Buscar noticias
Buscá por texto y descubrí noticias relacionadas con tu consulta.
Noticias relevantes
Hasta 10 noticias relacionadas por su significado, ordenadas por relevancia.
No encontramos noticias relacionadas por su significado.
Noticias encontradas
Coincidencias por palabras en títulos, resúmenes, temas, personas, lugares o firmas.
Resultados para «Cheng Li-wun»
Más recientes primero · Hasta 30 noticias por página
Alineación representacional entre redes neuronales profundas y el cerebro humano en el procesamiento del habla bajo ruido audiovisual
Un estudio investigó la alineación entre las representaciones de redes neuronales profundas (DNNs) y el procesamiento acústico-lingüístico del cerebro humano. Se utilizó el análisis de similitud representacional (RSA) para comparar las respuestas neuronales con los embeddings de modelos ASR. Los resultados indican que las capas superficiales se alinean mejor con características acústicas, mientras que las capas profundas se alinean con características lingüísticas, sugiriendo que los modelos ajustados finamente pueden imitar patrones de procesamiento humano en entornos ruidosos.
Conociendo lo que falta: Memoria conversacional eficiente mediante seguimiento explícito de brechas de evidencia
Se propone MemR$^3$, un controlador de bucle cerrado que reformula la recuperación de memoria conversacional como toma de decisiones con estado explícito, manteniendo un estado de brecha de evidencia. Este método busca mejorar la eficiencia de la memoria conversacional al condicionar al modelo con un resumen compacto del progreso en lugar de la historia completa. Los experimentos demuestran que MemR$^3$ supera a los métodos de recuperación de múltiples pasos implícitos y es eficiente en el uso de tokens.
Optimización de política guiada por el profesor para la destilación del razonamiento en el razonamiento on-policy bajo gran divergencia de política
Se propone la Optimización de Política Guiada por el Profesor (TGPO) como un método de destilación on-policy para LLMs, diseñado para ser efectivo incluso con gran divergencia de política profesor-estudiante. TGPO guía la generación de tokens mediante el profesor y recompensas a nivel de trayectoria, buscando mejorar la exploración y el razonamiento. Los experimentos demuestran que TGPO supera a los métodos existentes basados en RKL.
AssemState: Razonamiento guiado por manual y estado físico para el ensamblaje de muebles sin entrenamiento
Se presenta AssemState, un marco sin entrenamiento diseñado para el ensamblaje de muebles guiado por manual y estado físico. Este sistema utiliza descomposición de páginas manuales y refinamiento iterativo para mejorar la recuperación del árbol de ensamblaje. Los experimentos demuestran mejoras significativas en métricas clave, como el F1 y la coincidencia exacta del árbol, aunque se identifican errores residuales en las poses candidatas.
De estados ocultos a confesiones: Auditoría de engaño en modelos de razonamiento
Se presenta StateWitness, un decodificador de auditoría diseñado para monitorear el comportamiento engañoso en modelos de lenguaje grande (LLM). Este sistema lee los estados ocultos del modelo objetivo para generar informes detallados de posibles fallos o violaciones. El sistema demuestra un rendimiento superior en la detección de engaño, ofreciendo evidencia a nivel de token o oración para la inspección humana.
dNaViT: Representaciones visuales de propósito general con códigos discretos
Se presenta dNaViT, un Vision Transformer de resolución nativa discreta que genera primitivas visuales discretas similares a los tokens del lenguaje. Este modelo unifica la metodología visual y del lenguaje mediante un marco común. Las evaluaciones demuestran que dNaViT iguala o supera las líneas base en diversos benchmarks de comprensión visual y generación de imágenes.
Seguridad de agentes LLM: Restringiendo riesgos extremos a través de flujos de trabajo de agentes de múltiples pasos
Se propone un marco de seguridad llamado TAS para agentes LLM que modela la seguridad del flujo de trabajo como una secuencia de estados dependientes para controlar los riesgos extremos. Este marco modela las transiciones de estado de seguridad secuencialmente para rastrear la propagación del riesgo y restringe estos riesgos con un presupuesto compartido. Los experimentos demuestran que TAS ofrece un mejor rendimiento que otros métodos al suprimir fallos de alto costo raros.
