Observatorio de información y Publicaciones

Resumen:Este trabajo aplica redes de flujo generativo (GFlowNets) a tres problemas de optimización de gráficos: el problema del vendedor ambulante, el árbol de expansión mínimo y el camino más corto. GFlowNets son modelos generativos que aprenden a muestrear soluciones proporcionalmente a una función de recompensa.

Resumen: Los modelos de lenguaje grande (LLM) han demostrado sólidas capacidades de razonamiento en la resolución de problemas matemáticos basados ​​en texto; sin embargo, cuando se adaptan a tareas de razonamiento visual, en particular a la resolución de problemas geométricos, su rendimiento disminuye sustancialmente porque los problemas geométricos presentan desafíos únicos.

Resumen: Resolver el problema de asignación de créditos (CAP) sináptico es fundamental para el aprendizaje en sistemas neuronales tanto biológicos como artificiales. Encontrar una solución óptima para la CAP sináptica significa establecer los pesos sinápticos que asignan crédito a cada neurona por influir en el resultado final y el comportamiento de las redes neuronales o los animales.