Buscar noticias

Buscá por texto y descubrí noticias relacionadas con tu consulta.

Noticias relevantes

Hasta 10 noticias relacionadas por su significado, ordenadas por relevancia.

DC tiene una nueva Supergirl y no es quien esperas

La nueva Supergirl de DC Comics es Thundergirl, quien fue creada mediante clonación con el ADN de David “Boy Thunder” Sikela y el científico Kimda. Thundergirl, que poseía un grito sónico y podía volar, se liberó de su control para convertirse en una heroína independiente y luego colaboró con Supergirl. Ella busca una nueva identidad como Supergirl debido a su pasado y su deseo de no estar asociada con su identidad anterior.

Periodista: Disita Sikdar

Noticias encontradas

Coincidencias por palabras en títulos, resúmenes, temas, personas, lugares o firmas.

Resultados para «Machine Girl»

Más recientes primero · Hasta 30 noticias por página

Verificación de DNNs de Pareto: Rápido para la mayoría de las consultas

Se presenta PAVE, un método para verificar la robustez de redes neuronales profundas (DNNs) mediante la adición de salidas tempranas (EEs). Este enfoque resuelve aproximadamente el 80% de las consultas de robustez en una fracción del tiempo de verificación tradicional. Se demuestran optimizaciones que reducen el tiempo de verificación hasta 10 veces, permitiendo la verificación de redes complejas como ResNet-18 en CIFAR-100.

Periodista: Yizhak Y. Elboher, Avraham Raviv, Amihay Elboher, Zhouxing Shi, Hillel Kugler, Guy Katz

Personas mencionadas

Enrutamiento con valor conjunto para sistemas de agentes de modelo de lenguaje: un benchmark WildChat y evaluación consciente del costo

Se presenta un benchmark de 3,000 prompts WildChat para evaluar sistemas de agentes de modelo de lenguaje que deben mapear solicitudes en lenguaje natural a agentes especializados. El estudio compara diferentes métodos de codificación y enrutamiento, incluyendo clasificadores y GPT-4o, midiendo la calidad del conjunto, latencia y utilidad de costo. Se demuestra que la supervisión específica del catálogo y las capas de decisión conscientes del costo son importantes para el despacho multiagente.

Periodista: Ananto Nayan Bala, Faisal Muhammad Shah

Personas mencionadas

El Modelo Interpretable Estándar: Diseño de métodos de aprendizaje automático interpretables a partir de simetrías elementales

Se presenta el Modelo Interpretable Estándar (SIM), una teoría que permite el diseño deductivo de métodos de aprendizaje automático interpretables desde primeros principios. El estudio demuestra que la expresividad completa y las simetrías de interpretabilidad pueden coexistir en el mismo modelo, resolviendo el compromiso entre precisión e interpretabilidad en modelos de lenguaje. El modelo también ofrece vías para mejorar la interpretabilidad de modelos preentrenados existentes y unifica la disciplina de la interpretabilidad.

Periodista: Pietro Barbiero, Giovanni De Felice, Mateo Espinosa Zarlenga, Francesco Giannini, Filippo Bonchi, Mateja Jamnik, Giuseppe Marra, Ruggero Noris

Personas mencionadas

Enseñar la forma en que piensa: Guía la ingeniería de datos post-entrenamiento de LLM con Autoencoders Esparso

Se propone SAERL para la ingeniería de datos de LLM mediante Autoencoders Esparso (SAE) para guiar el aprendizaje por refuerzo. Esta técnica utiliza los internos del modelo para organizar los datos de entrenamiento, entrenando regiones funcionales de fácil a difícil. Los experimentos demuestran mejoras en la precisión de modelos de razonamiento matemático.

