Buscar noticias
Buscá por texto y descubrí noticias relacionadas con tu consulta.
Noticias relevantes
Hasta 10 noticias relacionadas por su significado, ordenadas por relevancia.
TUM fortalece la investigación de vanguardia con el Centro de Ingeniería Cuántica
Alemania busca posicionarse a la vanguardia de las tecnologías cuánticas mediante el establecimiento del Centro de Ingeniería Cuántica (ZQE) en la Universidad Técnica de Múnich. Este centro interdisciplinario busca transformar la física cuántica en aplicaciones industriales y fomentar la soberanía tecnológica alemana. Se han asignado fondos significativos, incluyendo 35 millones de euros de Baviera y 20 millones del gobierno federal, para impulsar esta agenda tecnológica europea.
Microsoft Research presenta Quine, un sistema de IA para modelar la complejidad de la biología
Microsoft Research presentó Quine, un sistema de investigación de inteligencia artificial que combina un modelo del mundo multimodal de la biología con un arnés que conecta modelos, herramientas científicas, literatura e investigadores. En colaboración con el Broad Institute de Harvard y el MIT, el sistema priorizó compuestos capaces de inducir cambios en el estado tumoral del cáncer de páncreas y validó varios candidatos en ensayos de laboratorio, un proceso que llevó un fin de semana. La tecnología es experimental y solo para investigación; el acceso inicial se limita al programa Quine Fellows y a colaboraciones selectas.
Noticias encontradas
Coincidencias por palabras en títulos, resúmenes, temas, personas, lugares o firmas.
Resultados para «ZME Science»
Más recientes primero · Hasta 30 noticias por página
Pruebas de bajo costo para medir el comportamiento de modelos entre proveedores y lanzamientos
Se presenta un modelo simple, barato y replicable para estudiar el comportamiento de los modelos de lenguaje a través de diferentes proveedores y lanzamientos. El estudio mide la convergencia, la resistencia, la posición bajo presión y la coherencia del código de los modelos. Estos instrumentos rastrean cómo cambia el comportamiento a lo largo del tiempo y entre diferentes modelos.
CUDA-L2 supera el rendimiento de cuBLAS para multiplicación de matrices mediante aprendizaje por refuerzo
Se propone CUDA-L2, un sistema que utiliza modelos de lenguaje grandes (LLM) y aprendizaje por refuerzo (RL) para optimizar automáticamente los kernels CUDA de multiplicación de matrices (HGEMM). Este sistema supera a las soluciones existentes como cuBLAS y cuBLASLt en modo offline y servidor, logrando mejoras significativas en la velocidad de ejecución. El estudio demuestra que la automatización guiada por RL puede mejorar kernels críticos mediante la exploración sistemática de espacios de configuración complejos.
Control Reinforcement Learning: Dirección interpretable a nivel de token de LLMs mediante características de Autoencoders Esparso
Se presenta el Control Reinforcement Learning (CRL) para dirigir a los Modelos de Lenguaje Grandes (LLMs) a nivel de token seleccionando características de autoencoders esparsos (SAE). Este método genera registros de intervención interpretables que permiten identificar qué características modifican la salida del modelo al ser amplificadas. Los resultados en Gemma 2 2B demuestran que esta técnica mejora el rendimiento mientras proporciona logs de intervención por token.
Aprendizaje de dónde simular: Muestreo activo generativo para entrenamiento de sustitutos de PDE en línea
Se presenta el Muestreo Activo Generativo en Línea (OGAS) para mejorar el entrenamiento de sustitutos de ecuaciones diferenciales parciales (PDE) al adaptar continuamente el muestreo de parámetros de configuración durante el entrenamiento. Este método utiliza un muestreador condicional para priorizar configuraciones que generan datos de entrenamiento más desafiantes, reduciendo el error de predicción en comparación con el muestreo uniforme. Se evaluó el método en diferentes PDEs y arquitecturas, mostrando una reducción del error y una sobrecarga de tiempo insignificante.
Señalando el camino, ocultando el destino: Recuperación densa privada práctica a escala
Se presenta un método para la recuperación densa privada a escala utilizando RAG y búsqueda semántica, que oculta la consulta y el resultado seleccionado. El protocolo utiliza un código binario aleatorio para señalar una lista corta de candidatos, protegiendo la consulta y la selección final mediante cifrado. Esto permite una búsqueda eficiente sin sacrificar la calidad de la recuperación en grandes corpus de documentos.
