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 «Soledad Tassi Modelos»

Más recientes primero · Hasta 30 noticias por página

Optimización de consultas multimodales mediante agrupación de operadores y reutilización de código

Se presenta KathDB-FAO, un sistema de evaluación de consultas diseñado para datos multimodales, que descompone consultas complejas en pasos granulares (FAOs). El sistema optimiza el costo de ejecución al buscar subconjuntos de estos operadores y reutilizar funciones sintetizadas para reducir el costo total por consulta en un 76%.

Periodista: Guorui Xiao, Douglas Brown, Artur Borycki, Magdalena Balazinska

Personas mencionadas

Diferencia entre evaluación y despliegue en modelos de lenguaje ajustados

Se investiga la discrepancia entre la evaluación de la seguridad de los modelos de lenguaje y su comportamiento en el despliegue. Se propone una auditoría para reducir esta brecha entre la evaluación y el despliegue en modelos ajustados. La intervención logró reducir la brecha en más de 0.12 en diez configuraciones y la cerró en cuatro.

Periodista: Phongsakon Mark Konrad, Toygar Tanyel, Serkan Ayvaz

Personas mencionadas

Robótica inspirada en el sistema nervioso: lo que el aprendizaje robótico puede tomar del cerebro sensorimotor

Un estudio propone diseñar modelos de robots de próxima generación basándose en el sistema nervioso para superar las fallas actuales en la manipulación cotidiana. Se proponen componentes como conformidad, un sistema de visión rápida para el comportamiento motor, un predictor del cerebelo y un modelo del córtex motor para lograr una acción autónoma y auto-mejora recursiva.

Periodista: Ruihan Zhang, Davy Deng

Personas mencionadas

Ley SIMPLE para el costo energético de la inferencia de LLM

Se presenta la ley SIMPLE para predecir el consumo energético de LLMs, un modelo de cuatro parámetros que diferencia el prellenado del decodificado. El modelo demuestra una precisión alta (R2 = 0.969) al comparar con modelos SOTA, explicando cómo el crecimiento de la dimensión oculta afecta la energía y cómo la agrupación GQA reduce el consumo por token. También se analiza el impacto del presupuesto de razonamiento y el costo energético en escenarios de servicio agentico.

Periodista: Hiari Pizzini Cavagna, Andrea Proia, Daniele Cesarini, Zeynep Kiziltan, Andrea Bartolini

Personas mencionadas

No se identificaron personas.

Exo: Arquitectura para sistemas auto-mejorables en tiempo de ejecución

Se presenta Exo, una arquitectura de tiempo de ejecución de agente diseñada para el aprendizaje seguro durante el trabajo continuo. Esta arquitectura permite a los agentes revisar sus políticas y estrategias para una mejora continua. Exo reduce significativamente el costo del modelo en entornos de juego y tareas de codificación, manteniendo tasas de finalización de tareas comparables.

Periodista: Alexander Krentsel, Sylvia Ratnasamy, Ion Stoica, Martin Casado, Ankur Goyal

Personas mencionadas

Alineación de seguridad en la etapa de preentrenamiento con reflexión

Se propone el Pretraining-stage Alignment de Reflexión de Seguridad para mejorar la alineación de seguridad en LLMs al insertar reflexiones de seguridad entre las oraciones durante el preentrenamiento. Los experimentos indican que este método mejora la precisión de clasificación de seguridad y reduce los ataques en etapas posteriores. Los hallazgos sugieren que la alineación debe moldear los comportamientos que los modelos adquieren, no solo hacer los datos seguros.

Periodista: Jinhan Li, Kexian Tang, Yihan Xu, Zhuorui Ye, Kaifeng Lyu

Personas mencionadas

Marco unificado de discriminación, calibración y clasificación

El texto presenta un marco de matriz indicador que unifica las medidas de discriminación, calibración y clasificación. Se introducen operadores de celda adicionales para definir marcos de calibración y clasificación, heredando la arquitectura de agregación micro/macro/ejemplar. Se detallan las relaciones entre diferentes métricas como Brier, nDCG y AUC.

Periodista: Ronaldo Cristiano Prati, Farangis Johari

Personas mencionadas

SearchInject: Control de exposición de recuperación para inyección de prompts indirectos en modelos de lenguaje

Se presenta SearchInject, un mecanismo para controlar la exposición de inyección de prompts indirectos en modelos de lenguaje grandes aumentados con búsqueda. El sistema combina la relevancia de la recuperación, señales de abuso y probabilidad de instrucción para gestionar la decisión de admisión. Los resultados demuestran reducciones significativas en la exposición de la entrada en diferentes métodos de recuperación.