Periodista: Yi Jing, Zao Dai, Jinwu Hu, Zijun Yao, Lei Hou, Juanzi Li, Xiaozhi Wang

Personas mencionadas

LAPLEX: La transformada rápida de álgebra lineal en kernels laplacianos aprendibles

Se presenta LAPLEX, una clase de operadores de kernel laplaciano exactos y entrenables, diseñada para superar el compromiso entre geometría fija y cómputo exacto. Esta técnica permite realizar operaciones de matriz-vector entrenables en dimensiones muy grandes y facilita modelos de covarianza de alta dimensión sin requerir el almacenamiento de matrices densas. LAPLEX separa la expresividad del costo de almacenamiento, permitiendo interacciones globales adaptativas a los datos.

Periodista: Piotr Kubaty

Personas mencionadas

Descubrimiento de invariantes para sistemas en red

Se presenta Autogram, un sistema que utiliza un LLM para inspeccionar metadatos de variables y predecir relaciones sintácticas que forman una gramática para descubrir invariantes en sistemas de red. El sistema permite refinar la gramática iterativamente hasta que se recuperan invariantes conocidos con garantías formales. Se evaluó el sistema en telemetría WAN pública y de producción, logrando recuperar invariantes derivados por expertos con baja tasa de falsos positivos.

Periodista: Hongyu Hè

Personas mencionadas

No se identificaron personas.

Optimización de Política Vectorial: El entrenamiento para la diversidad mejora la búsqueda en tiempo de prueba

Se presenta la Optimización de Política Vectorial (VPO), un algoritmo de RL que entrena modelos de lenguaje para generar soluciones diversas al anticipar funciones de recompensa vectoriales. VPO supera a las líneas de base escalares en tareas de búsqueda en tiempo de prueba y desbloquea problemas insolubles para otros modelos. El objetivo es hacer que la diversidad sea el objetivo por defecto en la búsqueda de inferencia.

Periodista: Ryan Bahlous-Boldi, Isha Puri, Idan Shenfeld, Akarsh Kumar, Mehul Damani, Sebastian Risi, Omar Khattab, Zhang-Wei Hong, Pulkit Agrawal

Personas mencionadas

Modelado de mundo multiagente escalable a través de geometrías de escena

Se propone Khora, un modelo de mundo multiagente escalable que permite la expansión en tiempo de inferencia a un número arbitrario de agentes sin necesidad de reentrenamiento. El marco desacopla la evolución del estado del mundo del renderizado visual, manteniendo la consistencia entre vistas mediante un estado del mundo compartido. Esto permite una escalabilidad práctica lineal con el número de vistas consultadas, demostrando consistencia visual y coherencia multiagente.

Periodista: Renjie Zhao, Yuxiang Wu, Mingyu Zhang, Jiaxin Li, Sisi Li, He Li, Yimin Sheng, Tianxi Tan, Zhenkai Zhang, Jiao Liang, Jianyi Zhu, Yong-Lu Li

RLVR$^{2}$: Aprendizaje por Refuerzo con Clasificación basada en Rúbricas Verificables

Se presenta el Reinforcement Learning with Verifiable Rubric-based Ranking (RLVR$^2$), un paradigma de clasificación verificable para RLVR basado en rúbricas. Este método convierte las puntuaciones de rúbrica en resultados ordinales específicos para cada criterio, recupera una utilidad latente y fusiona estas utilidades en una señal de entrenamiento. RLVR$^2$ supera a las líneas base basadas en rúbricas en múltiples benchmarks, controlando efectos sistemáticos mientras mantiene el objetivo de calidad.

Periodista: Hao Li, Zhengkun Zhang, Gangqiang Hu, Zhen Zhang, Yude Gao, Dai Dai, Jing Liu

Personas mencionadas

AttnSR: Recompensa de Paso para Agentes RL de Horizonte Largo

Se presenta AttnSR, un método de aumento de recompensa a nivel de paso para agentes LLM de horizonte largo, que utiliza la atención de la política extraída durante el entrenamiento para asignar recompensas. Este método superó a la línea base PPO en el entorno ALFWorld, mejorando el éxito final del 91.2% al 97.1%. Los resultados sugieren que la atención de la política es una prioridad práctica para la asignación de recompensas en RL de horizonte largo.

