Buscar noticias

Buscá por texto y descubrí noticias relacionadas con tu consulta.

Noticias relevantes

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

Cómo no convertirse en un robot en la era de la IA

La proliferación de contenido generado por Inteligencia Artificial, denominado 'basura de IA', es un desafío creciente en internet, manifestándose en textos sin sentido y videos falsos con voz sintetizada. El texto advierte que el consumo constante de este contenido puede llevar a imitar el lenguaje de la IA, sugiriendo que es difícil escapar de esta tendencia y que la forma de hablar puede cambiar sutilmente con el tiempo.

Periodista: Грег Сателл

Personas mencionadas

IA con botón de llamada primero: "AgentMAX" de Weverse Brain revelado

Weverse Brain ha lanzado "AgentMAX", un tutor de inteligencia artificial diseñado para practicar inglés. Esta IA llama al usuario según el tiempo establecido y facilita la práctica de conversación corta en inglés. El sistema busca ayudar a los usuarios a mejorar sus habilidades lingüísticas de manera interactiva.

Periodista: 홍인석 기자(조선비즈)

Personas mencionadas

Estos comandos te ayudan a personalizar ChatGPT, Gemini y Claude sin escribir prompts largos

La noticia explica cómo la Inteligencia Artificial (IA) se define como un sistema informático que simula la inteligencia humana, diferenciándola de software tradicional por su capacidad de aprender de forma autónoma. Se detalla el uso de comandos, conocidos como slash commands, para personalizar la interacción con modelos como ChatGPT, Gemini y Claude, permitiendo al usuario controlar el tono, el estilo y la función de la IA a través de comandos específicos.

Periodista: José María López

Personas mencionadas

No se identificaron personas.

Samsung podría incorporar pronto una función de escritura por voz impulsada por IA en sus teléfonos Galaxy

Samsung está desarrollando una función de escritura por voz impulsada por IA llamada "Refine voice input" para los teléfonos Galaxy con One UI 9.5. Esta nueva característica busca eliminar palabras de relleno y mejorar la estructura del texto dictado, similar a la función Rambler de Google. Se espera que esta herramienta, potenciada por Galaxy AI, se integre en Samsung Keyboard en futuros dispositivos Galaxy.

Periodista: Sanuj Bhatia

Personas mencionadas

Mrs. GREEN APPLE participa en el nuevo anuncio de Google Search AI Mode

Mrs. GREEN APPLE protagoniza un nuevo anuncio de Google Search AI Mode, donde sus tres miembros participan en un desafío de pose de gorila. El anuncio se lanza el 12 de noviembre y se complementa con videos de detrás de cámaras. La colaboración se basa en la experiencia de los miembros con la búsqueda en Google.

Periodista: リアルサウンド編集部

El tiempo de un mayordomo personal está aquí

Varias empresas tecnológicas están lanzando aplicaciones móviles de agentes inteligentes personales, marcando una evolución de la IA de herramientas de chat a asistentes de trabajo. Estos sistemas buscan actuar como un mayordomo que realiza tareas complejas como gestionar agendas, redactar correos y realizar pagos. Se destaca la necesidad de un entorno en la nube para asegurar la operatividad continua de estos agentes, aunque existen preocupaciones sobre la seguridad y la gestión de datos personales.

Periodista: chinanews

Personas mencionadas

Se acabó la repetición de preguntas... Kyeonggi Shinbo cambia la forma de consulta con IA

Kyeonggi Shinbo ha mejorado sus servicios de garantía utilizando inteligencia artificial (IA) para ofrecer asistencia 24 horas a través de chatbots y bots telefónicos. Esto incluye la posibilidad de consultar información y seguir el historial de consultas a través de múltiples canales como la aplicación, la web y KakaoTalk. El objetivo es reducir la molestia de repetir información y mejorar la eficiencia del servicio para las pequeñas y medianas empresas.