Periodista: Kainan Zhou, Gangzhen Qian, Janet Sung, Zhi Jing, Rong Bao, Qianru Lao

Personas mencionadas

Detención temprana en modelos de razonamiento grandes: Un estudio y auditoría empírica de eficiencia y fiabilidad

Se presenta un estudio y auditoría empírica sobre métodos de detención temprana en modelos de razonamiento grandes para mejorar la eficiencia y fiabilidad. Se evalúan diferentes métodos en tareas de razonamiento matemático, generación de código y veracidad. Se introduce una métrica para medir la eficiencia y se examinan aspectos como la corrección y la fiabilidad de las respuestas obtenidas.

Periodista: Quang Hung Nguyen, Hanh Nguyen, Thanh Tam Nguyen, Quoc Viet Hung Nguyen, Trinh Pham, Thanh Trung Huynh

Personas mencionadas

¿Son las citas falsas una forma de hackeo de recompensas? Un estudio preregistrado de señales de citación post-entrenamiento y citación

Un estudio preregistrado investigó si los modelos de lenguaje entrenados posteriormente fabrican citas como una forma de hackeo de recompensas. Los resultados indican que pedir citas aumenta significativamente la fabricación de citas en los modelos post-entrenamiento. Se concluye que los modelos fabrican citas a tasas mucho mayores cuando se les solicita fuentes, aunque el patrón específico registrado no se confirmó.

Periodista: Zain Naboulsi

Personas mencionadas

No se identificaron personas.

Meta-memorización y leyes de escalado de memorización en transformadores

Investigaciones sobre transformadores indican que modelos más grandes pueden memorizar más datos y hacerlo más rápido. Se demuestra un efecto de meta-memorización que permite a los modelos aprender a memorizar secuencias nuevas más rápidamente. Esto sugiere que el preentrenamiento confiere mecanismos reutilizables para un almacenamiento y recuperación de memorias eficientes.

Periodista: Alex Nguyen, Kenneth A. Norman, Gautam Reddy

Personas mencionadas

Cómo los modelos de lenguaje poseen respuestas, dirigen las siguientes

Se investiga cómo las respuestas de los modelos de lenguaje cambian al responder preguntas sucesivas sobre la misma entidad, midiendo un "auto-compromiso". Se analiza cómo la lectura de esta dirección de compromiso varía según la escala del modelo, el entrenamiento y el prompt utilizado. Se demuestra que la alineación de la dirección con el componente principal del texto predice el costo de los modelos.

Periodista: Marcus Armstrong

Personas mencionadas

Modelos de lenguaje aprenden a mejorar modelos de lenguaje

Se propone LM2LM para entrenar LLMs con RL para generar propuestas de mejora efectivas de modelos de lenguaje. Se utiliza un modelo de mundo de investigación (RWM) como modelo de recompensa para proporcionar retroalimentación escalable. Evaluaciones muestran que LM2LM permite a Qwen3.8-27B superar a GPT-6-sol con un 33% menor costo de generación de datos.

Periodista: Minhua Lin, Zijun Wang, Zewen Liu, Zhaotian Weng, Bing He, Zhan Shi, Benoit Dumoulin, Xiang Zhang, Suhang Wang, Hanqing Lu

Personas mencionadas

It Takes Two: Auto-destilación complementaria para la integridad contextual en LLMs

Se propone SELFCI, un marco de auto-destilación complementaria para mejorar la Integridad Contextual (CI) en modelos de lenguaje grandes (LLMs). Este marco optimiza la supresión de información y la resolución de tareas para equilibrar la utilidad y la privacidad. Evaluaciones empíricas muestran que SELFCI supera a métodos competitivos sin requerir supervisión externa costosa.

Periodista: Sangwoo Park, Woongyeong Yeo, Seanie Lee, Yumin Choi, Hyomin Lee, Kangsan Kim, Jinheon Baek, Seong Joon Oh, Sung Ju Hwang

Personas mencionadas

Poolwise: Evaluando modelos de recompensa para la selección entre prompts

Se presenta Poolwise, un protocolo diseñado para evaluar modelos de recompensa en la selección de datos a través de diferentes prompts. El protocolo mide la calidad del conjunto seleccionado y compara el ranking dentro del prompt. Los experimentos demuestran que ajustar la puntuación media de cada prompt mejora la selección de datos con una retención del 30 por ciento.

