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 «Liu Li-hung»
Más recientes primero · Hasta 30 noticias por página
DeCO: Composición de Evidencia Discriminatoria para Destilación de Conjuntos de Datos de Granularidad Fina
Se propone el método Discriminative Evidence Composition (DeCO) para la destilación de conjuntos de datos de granularidad fina, buscando preservar la evidencia localizada en lugar de solo estadísticas globales. DeCO utiliza atención para identificar parches informativos y organiza regiones por clase para crear imágenes compactas. Los experimentos demuestran que DeCO supera a los métodos existentes en diversas tareas de clasificación visual.
Hacia una VQA oftalmológica interpretable clínicamente mediante evidencia de lesiones espacialmente fundamentada
Se presenta FundusGround, un nuevo punto de referencia para VQA oftalmológica que incorpora evidencia de lesiones espacialmente fundamentada. El trabajo propone un *pipeline* de tres etapas para recolectar imágenes y lesiones anotadas, utilizando la rejilla ETDRS para mapear lesiones a regiones retinianas. Los experimentos demuestran que la inclusión de evidencia visual a nivel de lesión mejora el rendimiento y la transparencia de los modelos de visión-lenguaje para VQA oftalmológica.
Más allá de la llamada de herramientas torpe: Cómo la indicación y la detección marcan la diferencia
Se presenta ToolPulse, un middleware que facilita el uso autónomo de herramientas en agentes basados en LLM mediante indicación y detección. Esta herramienta rastrea el estado de ejecución y los patrones de interacción para ofrecer asistencia proactiva, como recordatorios o consejos contextuales. Los resultados demuestran que la asistencia en tiempo de ejecución es beneficiosa para mejorar la autonomía de los agentes en el uso de herramientas.
Recomendación legible y direccionable a través de intereses naturales del lenguaje
Se presenta CLEAR, un sistema de recomendación construido con una capa de interés de lenguaje natural editable, implementado en Meta. Este sistema hace que un subconjunto de intereses inferidos sea legible y utiliza eventos históricos del usuario para fundamentar las recomendaciones. Los componentes de CLEAR han operado en producción por más de un año en Instagram y Facebook.
- Qi Guo
- Reza Mirghaderi
- Iordanis Fostiropoulos
- David Fan
- Yuchen Liu
- Shiliang Tang
- Lukasz Korycki
- Golnaz Ghasemiesfeh
- Xinzhu Bei
- Sasha Vorontsov
- Hanchao Yu
- Brendan Quinlivan
- Khoi Pham
- Jigar Gada
- Hao Yu
- Felix Li
- Hang Gao
- Boyu Fang
- Yang Gao
- Yale Thomas
- Xiaomeng Jin
- Avishek Dutta
- Hong Hong
- Janet Xia
- Ethan Zhu
- Ellie Pan
- Xiang Shen
- Jawwad Zakaria
- Jinfeng Lin
- Jonathan Rush
- Ruixue Lian
- Noah Kennedy
- Brian Vanover
- Jas Pyneni
- Daniel Thiyagu
- Apoorv Saxena
- Sanyogeeta Lawande
- Huayu Ding
- Hima Cherukuru
- Yang Liu
- Chen Kovacs
- Qunshu Zhang
- Lizhu Zhang
- Benyu Zhang
- Kate Chen
- Ashish Singal
- Danny Kanoff
- Zhiyu Liu
- Jiayi Liu
- Jianyu Wang
- Fei Liu
- Xiangjun Fan
- Abhishek Kumar
- Hong Yan
Cuando la intención de edición se divide: Un ataque de jailbreak cruzado de modalidad para modelos de edición de imágenes grandes
Se formaliza una vulnerabilidad de seguridad en modelos de edición de imágenes grandes donde la intención dañina se distribuye entre entradas textuales y visuales. Se propone el Ataque de Jailbreak de Intención Dividida (SIJA) para explotar esta falla, demostrando que la intención insegura puede ser recuperada a pesar de las salvaguardas existentes. Se sugiere una defensa mediante la reconstrucción de la intención de edición para evaluar el contexto multimodal completo.
