Buscar noticias

Buscá por texto y descubrí noticias relacionadas con tu consulta.

Noticias relevantes

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

Un billón de parámetros y gratis para descargar: Mistral Large 4, la IA europea que rechaza el 96,6 % de las peticiones de ciberataque y aun así preocupa

Mistral AI presentó Mistral Large 4, un modelo de IA con un billón de parámetros que demuestra una alta resistencia a ataques cibernéticos, rechazando el 96,6% de las peticiones maliciosas. El modelo es accesible para descarga y su API tiene un costo de 0,70 dólares por millón de tokens de entrada.

Periodista: Adrián Villellas

Personas mencionadas

Mistral AI Publicly Releases Large 4, Targets Cybersecurity Users

Mistral AI ha lanzado públicamente su modelo Large 4, diseñado específicamente para ayudar a las organizaciones a identificar y solucionar vulnerabilidades de ciberseguridad. A diferencia de otros modelos como Gemini, este modelo puede descargarse y ejecutarse de forma independiente por cualquier persona, permitiendo a las organizaciones usarlo en sus propios sistemas y reducir la dependencia de proveedores externos. La compañía afirmó que esta versión es una mejora de la presentada previamente tras pruebas con gobiernos y usuarios corporativos, posicionándolo como su modelo más capaz disponible públicamente en el ámbito de la ciberseguridad.

Periodista: Reuters

Personas mencionadas

Mistral abre sede en Asia Pacífico en Singapur para construir IA soberana

Mistral AI ha abierto una sede regional en Singapur para convertirse en un centro de investigación de IA, enfocándose en desarrollar modelos personalizados para servicios públicos, robótica y manufactura. La empresa busca dar a gobiernos y empresas de la región mayor control sobre los sistemas de IA mediante modelos de código abierto. Este movimiento refuerza la estrategia de Mistral de promover la soberanía de la IA en Asia Pacífico.

Periodista: Ana-Maria Stanciuc

Personas mencionadas

Mistral avanza con sede completa en APAC en Singapur tras OpenAI y Anthropic

Mistral ha establecido su sede completa en la región APAC en Singapur, siguiendo a OpenAI y Anthropic. Además, se reporta que Xamun Technologies ltd ha asegurado $50 millones en financiación de capital de riesgo, impulsando avances en inteligencia artificial.

Periodista: Sainul

Personas mencionadas

No se identificaron personas.

Control de exportación amenaza: ¿IA como arma de guerra? Mistral AI advierte

El jefe de Mistral AI advirtió que la IA podría ser clasificada como arma de guerra, lo que implicaría controles de exportación sobre modelos de IA de EE. UU. y China. Se enfatiza la necesidad de que Europa desarrolle modelos propios de IA para asegurar independencia tecnológica y evitar la dependencia de proveedores extranjeros. Se sugiere aprovechar los datos industriales para crear modelos de IA confiables y seguros.

Periodista: Firma no identificada

Orange Cyberdefense se une al programa de socios de diseño de Mistral para Large 4

Orange Cyberdefense se ha unido al programa de socios de diseño de Mistral para Large 4, convirtiéndose en el primer proveedor de servicios de seguridad gestionada europea en participar. La firma francesa utilizará el modelo de IA de Mistral para probar sistemas de clientes, buscar vulnerabilidades y acelerar la respuesta a ciberataques mediante auditorías técnicas y pruebas de penetración. El objetivo es ayudar al personal de seguridad a comprender incidentes y responder más rápido, fortaleciendo la ciberseguridad aumentada por IA.

Periodista: Ana Maria Constantin

Personas mencionadas

Deutsche Telekom invierte 100 millones de euros en la empresa francesa Mistral

Deutsche Telekom ha invertido 100 millones de euros en la ronda de financiación serie D de la empresa francesa de inteligencia artificial Mistral. Esta inversión busca integrar la infraestructura de telecomunicaciones alemana con los modelos de IA de Mistral para aplicar soluciones con control de datos propios en el sector alemán. La inversión es vista como un paso estratégico para desarrollar la IA europea en la industria alemana.

Periodista: Политика онлајн

Personas mencionadas

Macron apuesta por Mistral para competir con EEUU y China en IA

El presidente francés Emmanuel Macron defendió reforzar las inversiones europeas en inteligencia artificial (IA) para competir con Estados Unidos y China, destacando el papel de la empresa Mistral. Propuso movilizar 50.000 millones de euros en cinco años y alcanzar un gigavatio de capacidad de cálculo para asegurar la soberanía tecnológica europea. Además, anunció una reunión de responsables políticos en París para impulsar esta estrategia y defendió la regulación de la IA para proteger a los menores.

