrowseComp+ ni en métricas clave, lo que indica limitaciones en la transferencia de políticas entre dominios.
AutoPass utiliza evidencia en tiempo de ejecución y del compilador para guiar las decisiones de optimización generadas por LLM, superando a heurísticas expertas y métodos clásicos de autotuneo. Logra aceleraciones geométricas medias de 1.043x en sistemas x86-64 y 1.117x en sistemas ARM64 sin entrenamiento previo ni ajuste fino.
CRAX introduce un benchmark de seguridad acelerado y de alta fidelidad para el aprendizaje por refuerzo utilizando MuJoCo XLA. Logra aceleraciones de hasta 100x sobre benchmarks basados en CPU mediante vectorización y aceleración por hardware, presentando seis conjuntos de entornos y tres tareas específicas del agente en tres niveles de dificultad. La evaluación de seis métodos de RL seguro muestra que ningún enfoque domina, destacando los compromisos entre rendimiento y seguridad, con el aprendizaje por currículo y la transferencia de seguridad mejorando los resultados.
Tri-Info utiliza la teoría de la información para detectar fallos en modelos Visión-Lenguaje-Acción analizando la diversidad de acciones, la consistencia temporal y el acoplamiento de estados. Logra un 83% de precisión en tareas del mundo real a través de seis modelos y tres entornos, superando a métodos anteriores y manteniendo el rendimiento sin reentrenamiento.
Un nuevo marco permite a los modelos de lenguaje grandes desarrollar la capacidad de 'Conectar los Puntos', permitiendo que los agentes de ciclo de vida largo aprendan de experiencias y actualicen iterativamente el contexto de su entorno. El marco utiliza aprendizaje por refuerzo con secuencias de rollout largas y tareas personalizadas para promover la generalización entre dominios, mostrando un rendimiento efectivo fuera de la distribución tanto en configuraciones de dominio como de transición.
StreamKL introduce un primitivo fusionado de GPU que elimina el uso de memoria cuadrático en la destilación de atención transmitiendo bloques query-key a través de SRAM on-chip. Logra una aceleración de hasta 43x en la pasada hacia adelante y 14x en las pasadas hacia atrás, reduciendo la huella adicional de HBM de O(N_QN_K) a O(1), permitiendo la destilación de contexto largo en una sola GPU.
VIMPO introduce un método de optimización de política sin crítico que deriva una función de valor implícita por la política a partir del aprendizaje por refuerzo con regularización KL. Permite la incorporación de recompensas verificables sin entrenar un crítico y supera a GRPO en benchmarks matemáticos, especialmente bajo recompensas ruidosas.
Un nuevo módulo llamado Manejo de Escala Autoadaptativo (AS) aborda la heterogeneidad de escala en el pronóstico de series temporales. Utiliza Calibración de Escala y Selección de Escalamiento para ajustar adaptativamente los factores de escalado, preservando la discriminabilidad semántica y reduciendo errores de inverso-escalado. Los experimentos en datos de ventas de fondos muestran un rendimiento mejorado cuando se integra en modelos de pronóstico existentes.
Un sistema jerárquico que utiliza un LLM preentrenado para seleccionar políticas de habilidades de RL supera al RL plano en un entorno King of the Hill 2v2. Igualua el rendimiento de los árboles de comportamiento diseñados a mano en tasa de victoria y es percibido como más humano por el 60% de los usuarios, destacando una coordinación efectiva y adaptabilidad sin diseño manual de reglas.
Un marco de trabajo DeepONet con tronco adaptativo predice respuestas estructurales localizadas en puentes de gran luz con alta precisión. Al utilizar características sensibles a la distancia y un complemento de Schur informado por rigidez, logra una precisión de nivel FEM con menos del 5% de error, reduciendo el tiempo total de evaluación de respuestas en 60x y la velocidad de inferencia hasta en cuatro órdenes de magnitud en comparación con los métodos de elementos finitos.
El artículo propone SME-OFU, un algoritmo novedoso para bandits contextuales lineales estocásticos con ruido acotado en la recompensa. Logra una cota de arrepentimiento de O(log T) aprovechando la estimación por pertenencia a conjuntos y el optimismo ante la incertidumbre. Las simulaciones muestran que SME-OFU supera un benchmark de ruido sub-Gaussiano cuando el ruido de la recompensa está acotado.
Un estudio en cinco ciudades suizas compara los embeddings de TESSERA y AlphaEarth con datos tradicionales de Sentinel para escalar los mapas de Zonas Climáticas Locales (LCZ) a una resolución de 10 metros utilizando un U-Net basado en atención. TESSERA supera consistentemente tanto a Sentinel-1/2 como a AlphaEarth, logrando puntuaciones IoU de 0.59–0.69 y 0.77–0.82. Los resultados muestran que los embeddings reducen el preprocesamiento manual y apoyan un mapeo de LCZ escalable y reproducible, aunque datos de referencia mejorados son clave para obtener mayores ganancias en precisión.