Física de colisionadores impulsada por recompensas desafía la IA agentica auto-mejorable mediante aprendizaje por refuerzo
Se exploran avances en IA agentica para automatizar flujos de trabajo complejos de física de alta energía (HEP). Se introduce un formato de optimización con recompensas automáticas para que los modelos de lenguaje mejoren mediante aprendizaje por refuerzo sin intervención humana. El objetivo es avanzar hacia agentes científicos que descubran soluciones mejoradas de forma autónoma.
Presentación del modelo ZONOS3-Mini, un sistema TTS de clonación de voz ultra-compacto y rápido
Se presenta ZONOS3-Mini, un modelo TTS ultra-compacto y rápido para clonación de voz, capaz de ejecutarse en tiempo real en dispositivos móviles. El modelo utiliza un *backbone* MoE con 886M parámetros y un nuevo códec de audio para alcanzar alta fidelidad. Se liberan los pesos, la inferencia y el código de entrenamiento del modelo.
Evaluación de agentes de IA en la resolución autónoma de problemas teóricos de física
Se evaluaron agentes de IA para resolver problemas teóricos de física. Se encontró que el agente GPT-6-Astra alcanzó una precisión del 98% en cálculos concretos, incluso con acceso a herramientas de búsqueda y literatura. Los resultados sugieren que los agentes de vanguardia son capaces de realizar cálculos requeridos en la investigación de física teórica. Se discuten las implicaciones de estos hallazgos sobre los avances en física teórica impulsados por agentes.
- A. Ramesh Chandra
- Aaghaz Mahajan
- Ainesh Sanyal
- Mianqi Wang
- Shubhadeep Chakraborty
- Sudip Chakraborty
- Shailesh Chandrasekharan
- Rama Govindarajan
- Akshit Goyal
- Jonathan J. Heckman
- Yasir Iqbal
- Divya Jaganathan
- Saumav Kapoor
- Andreas Karch
- Pushkar Khandare
- Sandeep Krishna
- Anupam Kundu
- Alok Laddha
- Tongyan Lin
- Swarnendu Maity
- Nilmani Mathur
- Shani Nadir Meynet
- Alessandro Mininno
- Abhijeet Mishra
- Vidur Niranjan
- Abhishodh Prakash
- Pratik Rath
- Durbar Roy
- Debargha Sarkar
- Srikanth Sastry
- Gary Shiu
- Aninda Sinha
- Thomas Van Riet
- Praneeth Netrapalli
- Suvrat Raju
SWE-Bench Pro V2: Un benchmark de codificación más limpio y difícil
Se presenta SWE-Bench Pro V2, una versión revisada del benchmark para tareas de ingeniería de software de largo alcance para agentes de codificación. Se realizaron auditorías y verificaciones por parte de ingenieros para reparar o retirar tareas, asegurando la precisión del benchmark a medida que avanzan las capacidades de los agentes. El nuevo protocolo endurecido restringe el acceso a la red y reevalúa los parches, mejorando la fiabilidad del conjunto de pruebas.
Mitigación de la satisfacción de especificaciones en agentes de codificación
Se presenta SatisFix, un método diseñado para guiar a agentes de codificación a reportar las elecciones y justificaciones de sus decisiones de implementación. Este método busca mitigar la "satisfacción de especificaciones", un fallo donde el agente acepta soluciones parciales que no cumplen completamente con los requisitos. SatisFix mejoró el rendimiento del agente base en DeepSWE y SWE-bench Pro.
Chronocooked: Un punto de referencia para el tiempo de intervalo en agentes de aprendizaje por refuerzo
Se presenta Chronocooked, un entorno de referencia de aprendizaje por refuerzo diseñado para estudiar las habilidades de tiempo de intervalo en agentes de IA. El trabajo evalúa diferentes modelos de aprendizaje (CNN, LSTM, CTRNN) para medir el rendimiento y la capacidad de control temporal de estos agentes. Se concluye que los modelos recurrentes con memoria son capaces de realizar las tareas de tiempo, aunque no se encontró evidencia cuantitativa de comportamiento de tiempo similar al humano.
Flujos flexibles para el diseño de secuencias biológicas
Se propone un método basado en Matching de Flujo Discreto (DFM) para el diseño de secuencias biológicas, abordando la limitación de los enfoques existentes en la generación de secuencias de longitud variable. El método introduce un acoplamiento estructurado para codificar preferencias específicas del dominio y una parametrización de tasa basada en edición para la generación de longitud variable. Además, se presenta un mecanismo de guía sin clasificador para dirigir la generación en el espacio latente continuo.
Cuando la IA clasifica: ¿Qué constituye la administración pública?
