Buscar noticias
Buscá por texto y descubrí noticias relacionadas con tu consulta.
Noticias relevantes
Hasta 10 noticias relacionadas por su significado, ordenadas por relevancia.
Substrate AI integrará todas sus actividades de IA en el grupo con una operación de 40,5 millones
Substrate AI y su matriz Subgen AI han acordado una reorganización estructural para concentrar todas sus actividades de inteligencia artificial bajo Substrate AI mediante una operación de 40,5 millones de euros. Esta medida busca mejorar la eficiencia operativa y simplificar la estructura societaria del grupo. La operación incluye la adquisición de participaciones de filiales de Subgen AI y la emisión de un bono convertible.
No se identificaron personas.
Substrate AI reunirá todas sus operaciones de IA dentro del grupo en una operación de 40,5 millones
Substrate AI y su matriz Subgen AI han acordado una reestructuración global para consolidar todas las operaciones de inteligencia artificial bajo la estructura de Substrate AI por 40,5 millones de euros. Este movimiento busca potenciar la eficiencia operativa y reforzar a Substrate AI como el vehículo central para el desarrollo y comercialización de soluciones de IA a nivel mundial. Se unifican las operaciones internacionales en Europa y Latinoamérica para responder al crecimiento del mercado de IA corporativa.
No se identificaron personas.
La compañía valenciana Substrate AI es admitida a cotización en el Cboe Europe
La compañía española de inteligencia artificial Substrate AI ha sido admitida a cotización en el Cboe Europa. La empresa tiene como objetivo superar los 100 millones de euros de facturación para 2030, enfocándose en el desarrollo de tecnología propia y la comercialización de tokens. La noticia también detalla la evolución reciente de su capitalización y resultados financieros.
La justicia condena a Substrate AI a pagar a Summon Press los 500.000 euros pendientes por la venta de su negocio digital
La Sección Civil del Tribunal de Instancia de Valencia condenó a Substrate AI a pagar 500.000 euros más intereses a Summon Press por un pago pendiente de una compraventa de negocio digital. La jueza desestimó la reclamación de Substrate, mientras que la demanda de Summon Press fue parcialmente estimada.
La valenciana Substrate AI compra un solar en Talavera de la Reina (Toledo) para un centro de datos
Substrate AI adquirió un solar en Talavera de la Reina, Toledo, por 1,61 millones de euros para desarrollar un centro de datos. Esta compra forma parte de la estrategia de la empresa para desplegar infraestructura tecnológica propia en España y potenciar la IA europea. La puesta en marcha del proyecto depende de obtener permisos y cumplir con hitos técnicos administrativos.
Substrate AI adquiere un solar en Talavera de la Reina por 1,61 millones para un futuro centro de datos
Substrate AI adquirió un solar en Talavera de la Reina por 1,61 millones de euros para desarrollar un futuro centro de datos como parte de su estrategia de infraestructura de IA en España. La compra, formalizada el 13 de noviembre, incluye varias parcelas y el proyecto depende de la obtención de licencias y autorizaciones pendientes. Este paso refuerza la estrategia de la compañía para desplegar infraestructura tecnológica propia y soberana en el país.
Destilación de algoritmos para aprendizaje por refuerzo seguro en contexto
Se presenta el Aprendizaje por Refuerzo Seguro en Contexto (Safe ICRL) y el Algoritmo de Distilación de Algoritmos Seguros (Safe AD). Se revisan dos partes de Safe AD, incluyendo la introducción de presupuestos dinámicos y el ajuste A-Lag para mejorar el rendimiento en entornos de locomoción y navegación. Los experimentos demuestran que A-Lag supera a Safe AD en términos de costo y retorno final en varios entornos.
DeepSeek presenta 'super agente' de IA en la carrera de codificación con OpenAI, Anthropic
DeepSeek ha presentado un 'super agente' de IA diseñado para manejar múltiples tareas con mínima intervención humana, buscando reducir la necesidad de coordinación y supervisión humana en flujos de trabajo complejos. Este desarrollo se posiciona como una respuesta a la creciente automatización de tareas por parte de los modelos de IA, buscando optimizar la gestión de flujos de trabajo mediante la autonomía de los agentes.