STABLE: Un optimizador de aprendizaje continuo con control de deriva adaptativa
Se presenta STABLE, un optimizador primal-dual con control de deriva adaptativa para mitigar el olvido catastrófico en el aprendizaje continuo. Este método gestiona un presupuesto de deriva para mantener la estabilidad sin sacrificar la plasticidad del modelo. Los experimentos demuestran que STABLE iguala o supera a métodos especializados en tareas unimodales y multimodales.
Estudio empírico sobre el servicio eficiente de LLMs: Marcos, optimizaciones y adopción en el mundo real
Se investiga la adopción práctica de marcos y métodos de servicio para Modelos de Lenguaje Grande (LLM) en sistemas de software de código abierto. El estudio analiza cinco marcos específicos (vLLM, SGLang, TensorRT-LLM, LMDeploy, FlashInfer) y determina que vLLM es el más popular. Se concluye que los desarrolladores tienden a usar un único marco, aunque los marcos combinados ofrecen capacidades complementarias.
Arquitectura de Mezcla de Expertos Activada por Anatomía para Visión-Lenguaje Médico 3D
Se presenta el A^2MoE, un marco para el pre-entrenamiento de visión-lenguaje médico 3D que incorpora sesgos inductivos anatómicos. Este modelo introduce un Router de Representación de Histograma y un Proyector Multi-Escala de Consulta de Órganos para mejorar la alineación de características a nivel de órgano. El modelo ha demostrado un rendimiento de vanguardia en benchmarks de segmentación, clasificación y detección con datos de CT, y muestra generalización a MRI y ultrasonido.
WorldFoundry: Hacia una infraestructura unificada para la inteligencia mundial
El documento presenta WorldFoundry, una infraestructura de código abierto diseñada para la inferencia y evaluación reproducibles en sistemas de mundo, incluyendo video, 3D y 4D. Esta infraestructura unifica el descubrimiento de modelos, la preparación de activos y la orquestación de ejecución, asegurando que las afirmaciones sean trazables a sus artefactos de soporte. WorldFoundry busca avanzar el campo desde la síntesis perceptual hacia una inteligencia mundial medible mediante la comparación reproducible de dinámicas controlables.
Mantenerse en el personaje: Agentes de juego de roles con memoria limitada por perspectiva
Se propone ReverieMem, una arquitectura de memoria de tres capas para agentes de personajes basados en libros, para solucionar los problemas de exceso factual y monotonía estilística en sistemas de juego de roles de LLM. Esta arquitectura mejora la fidelidad del límite de conocimiento y la generación de narrativa coherente con la perspectiva del personaje. Los resultados demuestran que la memoria limitada por perspectiva mejora la generación de narrativa fundamentada en el personaje.
Evaluación de agentes DFT para simulación de materiales autónoma
Se reportan hallazgos empíricos del DFT-Agent Bench, una evaluación de agentes de lenguaje grande para simulación de materiales. Se compara el rendimiento de diferentes modelos en tareas de simulación de materiales como relajación y ecuación de estado. Los resultados indican mejoras en las bandas y la relajación, siendo el resultado elástico dependiente del modelo utilizado.
Estudio de la optimización del orden del estado oculto en redes de codificación predictiva
Se investiga si el orden de la optimización del estado oculto puede mejorar el aprendizaje de características en redes de codificación predictiva mediante un horario de inferencia basado en el límite. Los resultados en CIFAR-10 indican que esta aproximación mejora la precisión en comparación con la codificación predictiva estándar. Estos hallazgos sugieren que la inferencia basada en fragmentos es un principio de diseño práctico para el entrenamiento de estos modelos.