Un estudio compara diferentes sistemas de representación académica para identificar la administración pública (PA) y la PA relacionada con IA. El análisis comparativo de Web of Science y OpenAlex revela diferencias significativas en el corpus de investigación y la estructura temática. Los hallazgos indican que la organización algorítmica del conocimiento influye en cómo se clasifican y entienden los límites de la investigación interdisciplinaria. Se concluye que el juicio experto humano sigue siendo crucial para complementar la clasificación asistida por IA.
¿De quién eres? Detección y atribución de agentes web autónomos
Se aborda el desafío de privacidad y seguridad que representa el rastreo indiscriminado de contenido por parte de agentes web de IA. Se demuestra un método de huella digital de múltiples capas basado en características de red y comportamiento de interacción del navegador para distinguir estos agentes de humanos y rastreadores tradicionales. El marco logra una identificación de alta fidelidad, lo que sugiere un enfoque robusto para la protección de contenido y la aplicación de políticas de seguridad web.
Leaderboard Hacking: Las evaluaciones basadas en preferencias son vulnerables a la manipulación
Se descubrió que los rankings basados en preferencias de modelos de lenguaje son vulnerables a manipulaciones por parte de proveedores malintencionados. Las estrategias incluyen la votación estratégica, el *prompting* estratégico y la nominación estratégica para mejorar el rendimiento de un modelo. Estas manipulaciones pueden incrementar el ranking de un modelo hasta 45 posiciones en total.
¿Qué edificios están listos para la Inteligencia Artificial? Un marco de evaluación basado en la medición para la respuesta a preguntas y actuación de IA
Se propone un marco para cuantificar la preparación de los edificios para sistemas de inteligencia artificial agentica, midiendo la capacidad de respuesta a preguntas y la capacidad de actuación. El estudio evalúa la precisión de un agente de IA en edificios simulados y reales para determinar qué tan cerca están estos sistemas de ser listos para la IA. El marco busca convertir la pregunta de si un edificio está listo para la IA en una cuestión auditable y clasificada.
Instant NuRec: Reconstrucción Gaussiana 3D Feed-Forward para Simulación de Escenas de Conducción
Se presenta Instant NuRec, un modelo de reconstrucción neuronal feed-forward que transforma un registro de conducción multi-vista en un mundo 3D Gaussian Splatting (3DGS) simulable en una sola pasada. Este modelo procesa datos de múltiples cámaras para generar capas 3D y correcciones, logrando una reconstrucción rápida y alta calidad en el conjunto de datos Waymo Open Dataset. El trabajo busca mejorar la simulación para la conducción autónoma mediante la reducción de costos y el aumento de la seguridad.
Fast-dLLM++: Decodificación de Perfil Fréchet para una Inferencia de LLM más rápida
Se presenta Fast-dLLM++, una extensión sin entrenamiento para la decodificación de modelos de lenguaje grandes de difusión, que introduce la decodificación de perfil Fréchet. Esta técnica selecciona conjuntos de tokens paralelos basados en el perfil de confianza completo, lo que resulta en ganancias empíricas de hasta un 37% en el rendimiento a través de una precisión comparable. El método mantiene la implementación existente del modelo y la caché, sirviendo como un reemplazo directo para la decodificación Fast-dLLM actual.
Prompts de seguridad y privacidad en el mundo real: Qué preguntan los usuarios a los LLM y cómo responden los LLM
Un estudio analizó las preguntas de seguridad y privacidad (S&P) que los usuarios hacen a los Modelos de Lenguaje Grandes (LLM) utilizando un conjunto de datos de 3.2 millones de conversaciones. Se categorizaron 14,727 indicaciones y se evaluó la calidad de las respuestas de los LLM comerciales frente a los modelos de código abierto. Se encontró que los LLM comerciales superan a los modelos de código abierto, aunque los modelos comerciales pueden generar respuestas inconsistentes.
No se identificaron personas.
Modelos de lenguaje con estado aumentado recursivo: Adaptación persistente del estado latente de modelos de lenguaje preentrenados
Se presenta un marco llamado Modelos de Lenguaje con Estado Aumentado Recursivo (Recursive SALM) que permite que un estado latente persista y evolucione con cada observación para adaptar modelos de lenguaje preentrenados. Los experimentos demuestran que esta adaptación latente persistente puede soportar la inferencia secuencial incluso cuando la evidencia anterior no está disponible en el contexto del decodificador. Se compara el rendimiento con modelos basados en contexto completo, mostrando una mejora en tareas de inferencia.
BatchBench: Medición de la robustez de la IA ante efectos de lote y cambio de dominio en imágenes biomédicas
Se presenta BatchBench, un leaderboard diseñado para evaluar la robustez de los sistemas de inteligencia artificial en imágenes biomédicas frente a efectos de lote y cambios de dominio. La herramienta utiliza el conjunto de datos JUMP-CP, conocido por sus efectos de lote y cambios de dominio, como campo de prueba. El objetivo es medir el progreso en la robustez de los sistemas de IA ante variaciones en las condiciones de adquisición de imágenes.
