TimeSqueeze: parches dinámicos para una previsión eficiente de series temporales

Resumen: Los modelos básicos de series de tiempo basados ​​en transformadores enfrentan una compensación fundamental en la elección de la tokenización: las incrustaciones puntuales preservan la fidelidad temporal pero escalan mal con la longitud de la secuencia, mientras que los parches de longitud fija mejoran la eficiencia al imponer límites uniformes que pueden interrumpir las transiciones nat

Leer más →

Comentarios desactivados en TimeSqueeze: parches dinámicos para una previsión eficiente de series temporales

Mejora del rendimiento del LLM mediante el ajuste en línea de Black-Box: un caso para agregar especificaciones del sistema a hojas informativas para una IA confiable

Resumen: En este artículo, presentamos un novedoso controlador en línea de caja negra que utiliza solo mediciones de extremo a extremo en segmentos cortos, sin instrumentación interna, y escalada para maximizar el buen rendimiento, definido como el rendimiento de las solicitudes que satisfacen el objetivo de nivel de servicio.

Leer más →

Comentarios desactivados en Mejora del rendimiento del LLM mediante el ajuste en línea de Black-Box: un caso para agregar especificaciones del sistema a hojas informativas para una IA confiable

FinRule-Bench: un punto de referencia para el razonamiento conjunto sobre tablas y principios financieros

Resumen: Los modelos de lenguaje grande (LLM) se aplican cada vez más al análisis financiero, sin embargo, su capacidad para auditar estados financieros estructurados bajo principios contables explícitos sigue siendo poco explorada.

Leer más →

Comentarios desactivados en FinRule-Bench: un punto de referencia para el razonamiento conjunto sobre tablas y principios financieros

Fin del contenido

No hay más páginas por cargar