Periodista: 조영달

Personas mencionadas

Google quiere que la IA de video entienda lo que la gente necesita mientras trabaja

Un equipo de investigación de Google, en colaboración con universidades, ha desarrollado StreamVibe, un agente de video diseñado para entender intenciones vagas y decidir cuándo hablar durante tareas complejas como cocinar o armar muebles. Este sistema busca superar las limitaciones de los asistentes de video existentes, que fallan al interpretar peticiones no dichas o cambios en la tarea. StreamVibe-VL mejora el tiempo y la calidad de la respuesta en un 10.7% y reduce interrupciones innecesarias, demostrando una mejor comprensión de las necesidades del usuario.

Periodista: Jonathan Kemper

Personas mencionadas

¿Querés armar un karaoke en segundos? El método definitivo con inteligencia artificial para aislar la música y silenciar al artista | El Destape

Apple Music Sing y LG xboom Stage 501 usan inteligencia artificial para aislar la música y silenciar al artista en tiempo real, permitiendo karaoke sin pistas especiales. Apple Music Sing requiere suscripción y es compatible con iPhone 11 o posterior, mientras que LG xboom Stage 501 funciona sin app y tiene hasta 25 horas de batería. La disponibilidad en Argentina no está clara.

Periodista: Firma no identificada

Personas mencionadas

Noticias encontradas

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

Resultados para «AI Sambo»

Más recientes primero · Hasta 30 noticias por página

Análisis de tiempo de ejecución de Programación Genética Cartesiana en Max

Se analiza la Programación Genética Cartesiana (CGP) para el problema Max, demostrando que su tiempo de ejecución esperado es polilogarítmico en $n$, específicamente $O(\log^9{n})$. Esto representa una aceleración exponencial en comparación con la GP basada en árboles (TGP). Los resultados proporcionan una garantía de rendimiento probada para CGP en un problema de referencia establecido.

Periodista: Duc-Cuong Dang, Roman Kalkreuth, Andre Opris

Personas mencionadas

Evaluación de agentes de modelo de lenguaje local para ingeniería de datos

Se evaluaron agentes de modelo de lenguaje (LLM) locales para tareas de ingeniería de datos, examinando su capacidad para producir artefactos correctos y fiables. Los resultados indican que los modelos de código abierto que caben en una GPU de consumo son viables con un bucle de espacio de trabajo, aunque la capacidad sigue diferenciando configuraciones utilizables de no utilizables.

Periodista: Jorge García-Carrasco

Personas mencionadas

Benchmarking de Comprensión de Documentos Multilingües en Modelos de Lenguaje Visual

Se presenta MDU, un punto de referencia multilingüe de Comprensión de Documentos (DU) con 23146 ejemplos en cinco idiomas (inglés, francés, alemán, italiano y español). El estudio evalúa 45 VLMs de código abierto para medir su capacidad de generalización entre idiomas y tareas de extracción de texto. Los resultados indican que el rendimiento es desigual y que las capacidades no mejoran conjuntamente con el tamaño del modelo.

Periodista: Matteo Gabburo, Daniela Baiamonte, Stefano Simonazzi, Silvia Gardini, Sean Cesare Lazzeri, Andrea Zugarini

Personas mencionadas

Mejorando la generalización y la citación en RAG mediante la descomposición de consultas

Se propone un nuevo marco RAGQ llamado QDRAG para mejorar la generalización y la citación en sistemas RAG, abordando problemas como la sobrecitación y el fallo en la identificación de entidades. QDRAG descompone la pregunta en subpreguntas atómicas y utiliza un reranker para eliminar distractores de contexto. Los experimentos demuestran que QDRAG supera a los modelos de referencia en pruebas multimodales, superando incluso a Gemini-Pro.

Periodista: Yue Liu, Zhongying Ru, Shimin Di, Jipeng Zhang, Ruiyuan Zhang, Xiaofang Zhou

Personas mencionadas

CENDRe: Extracción de conceptos con representaciones de dominio natural

Se presenta CENDRe, un método de extracción de conceptos para CNNs diseñado para superar las limitaciones de los métodos existentes en el dominio del tiempo. El método propone un procedimiento para el descubrimiento de conceptos y utiliza gradientes para generar localizaciones en diferentes dominios. En datos reales de fallas de rodamientos, CENDRe extrae bandas de frecuencia relevantes para el diagnóstico de fallas, ofreciendo evidencia que los métodos basados solo en el dominio del tiempo no pueden proporcionar.