Fragmentación Continua No Supervisada con Chunking Continuo de Sheaf SyncMap
Se propone una regularización de sheaf para reducir inconsistencias en el sistema Decentralized SyncMap, buscando estabilizar sus dinámicas de fragmentación continua no supervisada. El método introduce una estructura de sheaf radial que penaliza el movimiento entre variables. Los resultados demuestran que el método logra la mayor información mutua normalizada (NMI) en múltiples configuraciones de gráficos CGCP.
Extracción de capacidad de modelos de lenguaje grandes multimodales para generación dirigida por el sujeto
Se presenta un enfoque para la generación de imágenes dirigida por el sujeto que utiliza Modelos de Lenguaje Grandes Multimodales (MLLMs) y modelos de difusión, mejorando la preservación de la identidad del sujeto mientras se sigue la instrucción textual. El método incluye un módulo de agregación dual y una estrategia de eliminación de ruido por etapas para optimizar la comprensión multimodal y la fidelidad de la identidad. Los experimentos muestran que este enfoque supera a otros en la preservación de la identidad y reduce los artefactos de copia y pegar.
Destilación On-Policy con Guía de Nivel de Currículo para Agentes Multi-turno
Se propone la Destilación On-Policy Guiada (Guided-OPD) para mejorar la transferencia de capacidades de modelos grandes a estudiantes más pequeños en agentes multi-turno. Este algoritmo mezcla interacciones del profesor y el estudiante y ajusta la intervención del profesor a lo largo de un currículo decreciente. Los resultados en pruebas indican ganancias significativas en puntuación y tasa de éxito comparadas con el método OPD estándar.
Modelo de Valor Cosido para Alineación de Difusión
Se presenta el StitchVM, un marco de cosido de modelo que conecta un prefijo de esqueleto de difusión congelado con un sufijo de modelo de recompensa preentrenado para estimar la función de valor en latentes ruidosos. Este método busca superar las limitaciones de los enfoques tradicionales que dependen de imágenes limpias o simulaciones de Monte Carlo. El modelo demuestra mejoras en la eficiencia y calidad de procesos como el direccionamiento FK y DRaFT.
WARP-JEPA: Planificación de Despliegue Amortizado World-Model-in-the-Loop para Arquitecturas Predictivas de Incrustación Conjunta Jerárquica Congeladas
Se presenta WARP-JEPA, un marco de planificación jerárquica amortizada que reemplaza la optimización de gradiente en línea con propositores de trayectoria aprendidos, manteniendo los modelos del mundo congelados. Este enfoque logra una inferencia de episodio significativamente más rápida y mejora el éxito de la tarea en tareas de horizonte largo. Los resultados demuestran que la planificación amortizada puede mejorar la eficiencia y el rendimiento del control sin necesidad de reentrenar los modelos del mundo.
Marcado biométrico por ultrasonido contra *deepfakes* de video facial
Se propone un nuevo método de marcado de agua biométrico llamado UltraGuard para proteger videos faciales en tiempo real contra *deepfakes* generados por IA. Este método utiliza señales ultrasónicas del smartphone para capturar características biométricas y las incrusta dinámicamente en el video durante la transmisión. La validación experimental demuestra que el sistema es eficaz contra la falsificación y edición de videos.
El razonamiento no supervisado emerge de una cohorte diversa en RL multiagente
Se presenta Co-RL, un marco de Aprendizaje por Refuerzo (RL) que permite el razonamiento no supervisado mediante el entrenamiento cooperativo de múltiples agentes desacoplados. El trabajo demuestra que aumentar la diversidad de la cohorte mejora el rendimiento del razonamiento y mitiga el colapso del entrenamiento, mejorando los modelos base sin etiquetas de verdad fundamental.
¿Pueden los agentes de LLM organizar su propia memoria?
Se presenta un marco llamado memoria autoorganizada (SoMem) para agentes de LLM que almacena la memoria en documentos enlazados. Este sistema permite al agente decidir qué resumir y cómo organizar la información, manteniendo la evidencia vinculada a las interacciones originales. Los resultados demuestran que SoMem supera a la mejor línea base en varias métricas de rendimiento.