Avatares holográficos con IA en el subte porteño: qué son y para qué se utilizarán
La compañía Subterráneos de Buenos Aires (SBASE) lanzó una licitación para implementar avatares holográficos con inteligencia artificial conversacional en el subte porteño. El proyecto busca permitir a los usuarios interactuar con figuras virtuales para realizar consultas y obtener respuestas en tiempo real. Se planea instalar seis dispositivos interactivos en dos estaciones de la línea B.
No se identificaron personas.
Radiografía al ciberdelito: Una de cada cuatro brechas maliciosas utiliza inteligencia artificial en el ataque
El ciberdelito está utilizando la inteligencia artificial, como los deepfakes, para suplantar identidades de ejecutivos y abogados, logrando fraudes multimillonarios. Un informe de IBM indica que una de cada cuatro brechas maliciosas involucra IA, y el fraude por voz es el vector más costoso. Se advierte sobre el riesgo creciente de ataques a fin de año y la necesidad de implementar controles internos estrictos para mitigar riesgos.
Noticias encontradas
Coincidencias por palabras en títulos, resúmenes, temas, personas, lugares o firmas.
Resultados para «Substrate AI»
Más recientes primero · Hasta 30 noticias por página
AutoPBO: Optimización basada en LLM para solucionadores de búsqueda local PBO
Se presenta AutoPBO, un marco basado en LLM diseñado para mejorar automáticamente los solucionadores de búsqueda local de Optimización Pseudo-Booleana (PBO). El estudio evalúa este marco contra seis solucionadores de última generación en diversos benchmarks. Los resultados indican que AutoPBO ofrece mejoras significativas sobre los métodos previos, manteniendo un rendimiento competitivo.
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.
Exploración del Espacio de Activación para el Razonamiento Visual y Textual con RLVR
Se presenta el método de Exploración del Espacio de Activación (ASE) para diversificar las simulaciones de entrenamiento en el aprendizaje por refuerzo con recompensas verificables (RLVR). Este método agrupa diferencias de activación para construir vectores de exploración latente que permiten explorar caminos de razonamiento alternativos. ASE mejoró la precisión en varios benchmarks de razonamiento visual y matemático en modelos Qwen3.
Evaluación y mitigación del sesgo del color de la piel en la clasificación de lesiones cutáneas
Se propone un método para mitigar el sesgo del color de la piel en clasificadores de lesiones cutáneas al tratar el tono de la piel como un atributo continuo. El estudio demuestra que este enfoque ofrece mejoras de equidad más estables que los métodos categóricos tradicionales, manteniendo el rendimiento de clasificación.
CodeReel acelera agentes de código a video con reutilización exacta de fotogramas y programación consciente de bloqueos
Se presenta CodeReel, una capa de ejecución para agentes de código que optimiza la creación de videos mediante la reutilización exacta de fotogramas y una programación consciente de bloqueos. Esta técnica reduce significativamente el tiempo de espera del agente en comparación con pipelines anteriores, mejorando la eficiencia del proceso de generación de video.
Marco de bucle cerrado para el descubrimiento de aditivos precursores de perovskita
Se presenta LEAP, un marco de bucle cerrado que utiliza un modelo de lenguaje grande y aprendizaje activo para descubrir aditivos precursores de perovskita. Este sistema busca mejorar el rendimiento de las células solares al priorizar compuestos con base en el conocimiento de la literatura científica. Los resultados preliminares indican que esta metodología puede apoyar el descubrimiento de aditivos para células solares de perovskita.
¿Los agentes de LLM aún necesitan ser instruidos sobre cómo mejorarse a sí mismos?
Se investiga si los agentes de LLM, al ser capaces, necesitan instrucciones explícitas para su auto-mejora. El estudio analiza un paradigma autónomo donde los agentes construyen sus propios algoritmos de aprendizaje para la optimización basada en el contexto. Se demuestra que modelos suficientemente capaces se mejoran a sí mismos bajo ciertas condiciones, alineándose con marcos cognitivos de aprendizaje autorregulado.
AEGIS: Modelo climático diferenciable de Marte con cierres neuronales
Se presenta AEGIS, un modelo climático de Marte diferenciable que acopla la física atmosférica con el núcleo dinámico del Dinosaurio y permite interfaces para cierres neuronales. El modelo reproduce el ciclo estacional de CO2 y la estructura de temperatura superficial, validando su eficiencia computacional frente a GCMs convencionales. Esto busca mejorar la simulación de la atmósfera marciana para operaciones críticas como el aterrizaje.