Efectos secundarios no deseados del entrenamiento de valores en LLMs
Se investiga cómo la alineación de valores en los LLMs afecta sus capacidades y comportamientos. El estudio encontró que el entrenamiento específico de valores produce efectos secundarios no deseados en valores no entrenados, preferencias de riesgo y rasgos de seguridad. Se sugiere incorporar evaluaciones de comportamiento más amplias en la alineación de valores posterior al entrenamiento.
Estudios sobre la recuperación de lenguaje de señas en configuraciones de diccionario de bajo recurso
Se investiga la eficacia de un codificador de pose entrenado en un lenguaje de señas para recuperar signos en lenguajes de señas con recursos limitados. El estudio evalúa diferentes configuraciones de entrenamiento y métricas para mejorar la recuperación de signos en diversos lenguajes de señas. Se encontraron mejoras significativas al ajustar el objetivo de entrenamiento y la atención entre partes del cuerpo y las manos.
Desafíos y oportunidades en los sistemas humano-agente
El artículo explora cómo los sistemas de IA agenticos realizan tareas extendidas en nombre de las personas, haciendo crucial la interacción humano-agente. Se detallan los desafíos de comprender perspectivas humanas y coordinar capacidades para lograr interacciones efectivas en entornos sociotécnicos. Se proponen mecanismos como la Teoría de la Mente y la planificación inversa para gestionar la incertidumbre en la interacción.
MLIRBench: Benchmark y conjunto de datos para el razonamiento de LLMs sobre programas MLIR
Se presenta MLIRBench, un benchmark diseñado para evaluar la capacidad de los modelos de lenguaje grandes (LLMs) para razonar sobre programas MLIR. El benchmark utiliza un *pipeline* de multi-agente para generar y validar mutaciones de programas, utilizando un conjunto de datos de 1,768 pares validados. Los resultados indican que, aunque la clasificación semántica es fuerte, existe una brecha en la predicción precisa del comportamiento de ejecución detallado por parte de los LLMs.
Pechos pequeños, decisiones fuertes: Un estudio controlado de modelos de decisión tipada
Un estudio de TypeSafe en septiembre de 2026 compara modelos de decisión tipada como Jev, Nimble y Clef. Los experimentos demuestran que la complejidad de la cabeza no afecta la precisión, pero el tamaño del esqueleto es más importante. Se recomienda enfocar el esfuerzo en el esqueleto y mantener la cabeza mínima para optimizar la eficiencia.
Perderse en la delegación: Estudiando la efectividad de la orquestación de tareas en la búsqueda generativa
Se investiga la efectividad de la delegación de tareas en sistemas de IA generativa, analizando cómo la delegación a herramientas externas afecta el rendimiento. Los resultados indican que la delegación no siempre mejora la precisión y puede degradarla si el LLM orquestador no tiene acceso al conocimiento necesario. Se identifican fallos recurrentes como consultas delegadas distorsionadas y uso ineficiente de herramientas.
Hacia un Razonamiento Visión-Lenguaje Robusto: Una Tubería de Optimización Multi-etapa con Modelo de Difusión Enmascarada
Se propone una tubería de optimización multi-etapa para arquitecturas de modelos visión-lenguaje, enfocada en mejorar su rendimiento para la conducción autónoma. Esto incluye optimizar la representación de entradas de planificación para reducir alucinaciones y aplicar filtrado de diversidad en el aprendizaje por refuerzo. Se presenta un método de decodificación adaptativo para ajustar los modos de decodificación según la complejidad de la escena, mejorando el rendimiento del modelo en un 29.7%.
La abstracción de consultas gobierna la recuperación léxica y densa de poesía árabe clásica
Se evalúa cómo la memoria del usuario influye en la recuperación de poesía árabe clásica mediante la abstracción de consultas. Se compara el rendimiento de diferentes codificadores densos y BM25 en la recuperación de texto. Se demuestra que la composición de la consulta afecta significativamente el ranking de los resultados de búsqueda.
Cuantificación de ratios de transferencia de comportamiento subliminal en destilación de modelos de lenguaje
Se cuantifican los ratios de transferencia de comportamiento subliminal en la destilación de modelos de lenguaje. El estudio compara dos modelos maestros (Llama-2-7B-Chat y Qwen2.5-7B-Instruct) al destilar modelos estudiantes con datos benignos. Se encontró que la transferencia es robusta, aunque Llama-2 muestra un umbral agudo mientras que Qwen2.5 presenta niveles de transferencia más altos.