Periodista: EFE

Personas mencionadas

Anthropic revela 'Claude Mistos 5.2' y 'Claude fable 5.2' antes de su OPI, superando a OpenAI

Anthropic ha presentado sus modelos de inteligencia artificial más recientes, Claude Mistos 5.2 y Claude fable 5.2, en vísperas de su Oferta Pública Inicial (IPO). Este lanzamiento busca posicionar a la compañía por encima de competidores como OpenAI y Google en la carrera por el desarrollo de modelos de IA. Los nuevos modelos muestran mejoras en velocidad de generación de respuestas respecto a versiones anteriores.

Periodista: 이호준 기자(조선비즈)

Personas mencionadas

No se identificaron personas.

PEARL: Estimación de percentiles imparciales mediante aprendizaje contrastivo para recomendación en streaming a escala industrial

Se presenta PEARL, un marco de aproximación de percentiles contrastivos no paramétrico diseñado para mitigar el sesgo de intensidad de comportamiento en sistemas de recomendación. El método busca modelar las señales de preferencia relativas en lugar de magnitudes absolutas de interacción. Los experimentos demuestran que PEARL mejora el rendimiento de recomendación en una plataforma de *livestream* de producción, logrando ganancias en duración de visualización y tasa de interacción.

Periodista: Blake Gella, Wei Wu, Yuhao Yin, Zexi Huang, Zikai Wang, Emily Liu, Junlin Zhang, Wentao Guo, Qinglei Wang

Personas mencionadas

Noticias encontradas

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

Resultados para «Mistral AI»

Más recientes primero · Hasta 30 noticias por página

TinyMyo: un Modelo de Fundación Tiny para el Procesamiento de Señales EMG Flexible en el Borde

Se presenta TinyMyo, un codificador Transformer de 3.6 millones de parámetros preentrenado para el procesamiento de señales EMG. Este modelo demuestra capacidad para soportar múltiples tareas y ejecutarse en un microcontrolador de baja potencia. Los resultados indican un rendimiento superior en clasificación de gestos manuales y una eficiencia energética notable en dispositivos de bajo consumo.

Periodista: Matteo Fasulo, Giusy Spacone, Thorir Mar Ingolfsson, Yawei Li, Luca Benini, Andrea Cossettini

Personas mencionadas

No se identificaron personas.

Extracción estructurada de datos de difracción de marcos orgánicos covalentes

Se presenta un *pipeline* que utiliza un modelo de lenguaje grande (LLM) y visión por computadora clásica (CV) para interpretar y refinar figuras de difracción de rayos X de polvo (PXRD) de marcos orgánicos covalentes (COF). Este método automatizado procesó 3,954 artículos y generó 11,445 curvas de difracción calibradas para la base de datos COF-PEAK. La extracción de datos digitalizados permite rastrear cambios en la prominencia de los picos relacionados con las condiciones de síntesis.

Periodista: Shenghan Gao, Zhiling Zheng

Personas mencionadas

Aprendizaje por refuerzo con recompensas basadas en referencia para el razonamiento y alineación de modelos de lenguaje

Se propone RL2R, un método de aprendizaje por refuerzo con recompensas basadas en referencia, como alternativa eficiente para el razonamiento y la alineación de modelos de lenguaje grande (LLM). Este método utiliza métricas como BERTScore para medir la similitud semántica con respuestas de referencia, permitiendo recompensar derivaciones sólidas incluso si la conclusión final es errónea. RL2R busca ofrecer una fuente de recompensa versátil y de bajo costo para mejorar tanto la capacidad de razonamiento como el comportamiento alineado de los modelos.

Periodista: Shuai Zhao, Yunqiu Xu, Linchao Zhu, Ling Chen, Yi Yang

Personas mencionadas

Marco de capacidad para evaluar plataformas de IA agentica en empresas reguladas

Se presenta un marco de capacidad para evaluar plataformas de IA agentica en entornos empresariales regulados, evaluando diferentes plataformas y sistemas. Se realizó un programa de evaluación industrial para medir la capacidad de estas plataformas en cargas de trabajo financieras. Se propone un protocolo de evaluación con cuatro capas para transformar la evaluación de plataformas empresariales de un juicio a una medición.