VAMR: Razonamiento Multi-Pregunta Agéntico para una Comprensión Eficiente de Video de Formato Largo
Se presenta VAMR, un agente diseñado para el razonamiento multi-pregunta en comprensión de video de formato largo, que coordina todas las preguntas a través de una trayectoria de uso de herramientas compartida. Este enfoque busca mejorar la adquisición conjunta de evidencia y la construcción de una comprensión compartida. VAMR logró la mayor precisión y el menor número de rondas de razonamiento en las evaluaciones LVBench, superando a VideoARM.
EvoKnow: Evolución continua del conocimiento para la detección de imágenes generadas por IA
Se presenta EvoKnow, un marco libre de repeticiones para la detección continua de imágenes generadas por IA, abordando el desafío de la adaptación a nuevos modelos generativos. El método preserva una base forense y añade expertos residuales para evidencia relevante, logrando una adaptación continua a largo plazo con alta precisión. Los experimentos demuestran un rendimiento de vanguardia en el aprendizaje continuo.
El "Benchleaking" se acelera: La contaminación de los benchmarks empeora drásticamente en el último mes
La contaminación de los benchmarks se ha intensificado recientemente, afectando tanto al post-entrenamiento como al pre-entrenamiento de los modelos. Se ha detectado que los ejemplos de prueba de los benchmarks están filtrándose en los datos de entrenamiento, lo que afecta la capacidad real de los modelos. Se recomienda establecer informes de descontaminación y puntuaciones ajustadas para mitigar este problema.
Evidencia condicionada de finalización y síntesis de registros de salud electrónicos
Se presenta EHRDiB, un marco que unifica la finalización y síntesis de registros de salud electrónicos (EHR) al distinguir la omisión original de entradas retenidas. El estudio compara este método con otros enfoques en bases de datos MIMIC-IV y Duke Health, evaluando la utilidad predictiva y el riesgo de divulgación. EHRDiB mostró mejoras significativas en la utilidad predictiva y reducciones en los vacíos de AUPRC en las tareas de síntesis.
FundingClaw: Sistema de agentes de redacción de propuestas de subvenciones automatizadas
Se presenta FundingClaw, un marco multiagente diseñado para automatizar la redacción de propuestas de subvenciones, superando el cuello de botella manual y la inconsistencia de formatos entre diferentes agencias de financiación. El sistema utiliza un analizador de plantillas para seleccionar habilidades de escritura específicas y una estrategia de plano-esqueleto para generar propuestas conformes. El sistema fue evaluado y demostró un rendimiento superior al de la línea base en la redacción de propuestas de financiación.
SmartThinker: Aprendizaje de razonamiento de alta densidad mediante asignación de tokens a nivel de paso
Se aborda la ineficiencia y redundancia en los procesos de razonamiento de modelos de razonamiento grandes (LRMs) al escalar la inferencia. Se propone SmartThinker, un marco que optimiza la asignación de tokens a nivel de paso para preservar pasos críticos y comprimir desviaciones de bajo valor. El método utiliza la Optimización de Política de Control de Longitud a Nivel de Paso (SCPO) para proporcionar retroalimentación sin etiqueta.
¿Exploran los LLMs multiagente entre sí?
Se investiga si los agentes de modelos de lenguaje grande (LLM) pueden explorar eficazmente al interactuar entre sí en sistemas multiagente. Se demuestra que los agentes actuales a menudo fallan en esta exploración, mostrando patrones de interacción que resultan subóptimos. Se propone un marco llamado MACE para promover la exploración mediante la selección estructurada de pares, mejorando el rendimiento de la tarea.
No se identificaron personas.
Modelos Fundacionales Tabulares como Emuladores para la Predicción de Dinámicas del Ecosistema Terrestre
Se compara el modelo TabPFN-3.5 con dos modelos base de DeepED ($DeepED_{LSTM}$ y $DeepED_{Transformer}$) para predecir dinámicas del ecosistema terrestre. El estudio evalúa el rendimiento de estos modelos en la predicción del estado de los ecosistemas bajo diferentes escenarios de forzamiento climático (SSP1-2.6 y SSP5-8.5) para el periodo 2021-2060. Se concluye que TabPFN-3.5 es el modelo más preciso para ciertas métricas bajo el escenario SSP5-8.5.