OASIS: Alineación de Espacio de Observación-Acción mediante Predicción de Trayectoria de $SE(3)$ para Manipulación Robótica
Se presenta OASIS, una política visuomotora diseñada para alinear la representación intermedia con el espacio de acción mediante la predicción de trayectoria del efector final $SE(3)$. Este modelo combina un codificador de características 3D con un predictor de trayectoria $SE(3)$ para generar fragmentos de acción consistentes con el movimiento de cuerpo rígido. Los experimentos demuestran que OASIS supera a los modelos VLA y WAM en términos de tasa de éxito y generalización.
Matching de flujo consciente de la frecuencia para generación de acciones robóticas continua y consistente
Se propone el Matching de Flujo Consciente de la Frecuencia (FAFM) para generar acciones robóticas continuas y consistentes, abordando la fragilidad de los métodos existentes ante frecuencias de control heterogéneas. El método transforma secuencias discretas al dominio de la frecuencia mediante la transformada de coseno discreta y regulariza la derivada temporal para asegurar acciones suaves. FAFM mejora el rendimiento en benchmarks robóticos y demuestra robustez al sesgo mecánico y a la entrada de frecuencia mixta.
AgentCompile: Compilador guiado por LLM para inferencia directa en CUDA
Se presenta AgentCompile, un compilador de inferencia CUDA guiado por LLM que utiliza modelos de lenguaje grandes para generar kernels CUDA. Esta herramienta combina la generación de metadatos y la validación de candidatos para optimizar la inferencia de transformadores. Se reportan aceleraciones significativas en comparación con PyTorch eager y vLLM en diversas familias de modelos.
Exploración impulsada por prompts: el lenguaje como espacio de exploración para el aprendizaje por refuerzo con aprendizaje profundo
Se propone la Exploración Impulsada por Prompts (PDE) para el aprendizaje por refuerzo (RL) utilizando modelos de lenguaje grandes (LLM) y modelos de visión-lenguaje-acción (VLA). Esta técnica permite modificar el prompt de lenguaje natural para inducir cambios globales en la política, mejorando la eficiencia de la muestra y permitiendo el aprendizaje de políticas exitosas incluso con recompensas escasas.
JevGPT: Pensando rápido y lento en la investigación autónoma
Se presenta JevGPT, una arquitectura de doble sistema para investigación autónoma que combina procesamiento rápido de evidencia con planificación deliberativa. El sistema integra hallazgos mientras que el otro localiza el soporte y guía la inspección. Los experimentos demuestran que JevGPT logra un rendimiento superior con menor costo y tiempo de finalización que otros agentes de investigación.
EVA-0: Evolución del modelo en tiempo de prueba con solo dos pasadas hacia adelante por muestra
Se presenta EVA-0, un marco de adaptación de orden cero que permite la evolución del modelo en tiempo de prueba con solo dos pasadas hacia adelante por muestra, evitando la retropropagación. Este método aborda problemas como la susceptibilidad a soluciones atajo y la deriva de peso mediante estrategias específicas. Los resultados demuestran que EVA-0 supera a otros métodos y logra una aceleración de 14 veces sobre FOA.
Entendiendo los desafíos en la optimización generativa iterativa con LLMs
Se investiga la optimización generativa iterativa con LLMs, encontrando que su fragilidad se debe a decisiones de diseño no explícitas sobre qué editar y qué evidencia de aprendizaje proporcionar. Se analizan tres factores clave, como el artefacto inicial y el horizonte de crédito, para determinar el éxito de la optimización en diferentes escenarios. Se propone una regla de tamaño de lote y horizonte de crédito calibrada para transferir a otros modelos.
El Yangwang Altior es la propuesta de BYD para el transporte ultra-lujoso
BYD presenta el Yangwang Altior, un sedán VIP totalmente eléctrico ultra-lujoso diseñado para competir con marcas como Rolls-Royce y Mercedes-Maybach. El vehículo destaca por su diseño que fusiona la cultura china con tecnología avanzada, ofreciendo acabados de lujo como cuero de grano completo y detalles artesanales. Cuenta con cuatro motores eléctricos y un alcance de hasta 1,000 km (CLTC).