Periodista: Abbas Raza Ali, Muhammad Ajmal Siddiqui, Moona Zahid

Personas mencionadas

Aprendizaje por refuerzo auto-recompensado para mejores explicaciones médicas en modelos de lenguaje pequeños

Se investiga si un paso de aprendizaje por refuerzo (RL) ligero puede mejorar la estructura de las explicaciones médicas generadas por modelos de lenguaje pequeños (SLMs) mediante la adaptación de Proximal Policy Optimization (PPO) con LoRA. El entrenamiento con una recompensa auto-supervisada buscó obtener explicaciones más largas y mejor organizadas, manteniendo el razonamiento médico subyacente. Los resultados indican un aumento estable en la recompensa promedio al aplicar el método.

Periodista: Prakhar Mishra, Bhavya Yajush Awasthi, Tanuja, Nishant

Personas mencionadas

Interacciones Humano-IA y trampas sociales

Se analiza cómo la interacción entre usuarios y la inteligencia artificial generativa puede generar desafíos sociales, como la homogeneización del contenido y la propagación de sesgos. Se propone una solución para reducir las fricciones en la interacción humano-IA, permitiendo a los usuarios compartir información flexiblemente para obtener resultados personalizados sin perder productividad.

Periodista: Jian Gao

Personas mencionadas

Jugador: Aprendizaje por refuerzo multiagente basado en CTDE para la co-optimización del movimiento de UAV y enrutamiento oportunista descentralizado en redes con tolerancia a la demora

Se presenta el marco JUDOR, un enfoque de aprendizaje por refuerzo multiagente basado en entrenamiento centralizado con ejecución descentralizada (CTDE) diseñado para optimizar conjuntamente el control de guiñada discreto de UAVs y el enrutamiento oportunista descentralizado en redes con tolerancia a la demora. El trabajo demuestra ganancias de rendimiento consistentes sobre métodos previos, manteniendo la ejecución descentralizada adecuada para implementaciones prácticas de redes DTN.

Periodista: Xiao Wang, Shun-Ren Yang

Personas mencionadas

TOMAS: Modelado de Operación Sensible a la Topología y Etapas Adaptativas para la Predicción de Mano Egocéntrica

Se presenta TOMAS, un marco para la predicción de movimientos de mano egocéntricos mediante modelado sensible a la topología y etapas adaptativas. El método desarrolla un mecanismo de razonamiento que vincula la estructura esquelética de la mano con la semántica del objeto para inferir operaciones de manipulación. Los resultados experimentales demuestran que TOMAS alcanza un rendimiento de vanguardia en la predicción de movimientos de mano multi-dimensional y multi-objetivo.

Periodista: Guanzhong Sun, Junyi Ma, Yuxuan Wu, Erhang Zhang, Chenyang Xu, Yanzi Miao, Hesheng Wang

Personas mencionadas

MANGO-Grasp: Campos de Mahalanobis sobre Gaussianos 3D orientados a la geometría para agarre diestro-embebido

Se presenta MANGO-Grasp, un marco de interacción anisotrópico que utiliza primitivas gaussianas 3D orientadas a la geometría para mejorar la representación de objetos y descriptores preentrenados para manos. Este método modela la interacción mano-objeto mediante campos de Mahalanobis anisotrópicos para guiar la realización del agarre en diferentes *embodiments*. MANGO-Grasp supera a la mejor línea base en simulaciones y logra un 86% de éxito en experimentos del mundo real.

Periodista: Heng Zhang, Kevin Yuchen Ma, Mike Zheng Shou, Weisi Lin, Yan Wu

Personas mencionadas

¿Los agentes de LLM saben cuándo no actuar?

Se presenta un marco de evaluación sistemático para medir la capacidad de agentes basados en LLM para reconocer cuándo deben abstenerse de actuar. El estudio aborda el riesgo de que los agentes ejecuten acciones irreversibles bajo ambigüedad o fallos de herramientas. Se propone un conjunto de tareas emparejadas y un pipeline automatizado para evaluar esta capacidad, demostrando que la habilidad de abstención es independiente de la capacidad general de resolución de tareas.

