aprendizaje en contexto

Todas las noticias con este tag.

Ver estadísticas de este tema

Noticias por hora

Últimas 24 horas · hora argentina

Noticias por hora0123404:00: 005:00: 006:00: 007:00: 008:00: 009:00: 010:00: 011:00: 012:00: 013:00: 014:00: 015:00: 016:00: 017:00: 018:00: 019:00: 020:00: 021:00: 022:00: 023:00: 000:00: 001:00: 002:00: 103:00: 004:00: 004:0016:0004:00
Consultar los valores por hora
Noticias por hora, según la fecha de publicación. Horas de los extremos parciales.
HoraNoticias
17 nov 2026, 4:00 a. m.0
17 nov 2026, 5:00 a. m.0
17 nov 2026, 6:00 a. m.0
17 nov 2026, 7:00 a. m.0
17 nov 2026, 8:00 a. m.0
17 nov 2026, 9:00 a. m.0
17 nov 2026, 10:00 a. m.0
17 nov 2026, 11:00 a. m.0
17 nov 2026, 12:00 p. m.0
17 nov 2026, 1:00 p. m.0
17 nov 2026, 2:00 p. m.0
17 nov 2026, 3:00 p. m.0
17 nov 2026, 4:00 p. m.0
17 nov 2026, 5:00 p. m.0
17 nov 2026, 6:00 p. m.0
17 nov 2026, 7:00 p. m.0
17 nov 2026, 8:00 p. m.0
17 nov 2026, 9:00 p. m.0
17 nov 2026, 10:00 p. m.0
17 nov 2026, 11:00 p. m.0
18 nov 2026, 12:00 a. m.0
18 nov 2026, 1:00 a. m.0
18 nov 2026, 2:00 a. m.1
18 nov 2026, 3:00 a. m.0
18 nov 2026, 4:00 a. m.0

Noticias por día

Últimos 30 días, incluido hoy · hora argentina

Noticias por día0123420/10: 021/10: 022/10: 023/10: 024/10: 025/10: 026/10: 027/10: 028/10: 029/10: 030/10: 031/10: 001/11: 002/11: 003/11: 004/11: 005/11: 006/11: 007/11: 008/11: 009/11: 010/11: 011/11: 012/11: 013/11: 014/11: 015/11: 016/11: 017/11: 018/11: 120/1003/1118/11
Consultar los valores por día
Noticias por día, según la fecha de publicación. Hoy es parcial.
DíaNoticias
2026-10-200
2026-10-210
2026-10-220
2026-10-230
2026-10-240
2026-10-250
2026-10-260
2026-10-270
2026-10-280
2026-10-290
2026-10-300
2026-10-310
2026-11-010
2026-11-020
2026-11-030
2026-11-040
2026-11-050
2026-11-060
2026-11-070
2026-11-080
2026-11-090
2026-11-100
2026-11-110
2026-11-120
2026-11-130
2026-11-140
2026-11-150
2026-11-160
2026-11-170
2026-11-181

Los gráficos cuentan por fecha de publicación y respetan los filtros. El archivo incluye todo el histórico.

Noticias de aprendizaje en contexto

1 noticia · De más nuevas a más antiguas.

Alineación distributiva como criterio para diseñar vectores de tarea en el aprendizaje en contexto

El artículo propone que la inferencia con vectores de tarea debe alinear su distribución predictiva con la del aprendizaje en contexto (ICL). Se introduce la métrica $d_{\text{NTP}}$ para medir la discrepancia entre la inferencia basada en vectores de tarea e ICL. Se desarrolla el método LTV, que minimiza esta discrepancia y mejora la precisión en tareas de clasificación y regresión. Se demuestra la transferibilidad de LTV, mostrando que vectores de modelos grandes mejoran el rendimiento de modelos más pequeños.

Periodista: Jihoon Kwon, Jiwon Choi, Jy-yong Sohn

Personas mencionadas