arxiv arXiv cs.LG · hace 1 h En vivo

Codec de Acción Neural para Modelos Visión-Lenguaje-Acción

NAC, una arquitectura inspirada en códecs de audio neural, comprime trayectorias de acción de robots como señales 1D multicanal utilizando cuantización vectorial residual multiescala. Al reemplazar las pérdidas de mel-espectrograma con reconstrucción en el dominio del tiempo y no-mel espectral, NAC logra una codificación de acción de alta fidelidad con cambios arquitecturales mínimos, superando a los tokenizers existentes en error de reconstrucción y tasas de éxito en tareas de manipulación del mundo real.

arxiv arXiv cs.LG · hace 1 h En vivo

Marco de trabajo de texto a CAD inspirado en TRIZ mejora el diseño creativo

Un marco de trabajo de texto a CAD inspirado en TRIZ utiliza modelos de lenguaje grandes para generar modelos CAD 3D creativos y editables integrando principios inventivos de datos de patentes. En un estudio de caso sobre diseño de sillas, logró una reducción de masa del 4.0-14.7% mientras preservaba la integridad estructural mediante principios como la segmentación y los materiales compuestos.

arxiv arXiv cs.LG · hace 1 h En vivo

La ortogonalidad funcional garantiza la identificabilidad en el desentrelazamiento no supervisado

El artículo demuestra que las direcciones localmente ortogonales en modelos generativos garantizan la identificabilidad de los factores latentes sin necesidad de independencia estadística ni supuestos causales. Los experimentos con flujos normalizados regularizados por ortogonalidad confirman la recuperación fiable de los factores latentes verdaderos, desafiando afirmaciones previas sobre la imposibilidad del desentrelazamiento no supervisado.

arxiv arXiv cs.LG · hace 1 h En vivo

VLA-FAIL: Detección de fallos ligera para modelos de visión-lenguaje-acción

VLA-FAIL introduce un marco de detección de fallos ligero para modelos de visión-lenguaje-acción que utiliza la distancia de Mahalanobis de la última capa y la consistencia de los fragmentos de acción sin requerir datos de fallo ni muestreo costoso de acciones. El marco combina estos detectores para lograr una detección temprana y fiable de fallos en diversas tareas, superando a los métodos base tanto en precisión como en eficiencia.

arxiv arXiv cs.LG · hace 1 h En vivo

Los Modelos de Lenguaje Atomístico Entienden y Generan Materiales

Los Modelos de Lenguaje Atomístico (ALMs) unifican el lenguaje y las estructuras atomísticas, permitiendo la generación y optimización de cristales impulsadas por lenguaje natural. Los ALMs utilizan un puente continuo para mapear incrustaciones de lenguaje en el espacio de dirección de difusión atomística y emplean Text-to-Crystal Feynman-Kac para precisión estequiométrica. La benchmark ALM Bench evalúa la generación y optimización de materiales condicionados por texto, con código y pesos que se liberarán pronto.

arxiv arXiv cs.LG · hace 1 h En vivo

CAT-Translate: Modelos de traducción compactos japonés-inglés

CAT-Translate presenta una familia de modelos pequeños y de código abierto (de 0.8B a 7B parámetros) especializados en la traducción bidireccional japonés-inglés. Utilizando corpus paralelos sintéticos y un enfoque de ajuste fino en dos etapas con Multi-Objective GRPO, los modelos superan a los modelos multilingües en benchmarks del mundo real en dominios empresariales, legales, médicos, financieros y de patentes.

arxiv arXiv cs.LG · hace 1 h En vivo

ADualVUOT: Alineación de espacio latente heterogéneo para adaptación de dominio no supervisada

ADualVUOT introduce un VAE de codificador dual con Flujos Normalizadores Continuos para mejorar la flexibilidad de la representación latente en la segmentación de imágenes médicas. Utiliza la distancia Gaussian-Gromov-Wasserstein para la alineación de dominio y la augmentación adversarial para aumentar la robustez, superando a métodos previos basados en transporte óptimo en benchmarks de imagen médica.

arxiv arXiv cs.AI · hace 1 h En vivo

NASDAQ: Dinámica del Espacio de Observación Normalizada con Q-Learning Aumentado

NASDAQ aborda los desafíos de observación de baja dimensión en el aprendizaje por refuerzo normalizando los espacios de observación para equilibrar las pérdidas de reconstrucción entre dimensiones. El marco combina el aprendizaje de valores con el valor a corto plazo y la predicción de la siguiente observación, logrando un rendimiento competitivo o superior con menos tiempo de entrenamiento en comparación con los métodos existentes.

github llama.cpp · hace 1 h En vivo

Lanzamiento de llama.cpp b9833: Analizador para MiniCPM5 y binarios multiplataforma

El proyecto llama.cpp ha lanzado la versión b9833, introduciendo un analizador dedicado para el modelo MiniCPM5 junto con varias correcciones de errores y refactorización. Esta actualización incluye soporte para análisis de llamadas a herramientas, simplificación de gramática y corrección del comportamiento de la API Jinja para garantizar la compatibilidad con los estándares de Jinja2.

arxiv arXiv cs.LG · hace 1 h En vivo

Marco LDT-FRL para IoMT ciberresiliente

El marco LDT-FRL introduce un sistema de defensa que preserva la privacidad para dispositivos IoMT, combinando atención temporal, gemelos digitales ligeros y aprendizaje por refuerzo federado. Alcanza una precisión del 99.66% y 99.95% en los benchmarks CICDDoS 2019 y TON-IoT, con F1 perfecto en la clase MITM, converge un 81% más rápido que métodos anteriores y ofrece decisiones de defensa interpretables mediante SHAP y Grad-CAM.