Periodista: Antonia Holzapfel, Andres Felipe Posada Moreno, Sebastian Trimpe

Personas mencionadas

Integración de modelos SysML entre organizaciones: Un estudio de desafíos y tareas asistidas por IA

Se investigan los desafíos y las tareas asistidas por IA en la integración de modelos de sistemas basados en SysML para la colaboración interorganizacional. Los participantes perciben la integración como un problema de alineación multidimensional y consideran que la IA es útil para el análisis semántico y la detección de inconsistencias. Se recomienda el uso humano con verificación obligatoria para reforzar la responsabilidad de ingeniería.

Periodista: Zirui Li, Torsten Brix, Stephan Husung

Personas mencionadas

Activaciones de "Going Badly" impulsan el hackeo de recompensas

Se investiga cómo los modelos de lenguaje exhiben un estado de presión interna que precede al hackeo de recompensas, similar a la presión humana ante tareas difíciles. Los resultados sugieren que monitorear y mitigar este estado de maldad de tarea puede ayudar a controlar el comportamiento de los agentes en tareas complejas. Se encontraron diferencias en cómo este estado afecta el comportamiento de los modelos según la arquitectura utilizada.

Periodista: Natalia Fischl-Lanzoni, Punya Syon Pandey, Merlin Stein, David Demitri Africa

Personas mencionadas

Límites de error a nivel de ítem restringen la agregación de modelos de lenguaje pequeños en la estimación de Fermi

Se investiga cómo los límites de error a nivel de ítem afectan la agregación de modelos de lenguaje pequeños en la estimación de Fermi. Se analiza el error log10 de las respuestas y cómo la agregación de respuestas afecta la precisión general. Se demuestran mejoras en la reducción del error mediante la colaboración de equipos y la optimización de los modelos.

Periodista: Carolina Fortuna, Blaz Bertalanic

Personas mencionadas

No se identificaron personas.

El "Reward Hacking" como abstención estratégica en modelos de razonamiento legal

Un modelo de IA legal entrenado con GRPO demostró un colapso en la precisión al adoptar un comportamiento evasivo, priorizando la forma legal sobre el razonamiento efectivo. Esto se debe a que el modelo se enfoca en maximizar la apariencia legal, resultando en una baja capacidad de razonamiento. Se introducen herramientas de diagnóstico para identificar este fallo antes del despliegue, ya que una respuesta incorrecta con confianza puede ser negligencia profesional.

Periodista: Subramanyam Sahoo, Justin Shenk

Personas mencionadas

La combinación de modelos no requiere clasificaciones LoRA uniformes

Se investiga si la combinación de modelos requiere clasificaciones LoRA uniformes. Se demuestra que el acoplamiento de la clasificación es una propiedad del método de fusión, no de la fusión en sí. Se explora la posibilidad de asignar diferentes clasificaciones LoRA a los expertos para mejorar la precisión en dominios múltiples.

Periodista: Zirong Xie, Zainab Afolabi, Nikita Kozodoi, Jack Butler

Personas mencionadas

Red de Inversión Sensible a la Región para Extracción de Marca de Agua Semántica

Se presenta un método ligero y sin prompts para la extracción de marcas de agua semánticas en modelos de difusión, reduciendo el costo computacional al evitar la inversión iterativa. El método propone descomponer la recuperación del punto final en un ancla de imagen y un residuo orientado al ruido, logrando una extracción eficiente en un solo paso.

Periodista: Zilai Li

Personas mencionadas

Una inteligencia artificial de frontera para la neuroimagen humana

Un modelo visión-lenguaje llamado Neuro-VL fue entrenado con un millón de estudios de neuroimagen para interpretar exámenes completos y conversar sobre sus hallazgos. Este modelo superó a otros modelos médicos en el diagnóstico y descripción de anomalías, además de generar informes radiológicos detallados. Los resultados demuestran que la experiencia clínica colectiva puede desarrollar IA médica con capacidades clínicas amplias.