Periodista: Xun Liu, Yi Evie Zhang, Vira Kasprova, Parisa Rabbani, Pardis Sadat Zahraei, Tianyu Zhang, Ali Ebrahimpour-Boroojeny, Varun Chandrasekaran

Personas mencionadas

TabBench-Bio: Un punto de referencia vivo para el aprendizaje automático en tablas biomédicas de alta dimensión

Se presenta TabBench-Bio, un *benchmark* interactivo y vivo de 43 conjuntos de datos biomédicos que evalúa estimadores y modelos fundacionales tabulares. El estudio compara diferentes técnicas de aprendizaje automático en tablas biomédicas de alta dimensión. Los resultados indican que los modelos fundacionales tabulares lideran, aunque la configuración óptima depende de la modalidad biomédica y el punto de operación.

Periodista: Jules Kreuer, Sofiane Ouaari, Julia Hellmig, Julius Braitinger, Nico Pfeifer

Personas mencionadas

Replay, No Resamplear: Consolidación Off-Policy de Expertos de RL de Largo Plazo

Se propone el método MRPD para la destilación de política de expertos de aprendizaje por refuerzo (RL), que utiliza registros de entrenamiento previos en el orden de los expertos para consolidar modelos. Este enfoque reduce el costo computacional y mejora el rendimiento del modelo estudiante en dominios de largo horizonte. Se demuestra que el orden de los registros es crucial, sugiriendo que los registros de entrenamiento actúan como un currículo estructurado.

Periodista: Zhenrui Yue, Gongxiaohui Chen, Huimin Zeng, Honglei Zhuang, Jiashuo Sun, Zhen Han, Dong Wang

Personas mencionadas

Autoencoder Esparso Racional

Se presenta el Autoencoder Esparso Racional (RSAE) para mejorar la interpretabilidad mecanicista al reemplazar las activaciones fijas del codificador por una función racional entrenable. Se demuestra que el RSAE ofrece una ventaja de reconstrucción y mejora la fidelidad al mismo nivel de escasez en comparación con métodos existentes como ReLU, JumpReLU y TopK. El modelo se implementa mediante un proceso de inicialización y un ajuste fino para lograr estos resultados.

Periodista: Naiyu Yin, Maosen Tang, Alex Townsend, Yue Yu

Personas mencionadas

Evaluación de calidad de datos de materiales basada en confianza mediante conocimiento del dominio y aprendizaje estructurado en grafos

Se propone un marco de evaluación de calidad de datos de materiales basado en la confianza que combina conocimiento del dominio y aprendizaje estructurado en grafos. Este enfoque aborda problemas como errores de medición y datos duplicados en bases de datos de materiales. Los experimentos demuestran que la calibración de reglas mejora significativamente la calidad de los datos, aumentando el coeficiente de determinación en pruebas específicas.

Periodista: Sihan Liaing, Ji Zhang, Kehan Wang, Zihao Gao, Wei Ma, Yangang Wang, Zongguo Wang

Personas mencionadas

Optimización Bayesiana Multi-Fidelidad Asistida por LLM: Fusionando Conocimiento Experto con Datos Numéricos

Se presenta un método de optimización bayesiana multi-fidelidad (MFBO) asistido por LLM que integra conocimiento experto sobre la física omitida en modelos numéricos. Este enfoque utiliza un LLM para juzgar qué diseño requiere mayor corrección residual, mejorando la eficiencia del proceso. Los resultados demuestran que el conocimiento experto interpretado por LLM puede complementar los datos numéricos para acelerar la búsqueda de diseños.

Periodista: Dongjun Han, Mingyu Lee, Ikjin Lee

Personas mencionadas

Atención 2-simplicial linealizada

Se presenta una forma linealizada de la atención 2-simplicial reescribiendo la puntuación trilineal como un producto interno, reduciendo el costo de cúbico a cuadrático en la longitud de la secuencia. El método permite que ambas claves abarquen todos los tokens anteriores, a diferencia de la atención 2-simplicial con ventana. El modelo implementado mejoró la pérdida de validación y redujo la perplejidad.

Periodista: Aritra Das, Dhruman Gupta, Debayan Gupta

Personas mencionadas

MemeLogos: Razonamiento aumentado por recuperación de conocimiento para la detección de memes dañinos

Se presenta MemeLogos, un marco de razonamiento aumentado por recuperación basado en conocimiento diseñado para la detección de memes dañinos. Este marco abstrae patrones de perjudicialidad y estructuras de razonamiento de casos dañinos en unidades de conocimiento reutilizables. El sistema combina la recuperación de conocimiento estructurada con un proceso de razonamiento multi-etapa para mejorar la fiabilidad y la interpretabilidad de la detección.