Codificación de esqueleto a imagen: Habilitando el aprendizaje de representación de esqueletos mediante modelos preentrenados con visión
Se presenta la Codificación de Esqueleto a Imagen (S2I), una representación que convierte secuencias de esqueletos en datos similares a imágenes. Este método permite utilizar modelos de visión preentrenados para el aprendizaje de representación de esqueletos auto-supervisado, abordando la dificultad de manejar la heterogeneidad de los datos de esqueletos. Los experimentos demuestran la efectividad y generalización del método en diferentes configuraciones de evaluación.
MAPS: Un marco agente multimodal para la producción de datos de puntos de interés basados en imágenes de calle
Se presenta MAPS, un marco para la producción de datos de puntos de interés (POI) utilizando imágenes de calle crowdsourced. Este marco integra extracción estructurada de POI con mantenimiento de bases de datos, mejorando la eficiencia y reduciendo el tiempo de procesamiento en un 76.9% comparado con la anotación manual. Los resultados demuestran la efectividad y valor práctico de MAPS para el mantenimiento escalable de POI.
CrypTorch: Compilador autoajustable basado en PyTorch para inferencia de Machine Learning privada
Se presenta CrypTorch, un compilador multi-etapa para ML basado en MPC que incluye una etapa de autoajuste para seleccionar automáticamente aproximaciones que maximizan el rendimiento y cumplen con restricciones de calidad. El estudio demuestra que el autoajustador mejora el rendimiento en múltiples *backends* MPC significativamente sin degradar la precisión. Además, el diseño unificado mejora la usabilidad y permite compartir funcionalidades entre diferentes *backends*.
Distilación On-Policy Relay: Trayectoria Relacionada con la Política
Se presenta la Distilación On-Policy Relay (Relay-OPD) para abordar el fallo de prefijo en la destilación on-policy (OPD). Este método introduce un mecanismo donde el maestro interviene brevemente en puntos clave para redirigir la trayectoria, permitiendo al estudiante continuar optimizando la generación. Los resultados demuestran que Relay-OPD supera a OPD estándar y FastOPD en benchmarks de razonamiento matemático.
Agentes de Memoria Recurrente Multi-Cabeza
Se presenta el marco Multi-Head Recurrent Memory (MHM) para extender los LLMs a contextos de memoria arbitrariamente largos, abordando el problema de la retención de memoria que afecta a los agentes de memoria recurrentes. Se propone MHM-LRU, una implementación que mejora significativamente la retención de memoria en benchmarks de contexto largo, logrando una tasa de retención del 73.96% en RULER-HQA a 896K tokens. Esto sugiere que la optimización arquitectónica es una vía práctica para lograr memoria recurrente fiable en contextos extensos.
Memoria de auto-mejora permite la auto-mejora recursiva continua
Se propone la Memoria de Mejora (SIM) para el optimizador de arneses, que agrupa ediciones por problemas recurrentes y registra su justificación y resultados. Los experimentos demuestran que SIM logra puntuaciones finales superiores a las de métodos anteriores en comparaciones cruzadas. Esto mejora las puntuaciones finales en un promedio de 2.36 puntos sobre la continuación solo con arnés.
ToolGraph como Q-Function para el escalado en tiempo de prueba del uso de herramientas
Se presenta ToolGraph, un grafo de dependencia dirigido y ponderado sobre un catálogo de herramientas, diseñado para modelar la cadena de llamadas interdependientes de los agentes de uso de herramientas. El estudio compara diferentes estimadores de valor para determinar si esta estructura puede proporcionar un valor multi-paso al componer caminos de grafos. Se demuestra que un estimador basado en LLM mejora significativamente el rendimiento en comparación con métodos puramente estructurales.
ReMoVe: Refinando el movimiento de un modelo de video para la generación de video humano coherente
ReMoVe es un método que refina el movimiento generado por modelos de video para mejorar la coherencia humana. El sistema recupera y refina el movimiento subyacente, renderiza la malla 3D y transfiere la apariencia facial para mejorar la precisión y la consistencia de la identidad. Además, condiciona la generación con malla y profundidad para lograr coherencia espaciotemporal y trayectorias de cámara controlables.
¿Necesita la destilación on-policy completar cada despliegue?
Se presenta la Destilación On-Policy Truncada Estocástica (STOPD) para acelerar la destilación on-policy (OPD) al truncar aleatoriamente los despliegues del estudiante y corregir el sesgo de muestreo con ponderación de probabilidad inversa por bloques (IPW). Este método reduce los tokens generados entre un 25 y 48% manteniendo una precisión comparable a la OPD Vanilla, logrando aceleraciones de entrenamiento de 1.3 a 2.2 veces.