Adaptando modelos de vehículos generalistas para MPC de alta velocidad en terrenos
Se presenta OptCar, una arquitectura FKD basada en transformadores diseñada para mejorar la especialización de modelos de vehículos generalistas para control predictivo de modelo (MPC) en terrenos de alta velocidad. El modelo busca preservar la generalización entre terrenos mientras optimiza el rendimiento para vehículos específicos mediante el uso de datos reales limitados y simulaciones sintéticas. Los experimentos mostraron ganancias significativas en la reducción del error de seguimiento de trayectoria en condiciones de deslizamiento.
EmbeWebAgent: Incrustación de agentes web en interfaces de usuario empresariales personalizadas
Se presenta EmbeWebAgent, un framework diseñado para incrustar agentes directamente en interfaces de usuario (UI) empresariales existentes. Este framework utiliza ganchos ligeros de frontend y un flujo de trabajo de backend para permitir el razonamiento y la ejecución de acciones. El sistema es agnóstico al stack y soporta acciones de diferentes granularidades para orquestar la navegación y manipulación de la interfaz.
Mundos recursivos persistentes permiten la evolución autónoma del software
Se presenta EvoX Genesis, un sistema que organiza el desarrollo de software como un mundo recursivo persistente. Este sistema permite a los agentes delegar trabajo y gestionar cambios para su verificación y revisión, preservando el trabajo anterior como base para el desarrollo futuro. Se examinan la continuidad del desarrollo a través de estudios sobre formación, continuación y reevolución en diferentes implementaciones.
La fragilidad de la atribución de importancia para el recorte de modelos de lenguaje
Se investiga la fragilidad de medir la importancia del razonamiento en modelos de lenguaje, encontrando que la medición es frágil debido a problemas como la saturación de la puntuación de tokens de respuesta y la no localizabilidad de la importancia causal. Se concluye que la importancia reproducible solo aparece en grupos grandes de neuronas, sugiriendo que se deben usar reglas de medición específicas para la poda.
Skypart: Localización Geoespacial Robusta a Través de Descubrimiento Semántico Basado en Prototipos
Se presenta SKYPART, un método ligero para transformadores de visión basados en parches, diseñado para la localización geoespacial cruzada (CVGL) de drones cuando el GNSS falla. Este método aborda limitaciones previas al agrupar parches en partes y utiliza técnicas de aprendizaje multi-objetivo para obtener embeddings de recuperación sin depender de la altitud en la inferencia. SKYPART alcanzó resultados de vanguardia en múltiples benchmarks de localización.
Dinámicas de margen para la alineación de Modelos de Lenguaje Grande
Se presenta una base teórica sobre los métodos de alineación de Modelos de Lenguaje Grande (LLM), analizando cómo los márgenes DPO y IPO evolucionan. La investigación demuestra que los márgenes DPO crecen logarítmicamente y los márgenes IPO convergen a un valor finito. También se valida que una configuración teórica específica es competitiva con las mejores líneas de base en términos de rendimiento.
CADMAGEDDON: Reconstrucción de CAD de alta fidelidad con inferencia local
Se presenta CADMAGEDDON, un agente de código abierto que reconstruye modelos CAD editables a partir de mallas y puede ejecutarse localmente en sistemas con GPU única. El método utiliza el modelo Qwen3.8-27B para mejorar la calidad de reconstrucción en comparación con enfoques previos. Este agente se integra con FreeCAD para facilitar el flujo de trabajo de los profesionales de CAD.
PPO equilibrado por resultado y rectificación de flujo inducida por política para políticas VLA basadas en flujo
Se presenta un marco de aprendizaje por refuerzo que combina PPO equilibrada por resultado con rectificación de flujo inducida por política para políticas VLA. Este enfoque busca mejorar el rendimiento en tareas simuladas al reponderar ventajas y ajustar la representación utilizada en la optimización estocástica. El marco propuesto mejora las tasas de éxito en los *benchmarks* evaluados en comparación con las líneas de base.