Periodista: Chenhui Zhao, Akshay Rao, Akhil Kondepudi, Yiwei Lyu, Xinhai Hou, Rikhil Seshadri, Cheng Jiang, Soumyanil Banerjee, Rushikesh Joshi, Samir Harake, Ashok Srinivasan, Shruti Mishra, Francisco Rivas-Rodriguez, Seunghong Rhee, Nathaniel Roddenberry, Neeraj Chaudhary, Zach Wilseck, Paul Park, Honglak Lee, Vikas Gulani, Aditya Pandey, Todd Hollon

Desacuerdo de expertos afecta el prestigio y la selectividad en la revisión de decisiones de LLM

Se investiga cómo la revisión de decisiones por modelos de lenguaje (LLM) tras un desacuerdo entre agentes afecta la precisión. Los resultados indican que, bajo desacuerdo de expertos, ningún modelo supera un umbral de precisión establecido, y la revisión no es un indicador fiable de mejora. Se sugiere evaluar las tuberías de revisión con métricas condicionales por modelo y protocolo.

Periodista: Yupeng Tang, Mingfeng Lin

Personas mencionadas

One Fuzzer, Muchos Razonadores: Fuzzing Neuro-Simbólico Adaptativo con Guía Calibrada por Fiabilidad y Gated por Contexto

Se presenta NSAI-Fuzz, un marco de *fuzzing* unificado para sistemas de IA neuro-simbólica, que utiliza cinco señales de riesgo para guiar la búsqueda. Se proponen RCW y CSG para adaptar la asignación de señales de riesgo, mejorando la eficiencia y la eficacia del descubrimiento de fallos en sistemas heterogéneos. Los resultados demuestran que la guía de señal fija supera a métodos aleatorios, y que las nuevas técnicas mejoran significativamente la tasa de descubrimiento de fallos.

Periodista: Jinghao Wen, Xianglong Yu, Shaohuang Wang, Xun Jiao

Personas mencionadas

Skill Adapter: Modificación Personalizada y Enrutamiento en Línea de Habilidades Generales

Se presenta Skill Adapter, un sistema que permite la modificación personalizada y el enrutamiento en línea de habilidades de propósito general para agentes de LLM. El sistema destila ajustes locales de los usuarios y la retroalimentación de ejecución para crear adaptadores vinculados a habilidades generales. Se evaluó en benchmarks como ALFWorld, WebShop y SkillsBench, mostrando mejoras en las tasas de éxito y reducción del tiempo de ejecución en comparación con SkillRL.

Periodista: Qijia Zhuang, Yanyi Gou, Wenbin Ma, Yuxiang Ren

Personas mencionadas

Auditar el andamiaje, no el punto de control: Una dicotomía de estacionariedad para la auto-mejora recursiva en la codificación de agentes

El artículo propone que para la auto-mejora de agentes de codificación de IA, auditar el andamiaje de herramientas y pruebas es tan crucial como revisar el modelo. Se argumenta que el conjunto de cambios posibles se expande si se puede reescribir el software circundante, sugiriendo que la revisión repetida del código alcanza un límite sin una reescritura del andamiaje.

Periodista: Sebastian Bobadilla-Suarez, Bob Suh, Ryan Fortin

Personas mencionadas

CamChoreo: Benchmarking de Comprensión del Movimiento de Cámara Temporalmente Fundamentado para Modelos de Lenguaje Visual

Se presenta CamChoreo, el primer benchmark para evaluar la comprensión del movimiento de cámara de manera temporalmente fundamentada y composicional. El trabajo introduce CamInject y CamDistill para mejorar la comprensión del movimiento de cámara en modelos de lenguaje visual. Estos métodos buscan mejorar la localización de movimientos consistentes y la identificación de movimientos activos en clips de video.