Periodista: Hexiang Gu, Saihui Hou, Changlan Liu, Min Ren, Huijia Wu, Hongxun Gu, Zhaofeng He

Personas mencionadas

¿Quién puede auditar el registro escrito por el harness de un agente desplegado?

El texto investiga si es posible auditar el registro de ejecución de un agente cuando el registro fue escrito por el harness que lo impulsa. Se compara la fiabilidad de los registros basados en un solo escritor frente a aquellos con un segundo escritor, utilizando un marco llamado Hearsay para evaluar la evidencia. Se concluye que la existencia de un segundo escritor es lo que hace que un registro sea evidencia, más que la habilidad del lector.

Periodista: Jiahong Dai, Zhuochen Yang, Pengyang Shao, Kelvin Ng, Zhongyi Liu, Chengquan Ju, Yuting He, Bo Hu

Personas mencionadas

No se identificaron personas.

CXReasonAgent: Agente de razonamiento diagnóstico basado en evidencia para radiografías de tórax

Se presenta CXReasonAgent, un agente diagnóstico que combina un modelo de lenguaje grande (LLM) con herramientas de diagnóstico clínicamente fundamentadas para realizar razonamiento basado en evidencia con imágenes. El agente busca superar las limitaciones de los modelos de lenguaje y visión grandes al producir respuestas más fundamentadas en evidencia diagnóstica. Los hallazgos subrayan la necesidad de integrar herramientas de diagnóstico fundamentadas clínicamente para lograr un razonamiento diagnóstico fiable y verificable.

Periodista: Hyungyung Lee, Hangyul Yoon, Edward Choi

Personas mencionadas

HorizonBench: Personalización a largo plazo con preferencias cambiantes

Se presenta HorizonBench, un generador de datos y un conjunto de datos humano para investigar cómo cambian las preferencias de los usuarios a lo largo del tiempo. El proyecto busca evaluar la capacidad de los asistentes personales para adaptarse a los cambios en las preferencias del usuario. Los resultados indican que la capacidad de recordar preferencias pasadas y conocer las preferencias actuales son capacidades separadas.

Periodista: Shuyue Stella Li, Bhargavi Paranjape, Kerem Oktar, Zhongyao Ma, Gelin Zhou, Lin Guan, Na Zhang, Sem Park, Lin Chen, Diyi Yang, Yulia Tsvetkov, Asli Celikyilmaz

CoNav-UAV: Navegación Aérea Dual de Altitud Cooperativa mediante Aprendizaje Stackelberg

Se propone CoNav-UAV, un modelo de juego Stackelberg entre un líder de alta y un seguidor de baja altitud para la navegación aérea cooperativa de UAVs. El sistema utiliza Aprendizaje Iterativo Stackelberg para adaptar la optimización a cada agente, mejorando el rendimiento en escenas urbanas de alta fidelidad. El método demuestra mejoras significativas en la tasa de éxito y la transferencia entre escenas al permitir la adaptación mutua de los agentes.

Periodista: Junru Song, Wenhao Zhang, Yang Yang, Xuekai Qiu, Feifei Wang, Weien Zhou, Tingsong Jiang, Ying Wen, Yang Li, Wen Yao

Personas mencionadas

¿Conocimiento previo o búsqueda? Un estudio de agentes de LLM en la optimización de código consciente del hardware

Se investigan los sistemas de descubrimiento y optimización de LLM que utilizan un bucle de proponer-evaluar-revisar. Los experimentos demuestran que los LLM actúan como optimizadores voraces en la optimización de caja negra y que la optimización de kernels se degrada con el lenguaje de baja densidad. Los resultados sugieren que los LLM en tareas de optimización de código dependen fuertemente de conocimientos previos preentrenados.

Periodista: Dmitry Redko

Personas mencionadas

Auto-mejora recursiva a través de profundidad emergente

Se presenta Meta$^n$, un sistema de LLM auto-mejorante que refina respuestas mediante recursión en su propia entrada. Este sistema mantiene la operación meta fija y permite que cada capa razone desde una perspectiva superior, estableciendo la profundidad por convergencia. Meta$^n$ supera a agentes anteriores en todas las pruebas de referencia, destacando su rendimiento en el caso ARC-AGI-2.

