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.

Periodista: Chuixuan Fan, Guang Li, Shijie Wang, Dongzhan Zhou, Baoli Sun, Takahiro Ogawa, Miki Haseyama, Zhihui Wang

Personas mencionadas

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.

Periodista: Xingyue Wang, Bo Liu, Meng Wang, Zhixuan Zhang, Chengcheng Zhu, Huazhu Fu, Jiang Liu

Personas mencionadas

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.

Periodista: Xindi Yang, Yan Liu, Jiajun Sun

Personas mencionadas

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.

Periodista: 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.

Periodista: Xianmin Ye, Zhiyuan Fan, Tianju Liu, Yuhang Wang, Zhenxing Niu, Haichang Gao

Personas mencionadas

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.

Periodista: Runquan Gui, Hanzhu Chen, Zehao Wang, Hanxin Zhu, Xin Li, Zhibo Chen

Personas mencionadas

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.

Periodista: Zhiheng Peng, Wenwei Jin, Yangshi Ge, Siyu Xia, Jiawei Li, Xu Tang

Personas mencionadas

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.

Periodista: Yiwei Qin, Muhang Xie, Xuefeng Li, Mohan Jiang, Dayuan Fu, Tiantian Mi, Qipeng Guo, Pengfei Liu

Personas mencionadas

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.

Periodista: Sicheng Shu, Parker Knight, Huitao Li, Yuan Luo, Yifan Peng, Shawn N. Murphy, Rui Yang, Chuan Hong

Personas mencionadas

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.

Periodista: Ruizhi Liu, Siru Ge, Siran Wang, Qianli Ma, Zhipeng Zhang

Personas mencionadas

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.

Periodista: Xingyang He, Xiao Ling, Jie Liu

Personas mencionadas

¿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.

Periodista: Hyeong Kyu Choi, Jiatong Li, Wendi Li, Xin Eric Wang, Sharon Li

Personas mencionadas

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.

Periodista: Zhihao Wang, Ruohan Li, Lei Ma, George Hurtt, Xiaowei Jia, Yiqun Xie

Personas mencionadas

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.

Periodista: Siyuan Yang, Jun Liu, Hao Cheng, Chong Wang, Shijian Lu, Hedvig Kjellstrom, Weisi Lin, Alex C. Kot

Personas mencionadas

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.

Periodista: Sijie Ruan, Tingyu Xie, Mingfei Liu, Yicheng Tang, Haoyu Han, Jingnan Qi, Jingshu Zeng, Dongqi Xu, Jing Wang, Shuliang Wang

Personas mencionadas

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*.

Periodista: Jinyu Liu, Gang Tan, Kiwan Maeng

Personas mencionadas

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.

Periodista: Haolei Xu, Xiaowen Xu, Haiwen Hong, Zixuan Ni, Hongxing Li, Yiwen Qiu, Weiming Lu, Yongliang Shen

Personas mencionadas

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.

Periodista: Jiatong Li, Samuel Yeh, Sharon Li

Personas mencionadas

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.

Periodista: Xin Yu, Fei Xia, Jiaqi Pan, Youbao Tang, Chengzhi Liu, Adams Yu, Sicong Jiang, Yanfei Chen, Lingzhou Xue, Ting Yu

Personas mencionadas

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.

Periodista: Ke Shen, Ankita Bhaumik, Li Dong, Shengjie Liu, Shuzhen Li, Naveed Ahmed Janvekar

Personas mencionadas

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.

Periodista: Jie Li, Muxin Pu, Hongyi Cai, Mingkang Dong, Jianyuan Guo, Tao Huang

Personas mencionadas

¿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.

Periodista: Zhengxin Zhang, Maosen Tang, Ning Wang, Changhao Li, Jingren Zhou, Bo Dai, Sainyam Galhotra, Alex Townsend, Claire Cardie

Personas mencionadas

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.

Periodista: Wenyuan Li, Guang Li, Keisuke Maeda, Takahiro Ogawa, Miki Haseyama

Personas mencionadas

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.

Periodista: Ngọc Hân

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.

Periodista: Thủy Tiên - CTV

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.

Periodista: Reuters

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.

Periodista: Rafaela Gandolfo Bustamante

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.

Periodista: Amy Clair, Emma Baker, Sha Liu

Personas mencionadas

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.

Periodista: Joyce Li

Personas mencionadas

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.

Periodista: KAREN LEMA, MIKHAIL FLORES, Reuters