Periodista: Mengsong Wu, Tianchen Zhou, Zhaochen Su, Zhenhua Liu, Zhe Cui, Aimin Zhou

Personas mencionadas

Regresión Barycéntrica Profunda para la Estimación de Mapas de Transporte Óptimo y su Optimalidad Estadística

Se propone BROT (Regresión Barycéntrica para el Transporte Óptimo), un método de dos pasos que utiliza una red neuronal profunda para ajustar objetivos barycéntricos derivados del plan de transporte óptimo no regularizado. Se demuestra que el estimador basado en DNN alcanza la tasa de convergencia minimax cuando el mapa de transporte óptimo es Lipschitz. Los estudios numéricos indican que BROT ofrece estimaciones precisas y costes de transporte competitivos en comparación con métodos existentes.

Periodista: Kunwoong Kim, Insung Kong, Yongdai Kim

Personas mencionadas

FARR: Refinamiento de Residuales Sensible al Pronóstico con Evidencia de Punto Final para Pronósticos de Series Temporales a Largo Plazo

Se presenta el método FARR (Forecast-Aware Residual Refinement) para corregir pronósticos de series temporales a largo plazo utilizando evidencia de punto final. Este método busca mejorar la precisión de los pronósticos al ajustar los errores residuales basándose en el contexto temporal observado. Los experimentos demuestran que FARR supera a otros métodos en métricas clave como MSE y MAE.

Periodista: Yiyang Zhang, Yuli Zheng, Bin Li, Meimei Zhang, Qiang Sun

Personas mencionadas

Optimización de ruido inicial con restricciones de manifold para alineación eficiente de modelos generativos

Se presenta ZeNOVA, un método estable y eficiente para la alineación de ruido inicial en un marco libre de gradiente, diseñado para superar las limitaciones de los métodos existentes en escenarios de caja negra. Este método utiliza guía de valor suave anillada y dinámica de Langevin con restricciones de manifold para optimizar el ruido inicial hacia recompensas más altas de manera estable. Los experimentos demuestran que ZeNOVA supera a las líneas de base de orden cero en modelos generativos de imágenes y video.

Periodista: Jinho Chang, Jong Chul Ye

Personas mencionadas

Aprendizaje activo en contexto para modelos fundacionales tabulares

Se investiga el aprendizaje activo en contexto para Modelos Fundacionales Tabulares (TFMs) para mejorar la adquisición de datos etiquetados. El estudio evalúa la diversidad, la incertidumbre predictiva y la ganancia de información a medida que el modelo adquiere contexto. Se encontraron hallazgos sobre cuándo y dónde aplicar reglas de adquisición basadas en diversidad y vecino más cercano para optimizar el proceso de etiquetado.

Periodista: Christian M. M. Frey

Personas mencionadas

TriAttention: Atención Mixta Dispersa de Precisión Unificada para Inferencia de LLM de Contexto Largo

Se presenta TriAttention, una técnica que utiliza escasez y cuantificación para reducir el costo de la atención en modelos LLM de contexto largo. El método asigna diferentes niveles de precisión (4-bit o 8-bit) a las interacciones QK para optimizar el rendimiento. Los experimentos demuestran ganancias significativas en la velocidad de generación, alcanzando hasta 7.88x sobre la atención de Torch.

Periodista: Hanzhi Zhang, Qiao Zhang, Qinglei Cao, Heng Fan, Yan Huang, Kewei Sha, Yunhe Feng

Personas mencionadas

Guía Best-of-N para Alineación en el Tiempo de Prueba

Se presenta Best-of-N Guidance (BoNG), un método que integra el muestreo Best-of-N en el proceso de difusión inversa para mejorar la alineación de las muestras generadas. BoNG ajusta el proceso de difusión para dirigir la población de partículas hacia regiones de mayor recompensa, logrando el mejor rendimiento en el 80.56% de las comparaciones. Este método también soporta capacidad de múltiples salidas con una aceleración de 1.6$\times$.