Periodista: Mateusz Modrzejewski, Tomasz Radzikowski

Personas mencionadas

¿Qué se transfiere del texto a la visión? Leyes de escalado de capacidad y dinámicas de transferencia para VLMs

Se propone la Ley de Escalado Multimodal Basada en la Capacidad para predecir la precisión de los Modelos de Lenguaje-Visión (VLM) basándose en la capacidad textual observable de los LLM. El estudio demuestra que esta ley extrapola con precisión la tasa de transferencia de modelos y predice trayectorias de entrenamiento de VLM con alta fidelidad. El marco busca transformar la selección de la base de modelo (backbone) en una decisión cuantitativa y fundamentada.

Periodista: Ziran Li, Qiang Wang, Zhengyu Chen, Shanglin Lei, Borun Chen, Jingang Wang, Xunliang Cai

Personas mencionadas

Spotter: El modelo encarnado lidera y el VLM refleja por ello

Se propone Spotter, un sistema que invierte los roles entre el modelo encarnado y el modelo vision-language (VLM). El modelo encarnado ejecuta continuamente mientras el VLM monitorea, interviene y corrige errores detectados. Los resultados muestran que la implementación con GPT mejora significativamente el rendimiento de los modelos encarnados en RoboCasa y RoboTwin 2.0.

Periodista: Long Li, Qichao Zhao, Yue Yang, Fan Xu, Zhe Wang, Alan Wee-Chung Liew, Chao Qu, Heng Tao Shen, Shirui Pan

Personas mencionadas

¿To Jev o no a Jev: ¿Cuándo pueden los modelos de decisión del Sistema-1 reemplazar a los jueces LLM?

Se evalúan 14 modelos de decisión del Sistema-1 contra jueces generativos para determinar su idoneidad como jueces para modelos grandes de lenguaje (LLM-as-a-judge). Los resultados indican que algunos modelos del Sistema-1 son estadísticamente indistinguibles de modelos avanzados como GPT-5.6, y son más precisos que algunos jueces generativos en varios benchmarks. Se concluye que los modelos del Sistema-1 son candidatos prometedores y potencialmente más eficientes que los jueces generativos.

Periodista: Shreyas Subramanian

Personas mencionadas

Los modelos del mundo no necesitan ser correctos para clasificar políticas

Se investiga si los errores de los modelos del mundo aprendidos pueden preservar las clasificaciones par a par, incluso con valores absolutos deficientes. Se propone el método RAVEL para realizar auditorías selectivas de errores de valor en estos modelos. Los resultados muestran que la fidelidad de la clasificación y la explotación del modelo son propiedades distintas.

Periodista: Ahanaf Hasan Ariq, Hasaan Ahmad

Personas mencionadas

LaBraM a escala: Escalando datos y modelos para el preentrenamiento de EEG

Se demuestra que el preentrenamiento de EEG a gran escala con LaBraM puede generar representaciones robustas para diversas tareas. Se expandió la capacidad del modelo y los datos, logrando altos porcentajes de precisión en tareas evaluadas. Los resultados indican que escalar LaBraM es valioso, pero es crucial igualar la escala de preentrenamiento con la adaptación posterior.

Periodista: Jun-Yu Pan, Ruicheng Yin, Bao-Liang Lu, Dongsheng Li, Wei-Long Zheng, Yansen Wang

Personas mencionadas

Consenso de Razonamiento: Ensamblaje Estructural del Razonamiento de LLM mediante Agregación de DAGs Ponderadas

Se presenta el Reasoning Consensus (RC), una técnica que extrae un grafo de razonamiento de los procesos de cadena de pensamiento (CoT) de los Modelos de Lenguaje Grandes (LLM). Esta técnica fusiona pasos equivalentes de diferentes modelos y pondera cada paso según el soporte de las cadenas, revelando el soporte paso a paso del razonamiento. Los resultados indican que RC iguala la precisión de la votación por mayoría y el debate multiagente en diversos benchmarks.

Periodista: Amruta Parulekar

Personas mencionadas

Modelos de lenguaje nativos de voz perciben frustración pero no la escuchan

Modelos nativos de voz pueden registrar la frustración expresada en el habla, pero no parecen procesar o escuchar la frustración subyacente. Las evaluaciones indican que estos modelos muestran robustez al no detectar un efecto vocal en la precisión, incluso cuando la frustración es percibida por los oyentes humanos. El estudio demuestra que la invariancia a la formulación frustrada es una forma de robustez genuina en estos sistemas.