Predictivo pero no planificable: RC-aux para modelos de mundo latente
Se presenta el objetivo auxiliar de corrección de alcanzabilidad (RC-aux) para modelos de mundo latente, diseñado para corregir la discrepancia entre la predicción a corto plazo y la planificación a largo plazo. Este método añade supervisión alineada con la planificación a lo largo de los ejes temporal y espacial para mejorar la capacidad de los modelos de mundo latente para realizar búsquedas efectivas. Los resultados indican que la planificación con estos modelos depende de la estructura temporal y geométrica correcta codificada en la representación latente.
Película con ventas cercanas a 9.000 mil millones de yuanes fracasa en Estados Unidos
La película Equipo de Baloncesto Femenino Shaolin tuvo un éxito comercial en China, alcanzando ventas de más de 2.3 mil millones de RMB, pero enfrentó críticas negativas en el mercado norteamericano. Aunque el éxito de taquilla en China es notable, la recepción en Norteamérica fue fría, sugiriendo que el atractivo de la marca no es universal.
Película que hizo llorar a Trần Anh Hùng durante 15 minutos y hizo un juramento
El director Trần Anh Hùng reveló que la película Rosetta lo conmovió tanto que juró no volver a verla, aunque luego tuvo que volver a verla al enseñar cine. La obra, estrenada en 1999, fue galardonada con el Cobre en Cannes. Ahora, Rosetta será una de las cinco películas clásicas seleccionadas por Trần Anh Hùng para la Semana del Cine Europeo 2026 en Vietnam.
Trump iniciará el viaje a Asia con conversaciones del Quad en Manila antes de la visita de China
El presidente Donald Trump viaja a Filipinas como parte de un viaje a Asia, incluyendo reuniones del grupo Quad, en un contexto de tensiones comerciales entre EE. UU. y China. Se espera que su visita se vea afectada por posibles protestas en Manila. El viaje incluye encuentros con líderes de varios países y discusiones sobre seguridad y comercio en la región.
Iniciativas de salud mental en Cornell ofrecen apoyo a estudiantes durante el invierno
Durante el evento anual Light Up the Season en Cornell, se ofrecieron recursos de salud mental para estudiantes, incluyendo actividades de atención plena y tablones informativos. Organizaciones estudiantiles como Cornell Minds Matter y Empathy, Assistance and Referral Services promovieron la concienciación sobre el bienestar emocional. Se destacó la importancia de estos recursos ante la presión académica y se señaló el aumento en la demanda de servicios de salud mental por parte de los estudiantes.
Alquilar a través de un agente: eres más de lo doble de probable reportar reparaciones lentas y aumentos de alquiler injustificados
Una investigación comparó las experiencias de inquilinos que alquilan directamente de un propietario frente a aquellos que utilizan agentes inmobiliarios en Australia. Los resultados indican que los inquilinos que trabajan con agentes son significativamente más propensos a reportar problemas como aumentos de alquiler injustificados y retrasos en las reparaciones. Se concluye que la gestión profesional no garantiza una mejor experiencia para los inquilinos y se sugiere mejorar la capacitación de los agentes inmobiliarios.
No se identificaron personas.
Social Status y Jordan Brand rediseñan el Air Jordan 1 Low OG con tela Sashiko
Social Status y Jordan Brand se asocian para lanzar una colaboración del Air Jordan 1 Low OG "Sashiko". Este nuevo modelo presenta detalles desgastados y acabados textiles, incluyendo paneles mid-lateral y medial en tela Sashiko azul. El calzado se espera para su lanzamiento en diciembre de 2026 y contará con un empaque personalizado.
No se identificaron personas.
Trump iniciará el viaje a Asia con conversaciones del Quad en Manila antes de la visita de China
Donald Trump llega a Filipinas para unirse a la cumbre del Quad, buscando fortalecer la cooperación en la región de Indo-Pacífico. El viaje incluye reuniones con líderes de países como Japón, China y Rusia, y se produce en un contexto de tensiones comerciales y disputas geopolíticas. Se espera que haya protestas en Manila, mientras que se discuten temas como seguridad marítima y tecnología.