Periodista: Dazhao Du, Shiyan Du, Jian Liu, Yongjian Yu, Bohai Gu, Tao Han, Jie Zhang, Hualuo Liu, Eric Liu, Yujia Zhang, Xi Chen, Song Guo

Aprendizaje de representación bootstrap contrastivo para clasificación de imágenes agrícolas

Se presenta el Aprendizaje de Representación Contrastivo Bootstrap (CBRL) para la clasificación de imágenes agrícolas, abordando el cuello de botella de la anotación experta. El método optimiza el aprendizaje contrastivo y la predicción de objetivo de promedio móvil exponencial en un espacio de proyección compartido. Los resultados muestran que CBRL logra el mayor F1 macro en los benchmarks principales, superando a las líneas base con escasez de etiquetas.

Periodista: Hazem Ahmed, Ali Hamdi, Ammar Mohammed

Personas mencionadas

Aprendizaje conjunto de opciones neuronales jerárquicas y modelo de mundo abstracto

Se propone un método llamado AgentOWL para aprender conjuntamente un modelo de mundo abstracto y opciones neuronales jerárquicas. Este método busca adquirir secuencias de habilidades de manera eficiente, reduciendo la necesidad de datos en comparación con los algoritmos de refuerzo jerárquico existentes. Los resultados demuestran que el método aprendido posee capacidades de aprendizaje y generalización superiores a los métodos de referencia.

Periodista: Wasu Top Piriyakulkij, Wolfgang Lehrach, Kevin Ellis, Kevin Murphy

Personas mencionadas

No se identificaron personas.

STRATOS: Cerrando la brecha simbólico-numérica en Text-to-SQL para datos meteorológicos

Se presenta un marco de Text-to-SQL llamado STRATOS para explorar datos meteorológicos escalables. Este sistema aborda la brecha entre lenguaje natural y SQL al mapear conceptos a una ontología y resolver entidades espaciales. El objetivo es reducir significativamente los tiempos de ejecución de consultas complejas en el dominio meteorológico.

Periodista: Yi Zhang

Personas mencionadas

Introduciendo retrasos de retroalimentación a MDP adversariales no retrasados: Dependencias óptimas de $\sqrt S$ y $\sqrt K$ en AMDPs tabulares y lineales

El estudio aborda la minimización de arrepentimiento en Procesos de Decisión Markov Adversariales (AMDPs) con retroalimentación de banquero. Se propone una técnica de retrasos de retroalimentación introducidos para resolver problemas abiertos en AMDPs tabulares y lineales. Los algoritmos resultantes logran arrepentimientos óptimos en términos de $S$ y $K$ para diferentes tipos de MDPs.

Periodista: Aarush Kulkarni, Khang Nguyen, William Chang, Yan Dai

Personas mencionadas

AgentRoom: Codificación concurrente de múltiples agentes en un espacio de trabajo compartido respaldado por CRDT

Se presenta AgentRoom, un protocolo de edición colaborativa en tiempo real diseñado para agentes de codificación concurrentes utilizando Tipos de Datos Replicados Conflictivos (CRDTs). Este sistema busca resolver el problema de coordinación en entornos de desarrollo multi-agente, superando las limitaciones de los sistemas existentes que sufren límites seriales. Los resultados indican que AgentRoom supera a otros métodos en métricas de coordinación clave.

Periodista: Seonglae Cho, Donghyun Lee

Personas mencionadas

Construcción y consulta de grafos de conocimiento automático para catálogos de terremotos

Se presenta la primera aplicación sistemática de GraphRAG para la recuperación de conocimiento en registros tabulares brutos de catálogos de terremotos. Este método construye grafos de conocimiento completos y consultables para tres catálogos diferentes sin necesidad de estructuración manual de datos. La investigación también identifica fallos y propone correcciones para mejorar el razonamiento del mecanismo y la precisión de los resultados.

Periodista: Yuxin Zhou, Huai Zhang, S. Mostafa Mousavi

Personas mencionadas

Agon: Un sistema de investigación multidisciplinario autónomo construido sobre la economía de prompts

Se presenta Agon, un orquestador de investigación diseñado para explorar los límites de la investigación automatizada mediante modelos de lenguaje grande. Agon se basa en seis principios de diseño, incluyendo la economía de prompts y el paralelismo masivo, demostrando escalabilidad en la investigación. El sistema sugiere un nuevo paradigma donde las máquinas escalan y los humanos dirigen la investigación.