Periodista: Zae Myung Kim, Young-Jun Lee, Seungyeon Jwa, Dongyeop Kang

Personas mencionadas

OpenKAGE: Aprendizaje permanente abierto en el mundo abierto a través de la evolución del grupo de agentes

Se presenta OpenKAGE, un marco de evolución de grupo de agentes diseñado para el aprendizaje permanente abierto. Este sistema permite a los agentes explorar mundos abiertos y adquirir nuevas capacidades reutilizando conocimiento acumulado de interacciones y experiencias de otros. El marco incluye una representación de conocimiento de dos capas y un mecanismo de intercambio que consolida la experiencia textual en un grafo compartido.

Periodista: Wenhao Yuan, Longhui Yuan, Zexi Jia, Ningzhe Shi, Jingwei Li, Shipeng Cen, Pengcheng Luo, Jie Zhou, Jinchao Zhang

Personas mencionadas

Modelado de mundo consciente del riesgo con evolución guiada por flujo para la planificación de trayectoria selectiva en conducción automatizada

Se presenta RiskWorld, un marco de modelado de mundo consciente del riesgo para la planificación de movimiento seguro en conducción automatizada. Este modelo fusiona campos de riesgo espacial y contexto temporal con características visuales para predecir riesgos y reemplazar trayectorias de manera selectiva. El sistema demostró la menor tasa de colisión en un horizonte de 3 segundos, superando a las líneas de base existentes.

Periodista: Rongxiang Zeng, Linsen Cai, Jiafu Zhang, Yijie Zhong, Yide Tao, Shuai Wang, Nan Zheng, Hai L. Vu, Alvaro Garcia Hernandez, Yongqi Dong

Personas mencionadas

Horizontal Flow Matching para Dinámicas Espaciotemporales de Células

Se presenta un modelo llamado HORIZON para aprender las dinámicas espaciotemporales de células a partir de transcriptómica espacial. Este modelo aprende cambios en la organización del tejido y la abundancia celular hasta el movimiento rígido compartido. HORIZON mejora la reconstrucción de la geometría del tejido y la expresión génica en series temporales de transcriptómica espacial.

Periodista: Zihan Wang, Jianzhe Li, Zhenyi Zhang, Peijie Zhou

Personas mencionadas

GA-VINO: Un Operador Neuronal basado en física y consciente de la geometría para placas Mindlin-Reissner

Se propone el GA-VINO, un operador neuronal basado en física y consciente de la geometría para placas Mindlin-Reissner. Este método fusiona información geométrica, de material, de carga y de consulta para predecir deflexión y rotaciones. GA-VINO minimiza una pérdida de física informada variacional, permitiendo procesar nubes de puntos irregulares y mostrando buena generalización entre geometrías.

Periodista: Siqi Wang, Daobo Sun, Yizheng Wang, Yilong Zhang, Yabin Jin, Xiaoying Zhuang, Timon Rabczuk

Personas mencionadas

HydroMind: Un agente verificable para investigación hidrológica autónoma

Investigadores evaluaron la capacidad de los agentes de codificación para generar código para modelos hidrológicos, enfocándose en si los resultados generados son verificables por el usuario. Se compararon tres configuraciones de herramientas (harnesses) para determinar qué tan confiables son las afirmaciones del agente al evaluar modelos. Se encontró que modificar solo el andamiaje mejoró la capacidad de los lectores para verificar las afirmaciones del agente.

Periodista: Zheng Fang, Yiqun Sun, Simin Qu, Shijie Jiang

Personas mencionadas

Extracción de datos de entrenamiento de modelos de lenguaje por relleno

Se investiga la extracción de datos de entrenamiento en modelos de lenguaje de difusión (DLM) mediante un protocolo de extracción por relleno. Se demuestra que la geometría de la máscara afecta la extraibilidad, indicando que las máscaras condicionadas por borde extraen secuencias verbatim tres veces más que las condicionadas por prefijo. Esto sugiere que el acceso bidireccional en DLM abre canales de extracción no accesibles en modelos autoregresivos.

Periodista: Yihan Wang, N. Asokan

Personas mencionadas

Dinámicas de entrenamiento solo con sesgos en redes ReLU

Se estudia la dinámica del entrenamiento en redes ReLU de una sola capa mediante códigos de activación. Se demuestra que los gradientes con respecto a los sesgos dependen de los códigos de activación de la entrada. El entrenamiento se caracteriza como una secuencia de problemas de mínimos cuadrados, y las dinámicas convergen al límite de ancho infinito.

Periodista: Shreyas Chaudhari, Jose M. F. Moura

Personas mencionadas