Periodista: Richard Lee Kim, Yeongmin Kim, Gyuwon Sim, Taekyu Kim, Minsang Park, Il-chul Moon

Personas mencionadas

Representación consciente de variables, no tipificación de relación, explica el rendimiento de un modelo de grafos de eventos para la predicción de mortalidad en la UCI

Se evaluó el rendimiento de un modelo de grafos de eventos para predecir la mortalidad en la UCI utilizando registros de pacientes. Se encontró que una representación consciente de variables mejoró significativamente el área bajo la curva ROC, mostrando mejoras en la predicción de mortalidad tanto en validación temporal como externa. El modelo revisado alcanzó un AUROC de 0.878-0.900 en períodos MIMIC-IV, demostrando que la representación de variables es más importante que la arquitectura de propagación de mensajes.

Periodista: Mohammad Nasir Uddin, Eklachur Rahman Bhuiyan, Rahnuma Tabassum Orpita

Personas mencionadas

Hipótesis de separación entre predicción de estado

Se propone la hipótesis de separación entre predicción de estado en Transformers, sugiriendo que separar los roles de predicción y almacenamiento de estado mejora el rendimiento del modelado de lenguaje. Los experimentos demuestran que esta separación ofrece mejor eficiencia de datos y cómputo, superando a los Transformers estándar en tareas posteriores.

Periodista: Giovanni Monea

Personas mencionadas

VACE: Aprendizaje de representaciones geométricamente estructuradas para la detección de anomalías en series temporales

Se presenta VACE, un método de detección de anomalías auto-supervisado para series temporales multivariadas. Este método representa la normalidad como una trayectoria suave y coherente en el espacio de incrustación. VACE combina puntuaciones posicionales y direccionales para detectar desviaciones geométricas en los datos. El método logra un rendimiento de vanguardia en la detección de anomalías.

Periodista: Alberto D. Cencillo

Personas mencionadas

BrainPFN: Predicción de comportamiento cerebral amortizada mediante redes ajustadas con datos previos

Se presenta BrainPFN, una Red Ajustada con Datos Previos para la regresión del comportamiento cerebral, que supera a KRR en la predicción de comportamiento a partir de resonancia magnética funcional. Este modelo se entrena meta con datos reales de conectividad funcional y demuestra un rendimiento superior en la predicción de comportamiento en cohortes independientes. El trabajo destaca que un conjunto de datos abierto puede igualar o superar modelos entrenados a escalas mucho mayores.

Periodista: Carlo Alberto Barbano (MIND), Demian Wassermann (MIND)

Personas mencionadas

Cuando el parcheo de atribución miente: Diagnóstico y una corrección de segundo orden

El artículo aborda la inconfiabilidad del parcheo de atribución, identificando que el error principal proviene de las no linealidades en la red descendente. Se proponen tres herramientas prácticas, incluyendo una puntuación de fiabilidad y una corrección de producto vectorial de Hessiano (HVP) para mejorar la recuperación de circuitos. La variante de HVP demuestra superar la precisión de los Gradientes Integrados con menor coste computacional.

Periodista: Luyang Zhang, Jialu Wang

Personas mencionadas

Leyes de escalado para datos de entrenamiento SAE

Se investiga el almacenamiento de activación en el entrenamiento de autoencoders dispersos (SAE) para determinar cuántas activaciones únicas son necesarias con un presupuesto fijo. Se establece una ley de escalado que sugiere que el búfer debe crecer hasta un punto de meseta, y luego reutilizar ese búfer para optimizar el almacenamiento de activación. Los experimentos demuestran que esta técnica reduce el almacenamiento de activación en un factor de 8 a 64 con una pérdida mínima de calidad.