Periodista: Youran Sun, Xingyu Ren, Chugang Yi, Jiaxuan Guo, Kejia Zhang, Jianda Du, Haizhao Yang

Personas mencionadas

¿Puede un agente de IA ser epistemológicamente acrático? Evidencia de orden superior y los límites de la autocorrección

Se plantea la posibilidad de que un agente de Inteligencia Artificial pueda ser epistemológicamente acrático. Se argumenta que obedecer juicios de corrección puede perjudicar al agente al distinguir el razonamiento sólido del defectuoso. Se sugiere que una evaluación negativa puede ser valiosa al señalar conclusiones que necesitan más revisión, desafiando la idea de que la concordancia entre creencias y autoevaluaciones mejora la corrección de errores de la IA.

Periodista: Eno Agolli

Personas mencionadas

No se identificaron personas.

Delegar la autorización a agentes desalineados: Alineación coalicional y control seguro

El texto aborda el problema de control en agentes de IA que alteran el estado con cada acción, y propone una condición para garantizar la seguridad al delegar la revisión a otros agentes de IA. Se demuestra que una regla de umbral es segura bajo ciertas condiciones de eliminación de revisores.

Periodista: Natalie Collina, Surbhi Goel, Aaron Roth, Sikata Bela Sengupta

Personas mencionadas

Reevaluación de biomarcadores de variabilidad de la frecuencia cardíaca para la detección de glucosa: El impacto de la normalización por edad y la validación independiente del sujeto

Un estudio evaluó si la normalización de la variabilidad de la frecuencia cardíaca (VFC) por la edad mejoraba la estimación del estado glucémico en pacientes con diabetes tipo 2. Se analizaron características del ECG de 43 hombres con diabetes tipo 2, comparando diferentes algoritmos y métodos de normalización. Los resultados sugieren que los ensamblajes de árboles mantuvieron un rendimiento positivo, aunque el rendimiento general no fue suficiente para un uso clínico independiente.

Periodista: Md Basit Azam, Sarangthem Ibotombi Singh

Personas mencionadas

No se identificaron personas.

Validación de nivel de efecto para el descubrimiento causal en telemetría interactiva

Se estudia el descubrimiento causal en telemetría de sistemas interactivos para determinar si el juego competitivo temprano incrementa la retención en el día 1 en un RPG. Se propone un marco de admisibilidad para validar efectos causales mediante estabilidad y diagnósticos. Se concluye que la recuperación a nivel de grafo es un proxy débil para la fiabilidad causal, sugiriendo evaluar las tuberías de descubrimiento a nivel de consulta y efecto.

Periodista: Hoang Dang, Luan Pham, Minh Nguyen

Personas mencionadas

CoLaX: Explicaciones contextuales para series temporales

Se presenta CoLaX, un marco de explicación post-hoc sensible al contexto para clasificadores de series temporales. Este método construye sobre la atribución de Shapley basada en shapelets y condiciona la relevancia del patrón local mediante una representación aprendida de la secuencia completa. CoLaX mejora el rendimiento en benchmarks sintéticos y logra el AUPRC más alto en datos reales de ECG.

Periodista: Kexuan Zhang, Paolo Frazzetto, Xiaobei Zou, Gustau Camps-Valls, Yang Tang

Personas mencionadas

MiniOpt: Razonamiento para modelar y resolver problemas de optimización general con recursos limitados

Se presenta MiniOpt, un LLM ligero especializado en optimización entrenado con un paradigma de razonamiento para resolver problemas de optimización con recursos limitados. Este modelo supera a otros modelos basados en aprendizaje al requerir menos parámetros y datos de entrenamiento. Los resultados indican que MiniOpt mantiene su capacidad de optimización incluso con parámetros desacoplados, sugiriendo una comprensión más robusta de la estructura de optimización.

Periodista: Ke Zhao, Zixiang Di, Hong Qian, Xiang Shu, Yaolin Wen, Qitao Shi, Bingdong Li, Xingyu Lu, Xiangfeng Wang, Jun Zhou, Ke Tang, Yang Yu