Un usuario demuestra con éxito la ejecución del modelo Llama 3.1 405B cuantizado a AWQ-INT4 en un nodo equipado con ocho GPUs A100 de 80GB, permitiendo cargar y cambiar hasta 30 especialistas ajustados en menos de 200ms.
Un usuario comparte su experiencia resolviendo problemas de versionado del kit de herramientas CUDA en Ubuntu para habilitar las capacidades de cómputo para GPUs más nuevas como la arquitectura Blackwell y la RTX 5060 Ti. La publicación destaca que el repositorio apt predeterminado proporciona versiones de CUDA desactualizadas, lo que requiere la instalación manual del paquete Debian desde el sitio web de NVIDIA.
Los autores proponen un método para estimar patrones de flujo de tráfico variables en el tiempo a partir de conteos agregados dispersos de vehículos, dividiendo el área de estudio y resolviendo un problema de optimización de mínimos cuadrados ponderados. Este enfoque utiliza una matriz de contribución ponderada para codificar la cobertura del sensor, dirigiendo el optimizador hacia configuraciones de flujo que son directamente observables.
El artículo presenta SQLConductor, un marco de aprendizaje de orquestación paso a paso para Texto-a-SQL que formula subtareas como acciones especializadas y entrena un modelo de política para seleccionar la siguiente acción basándose en artefactos intermedios y retroalimentación.
VeriEvol es un marco iterativo diseñado para escalar el razonamiento matemático multimodal desacoplando la dificultad del prompt de la fiabilidad de la respuesta durante la construcción de datos. Emplea un módulo de evolución consciente del tipo para generar prompts más difíciles y el verificador HTV-Agent para garantizar la corrección de las respuestas mediante contraevidencia multi-fuente.
Este artículo presenta un marco para modelar el consumo de energía del entrenamiento de Transformers en múltiples GPUs, con el objetivo de abordar los crecientes costos computacionales en el diseño de sistemas sostenibles.
Este artículo presenta SuperCond-GNN, un modelo sustituto de red neuronal gráfica diseñado para predecir la distribución de voltaje en imanes superconductores de alta temperatura mediante el mapeo de circuitos de elementos concentrados a representaciones gráficas. El modelo logra un MAPE medio del 4.3% en apilamientos de cintas y permite una inferencia rápida de la redistribución de corriente en diversas configuraciones de circuitos.
Este trabajo emplea Neural ODEs equipados con una colección curada de puntos de equilibrio para realizar tareas de clasificación. Los atractores plantados sirven como indicadores para las clases objetivo, mientras que el campo de velocidad moldea el paisaje dinámico para dirigir las entradas hacia sus destinos correspondientes.
Los investigadores proponen Self-Aware Scheduling (SAS), un método que aprende un orden óptimo de desenmascaramiento de tokens para modelos de lenguaje de difusión enmascarados con el fin de mejorar la calidad de la generación. Al derivar una cota superior manejable sobre la discrepancia de la decodificación secuencial, el enfoque plantea la selección del orden como un problema de optimización de políticas utilizando Group Relative Policy Optimization.
Un usuario de Reddit está solicitando comentarios de personas que han actualizado al modelo Minimax M3 desde la versión M2.7. La publicación busca opiniones de la comunidad sobre las diferencias y el rendimiento entre estas dos iteraciones.
El autor demuestra la ejecución del modelo GLM-5.2 NVFP4 en cuatro nodos NVIDIA GB10 DGX Spark con una ventana de contexto de 128K, logrando un rendimiento de servicio utilizable mediante una optimización agresiva del sistema.
Un usuario demuestra el ajuste fino de un modelo de instrucciones de 7B en Apple Silicon utilizando MLX para cambiar su estilo a la literatura de alta fantasía. El experimento muestra que un conjunto de datos pequeño y curado puede alterar significativamente el registro y el diccionario de un modelo con recursos computacionales mínimos.
Los investigadores han presentado SVD-Surgeon, un método sin entrenamiento que aplica el marco Optimal Brain Surgeon a la descomposición en valores singulares para comprimir modelos de lenguaje grandes. Este enfoque calcula actualizaciones de forma cerrada para los valores singulares retenidos con el fin de compensar los errores de truncamiento y determina qué valores deben podarse basándose en su relevancia.
El artículo aborda el desafío del aprendizaje de representaciones por contraste en señales fisiológicas donde las líneas base específicas del sujeto interfieren con los objetivos a nivel de clase, provocando que los modelos pierdan la variación individual necesaria para la generalización. Los autores proponen un objetivo por contraste consciente del paciente para la detección de Fibrilación Auricular Paroxística que forma pares positivos únicamente a partir de segmentos del mismo paciente para preservar las líneas base del ritmo sinusal mientras separa las clases.
Este artículo desarrolla una teoría espectral para la propagación de Redes Neuronales Gráficas (GNN) corregidas y normalizadas, centrándose en la matriz de adyacencia simétrica normalizada con su componente estacionario por grado eliminado para aislar la dirección vinculada al oversmoothing.
Los investigadores presentan MORL-A2C, una extensión de toma de decisiones secuenciales al sistema MOPI-HFRS que utiliza un algoritmo Actor-Crítico de Ventaja para optimizar el equilibrio entre la preferencia del usuario y la salud nutricional en las recomendaciones de alimentos.
El autor desarrolló un arnés de agente especializado diseñado para abordar los modos de fallo específicos de los modelos locales pequeños, como llamadas a herramientas fallidas y un pobre seguimiento del estado. Este marco personalizado permite que modelos más pequeños como Qwen 3.5 4b gestionen eficazmente servidores remotos.
El autor presenta la versión de 800M de un modelo que convierte imágenes en personajes controlables, diseñado para ejecutarse cómodamente en GPUs de consumo. Esta iteración aumenta el contexto a 12 cuadros latentes y mejora la estabilidad mientras mantiene un alto rendimiento, logrando más de 60 fps en una RTX 5090.
El autor presenta HoLo-ToLk, un proyecto de investigación que construye modelos de habla a texto (STT) y texto a habla (TTS) utilizando el sustrato de bytes HSL de cero parámetros sin tokenizadores ni incrustaciones de entrada aprendidas. El trabajo demuestra que los bytes HSL en bruto pueden servir como una señal viable para el procesamiento de audio cuando se combinan con modificaciones arquitectónicas específicas.
El proyecto llama.cpp ha lanzado la versión b9837, que introduce una nueva bandera `--reasoning-preserve` para la plantilla de chat Jinja con el fin de conservar los tokens de razonamiento. Esta actualización también incluye mensajes de ayuda corregidos y proporciona binarios precompilados para macOS, Linux, Windows, Android y openEuler en varios backends de hardware.