arxiv arXiv cs.LG · hace 1 h En vivo

Expertos de convolución con atención dual para la completación de tensores dispersos

DCGC introduce una red de convolución con atención dual y aprendizaje contrastivo a nivel de grupo para mejorar la completación de tensores dispersos. El método captura interacciones complejas entre modos y reduce la vulnerabilidad a la escasez de datos mediante señales autovigiladas, superando a los enfoques más avanzados en conjuntos de datos de tráfico y recomendación.

arxiv arXiv cs.LG · hace 1 h En vivo

Teorema del límite central para el optimizador Adam promediado

El artículo establece un teorema del límite central para el optimizador Adam promediado, mostrando convergencia en orden n^{-1/2}. Esta tasa coincide con los algoritmos clásicos de aproximación estocástica, con la covarianza expresada en términos de las propiedades del algoritmo en el estado atractor.

arxiv arXiv cs.LG · hace 1 h En vivo

Codificadores universales para aprendizaje profundo relacional modular

El artículo propone un enfoque de aprendizaje profundo relacional modular que desacopla la codificación de filas del paso de mensajes en grafos. Introduce un Codificador Universal de Filas basado en transformador que utiliza metadatos de esquema para generar incrustaciones invariantes de filas, lo que permite una mejor generalización entre bases de datos y mejora la convergencia en los benchmarks de RelBench.

arxiv arXiv cs.LG · hace 1 h En vivo

El marco BIPC acelera la optimización mixta entera con aprendizaje automático

El marco BIPC reduce el tiempo de solución para programas mixtos enteros a gran escala identificando un subconjunto puerta trasera de variables que impulsan la complejidad computacional. Mediante aprendizaje supervisado, predice los valores e intervalos de las variables puerta trasera y luego resuelve un problema reducido con estas predicciones, logrando aceleraciones significativas con una pérdida mínima de calidad. Esto permite soluciones rápidas y de alta calidad bajo perturbaciones de parámetros en sistemas del mundo real como redes eléctricas y cadenas de suministro.

arxiv arXiv cs.LG · hace 1 h En vivo

Mejora de habla post-entrenamiento con recompensas perceptuales

Un nuevo método post-entrenamiento utiliza recompensas perceptuales multi-métrica para optimizar modelos de mejora de habla. Aplica directamente métricas no diferenciables como DNSMOS, WER y UTMOS como recompensas mediante Group Sequence Policy Optimization, logrando resultados de última generación en DNS2020. La evaluación humana confirma que combinar múltiples métricas supera a los enfoques de métrica única, reduciendo el reward hacking.

arxiv arXiv cs.LG · hace 1 h En vivo

Los pipelines de espacio nativo superan al espacio de plantilla en la segmentación subcortical

Los pipelines UNet basados en espacio nativo superan a los del espacio de plantilla en la segmentación subcortical, mostrando puntuaciones Dice más altas y valores HD95 más bajos para el Núcleo Subtalámico, el Núcleo Rojo y la Sustancia Negra. El rendimiento disminuye significativamente cuando se aplican a imágenes 3T, con datos de entrenamiento sintéticos 3T que proporcionan solo ganancias modestas, destacando una brecha persistente entre MRI 7T y 3T.

arxiv arXiv cs.LG · hace 1 h En vivo

El arte ASCII permite a los LLM solo de texto controlar sistemas VLA

Un modelo de lenguaje grande solo de texto puede adaptarse en un controlador Visión--Lenguaje--Acción utilizando observaciones visuales renderizadas en ASCII. Este enfoque permite que los LLM interpreten estados visuales a través del texto, lo que les posibilita seguir instrucciones en lenguaje natural y generar acciones ejecutables tanto en simulación como en manipuladores físicos.

arxiv arXiv cs.LG · hace 1 h En vivo

El aprendizaje profundo fusiona datos de satélite con características meteorológicas para la estimación de la humedad del suelo

Un estudio valida un método de Función de Correlación Cruzada para identificar los retrasos temporales y de profundidad óptimos entre las variables meteorológicas y la humedad del suelo. Utilizando datos de satélite y meteorológicos en siete parcelas agrícolas del sureste de España, los modelos de aprendizaje profundo lograron mejoras significativas: un CNN por píxel alcanzó R² = 0.877, mientras que un híbrido CNN-LSTM logró el mejor rendimiento general con R² = 0.930. La información de profundidad subsuperficial y las características meteorológicas mejoraron sustancialmente la precisión de la estimación.

arxiv arXiv cs.LG · hace 2 h

La equivalencia del entrenamiento adversarial falla para modelos no lineales

Una prueba formal demuestra que no existe equivalencia entre el riesgo adversarial y el riesgo regularizado en redes de dos capas. Los resultados empíricos en Wide-ResNets confirman que esta imposibilidad persiste en arquitecturas más profundas y expresivas.

arxiv arXiv cs.LG · hace 2 h

Un modelo de aprendizaje automático predice pólipos colorrectales de alto riesgo en afroamericanos

Un modelo de aprendizaje automático desarrollado utilizando características clínicas previas a la colonoscopia predice pólipos colorrectales de alto riesgo en afroamericanos. El modelo, validado en una cohorte urbana diversa, utiliza datos demográficos, de estilo de vida y de comorbilidad para identificar pacientes con mayor riesgo, con validación externa realizada en 2023-2024.