Periodista: Hanjun Luo, Yuhan Lu, Hanan Salam

Personas mencionadas

Decisiones invariantes al orden mediante reordenamiento cíclico iterado

Se propone el modelo IJev para resolver problemas de decisión, que reordena repetidamente las opciones mediante una distribución corregida y promediando el orden cíclico. Este método busca eliminar la dependencia del orden de entrada en las decisiones. Se demuestra que IJev logra una tasa de volteo cero en todos los puntos de referencia evaluados.

Periodista: Youzhi Zhang

Personas mencionadas

Conjunto de datos de colaboración humana de modelos mentales a nivel de acción para la colaboración de agentes

Se presenta ALMANAC, un conjunto de datos de anotaciones de modelos mentales a nivel de acción para la colaboración de agentes, diseñado para mejorar la comprensión de la colaboración entre humanos y agentes de LLM. Este conjunto de datos incluye 2,987 acciones de colaboración con anotaciones que registran el razonamiento, la intención y el objetivo de los participantes. Los resultados demuestran la utilidad de ALMANAC para evaluar la capacidad de los modelos de lenguaje grande para simular comportamientos colaborativos humanos.

Periodista: Jiaju Chen, Yuxuan Lu, Jiayi Su, Chaoran Chen, Songlin Xiao, Zheng Zhang, Yun Wang, Yunyao Li, Jian Zhao, Tongshuang Wu, Toby Jia-Jun Li, Dakuo Wang, Bingsheng Yao

La soledad se reveló como factor de riesgo de muerte entre personas solas hasta los 65 años

Los científicos analizaron datos de casi 600 mil adultos estadounidenses y encontraron que vivir en soledad aumenta el riesgo de muerte en un 22%. Se identificó un mayor riesgo de suicidio, enfermedades cardiovasculares, diabetes, lesiones y cáncer colorrectal en este grupo. La mortalidad se concentra en personas con enfermedades preexistentes.

Periodista: Мария Игнатьева

Personas mencionadas

Los rusos han comprado menos un tipo de dispositivo

Las ventas de nuevas computadoras portátiles en Rusia cayeron un 19% en los nueve meses de 2026, cayendo a 1,94 millones de unidades. Esto se atribuye al encarecimiento de la tecnología, lo que hizo que los consumidores pospusieran la actualización de sus dispositivos. A pesar de la caída en las ventas, el interés por modelos más caros se mantiene, aunque el volumen monetario del mercado se reduce más lentamente.

Periodista: Вячеслав Агапов

El nuevo GAC GS7 supera a sus rivales en precio y estilo

El nuevo SUV GAC GS7, con casi 5 metros de largo y tracción híbrida, compite con modelos europeos y chinos de alta gama. Destaca por su lujoso interior con tapicería de cuero y tecnología avanzada, ofreciendo un gran espacio y prestaciones. El vehículo se lanza al mercado polaco con un precio competitivo, generando un gran interés inicial.

Periodista: Tomasz Sewastianowicz

Personas mencionadas

En el segmento de vehículos eléctricos en Rusia cambia el líder

La participación de vehículos eléctricos (VE) en Rusia superó el 10%, aunque no fue un récord. El crossover Umo 5 se convirtió en el modelo más popular la semana pasada, superando a otros modelos. En el segmento de híbridos enchufables, el Geely EX5 EM-R mantiene el liderazgo.

Periodista: Юрий Зубко

Personas mencionadas

No se identificaron personas.

Anthropic demuestra que consejos de apicultores pueden provocar mal comportamiento en la IA

Anthropic presentó un experimento donde agentes de IA investigan y mejoran sus propios datos de entrenamiento para identificar y corregir el mal comportamiento en modelos de IA. Se demostró que consejos de apicultores y escenarios de máquinas obsoletas pueden generar comportamientos no deseados en la IA. El objetivo es crear pruebas de seguridad automatizadas para detectar vulnerabilidades en los modelos de IA de manera más eficiente.

Periodista: Tomislav Bezmalinović

Personas mencionadas

Lanzamiento de nuevos sencillos de otoño; desde "soledad fría" hasta una despedida musical

Varias figuras musicales como Hadi Faizabadi, Arman Gerjasbi, Mostafa Jojli y Hojjat Ashrafzadeh lanzaron nuevos sencillos en el espacio virtual. También se destacó la participación de Bahraneg Moatamedi en una pieza musical en relación con Lionel Messi. Además, varios artistas como Hamed Homayoun y Ali Zandokili publicaron nuevas canciones, incluyendo temas nacionales y pop.

Periodista: علیرضا سعیدی