Periodista: Nikita Koriagin, Nikita Balagansky, Daniil Gavrilov

Personas mencionadas

Parke’s colabora con Stoney Clover Lane de vuelta por alta demanda

Parke’s ha lanzado una colaboración limitada con la marca de accesorios Stoney Clover Lane, ofreciendo productos como mezclilla y accesorios. La nueva colección incluye artículos populares como el cuello alto Varsity reimaginado. El lanzamiento estará disponible en sus sitios web a partir del 6 de noviembre, con expectativa de alta demanda.

Periodista: Erin Lassner

Personas mencionadas

No se identificaron personas.

Denver’s Fillmore recibe una dosis de lodo y hip hop del Sur de Florida con Knocked Loose y Denzel Curry

La noticia cubre un concierto en el Fillmore Auditorium de Denver, donde bandas de metalcore y hip hop como Knocked Loose, Boundaries y Superheaven, junto con Denzel Curry, ofrecieron actuaciones intensas. El evento fue descrito como un intento de exorcizar la política, con una multitud que participó activamente en el moshing y crowdsurfing. La noche culminó con actuaciones explosivas y caóticas de las bandas.

Periodista: Grayson Nunnelee

Reseña: Girl Tones – PRECIOUS: Fuzz con escuela clásica

La banda Girl Tones, un dúo de Kentucky, lanzó su álbum debut PRECIOUS mezclando Garage Rock, Alternativo y elementos clásicos. El álbum incluye temas con influencias de rock de los 90 y toques clásicos, aunque su mayor fuerza reside en el sonido más sucio al interactuar con otras bandas. Es un debut prometedor que explora diferentes caminos musicales.

Periodista: Saskia Timm

Personas mencionadas

Lee Aaron pone fecha a "Re-Vamp", su próximo disco, y anuncia "Fight Like a Girl" como primer adelanto

El artista Lee Aaron ha anunciado la fecha para su próximo disco y ha revelado "Fight Like a Girl" como su primer adelanto. El texto proporcionado se centra en la gestión de cookies en navegadores web, detallando cómo los usuarios pueden configurar, eliminar y bloquear cookies de terceros y del propio sitio.

Periodista: Alfonso Herreros

Personas mencionadas

Tom Morello nombra sus cuatro mayores fracasos musicales

Tom Morello relata cuatro fracasos musicales significativos en su carrera, desde dejar la guitarra a los trece años hasta la disolución de bandas importantes. Estos eventos, según él, fueron cruciales para su desarrollo como músico y lo llevaron a una carrera que considera exitosa. El guitarrista también compartió experiencias sobre la confianza en las compañías discográficas y la necesidad de seguir su propia visión musical.

Periodista: Chad Childers

Personas mencionadas

De Machine #294 Gashouder está abierto con grandes ambiciones

El templo de tecnología Gashouder ha sido inaugurado tras una reforma, convirtiéndose en un pabellón con ambiciones de espectáculos en vivo y 100 funciones anuales. El director recién nombrado, Boye ’t Lam, señaló que el evento fue una buena prueba para su funcionamiento. Además, Arne van Terphoven comentó sobre su docuserie HARD.

Periodista: Atze de Vrieze, Malou Miedema

El Wu-Tang Clan sabe que es para siempre

El Wu-Tang Clan está por ser incluido en el Hall de la Fama del Rock, consolidando su legado en la cultura pop y el hip-hop. El grupo es reconocido por haber redefinido el género al fusionar estilos y expandir las posibilidades para los colectivos de rap. Su influencia se extiende a través de la música, la producción y la narrativa cultural, dejando una huella duradera en la historia del género.

Periodista: John Kennedy

Carrie Coon elogia la impresión de Taylor Swift de su personaje de la Edad de Oro

La actriz Carrie Coon elogió la interpretación de Taylor Swift de su personaje de la Edad de Oro durante una aparición en The Tonight Show. Coon destacó que la actuación era muy buena y que Swift encarnaba perfectamente a su personaje, describiéndola como una emprendedora.

Periodista: Gil Kaufman