La división entre lenguaje y energía: Midiendo los costos energéticos de la inferencia de LLM multilingües
Un estudio sistemático analizó el consumo de energía de inferencia de modelos de lenguaje grandes (LLM) en diferentes idiomas. Se encontraron disparidades significativas en el consumo energético por token y en el consumo total entre idiomas, atribuidas a la complejidad de los scripts y la generación de tokens. El estudio sugiere una inequidad energética sistémica en el despliegue de LLM multilingües y recomienda considerar la energía como un eje clave en la evaluación.
Cómo engañar a la IA (y que ella te mienta)
La inteligencia artificial está siendo utilizada en campañas de desinformación sofisticadas mediante técnicas como el LLM Grooming, donde se envenena la IA con contenido falso para que engañe a los usuarios. Investigaciones indican que los modelos de lenguaje pueden replicar falsedades y reforzar puntos de vista sesgados, especialmente en temas geopolíticos como la invasión de Ucrania. Además, se advierte sobre la aceleración de los ataques cibernéticos autónomos impulsados por IA.
Sesgo de Epoch en SGD-based Leave-One-Out Influence: Análisis y Corrección Acumulativa
Se presenta el Estimador de Influencia SGD Acumulativo (ACC-SGD-IE) para corregir el sesgo de interacción en el estimador SGD-IE al considerar cómo las eliminaciones previas afectan la influencia de eliminaciones posteriores. Este método mejora el rendimiento en conjuntos de datos de visión y texto, reduciendo el error de pérdida y mejorando la métrica Jaccard@10%. También se observa una reducción significativa del error RMS del parámetro en datos industriales ruidosos.
Vectores de intuición de representaciones preentrenadas dirigen el razonamiento basado en difusión
Se investiga si la geometría relacional de las representaciones visuales preentrenadas puede apoyar el razonamiento abstracto sin depender de inferencia basada en lenguaje. Se proponen vectores de intuición, diferencias vectoriales entre incrustaciones de imágenes, que capturan transformaciones que generalizan entre instancias de tareas. Estos vectores pueden dirigir el razonamiento generativo al condicionar un transformador de difusión en el espacio latente visual preentrenado.
MedGuardBench: Un punto de referencia orientado al paciente para el desarrollo de barreras personalizadas
Se presenta MedGuardBench, un punto de referencia para el desarrollo de barreras personalizadas en seguridad de medicamentos. El sistema introduce una guardia condicionada por el paciente que predice la seguridad basándose en el perfil y la prescripción. Se demuestra que las barreras estándar dependen de señales superficiales, mientras que el enfoque personalizado mejora la precisión y reduce falsas alarmas al utilizar información específica del paciente.
Evaluación de modelos VLM para escenarios críticos de seguridad
Se presenta EMRD, un marco de evaluación para medir la capacidad de los Modelos de Lenguaje-Visión (VLM) en tareas de robótica que requieren exploración, mapeo y toma de decisiones seguras. El estudio evalúa once VLMs bajo condiciones nominales y estrés ambiental (oscuridad, humo, ruido de movimiento) en 16 edificios. Los resultados indican diferencias en la exploración y detección de objetos entre modelos de peso abierto y cerrado.
Semantic Prism: Segmentación Generativa con una Interfaz Semántica-Imagen Explícita
Se presenta Semantic Prism, un marco para la segmentación de escenas viales que utiliza una interfaz explícita de imagen semántica y refinamiento jerárquico. Este modelo logró un mIoU del 72.07% en el conjunto Cityscapes, superando la decodificación directa en 11.39 puntos porcentuales. Además, el método mejora el ranking de errores de píxeles, aumentando el AUPR en el conjunto ACDC.
Ocho de cada diez LLMs filtran secretos del prompt del sistema
Un estudio auditó 363 modelos de texto a texto/texto a salida para determinar cuáles divulgan secretos protegidos en sus prompts del sistema. Se encontró que 296 de los 363 modelos, más cuatro adicionales, divulgaron una bandera de 16 caracteres. El estudio concluye que no se debe almacenar secretos en los prompts y se debe aplicar validación de salida para asegurar el comportamiento crítico del modelo.
Evaluación preliminar de jueces LLM sin verdad fundamental para un entrenador de higiene dental
Se presenta un *pipeline* por etapas para filtrar jueces LLM y modelos estudiantiles antes de la revisión experta, utilizando reglas explícitas para auditar la salida, verificar sesgos y robustez de la decisión. El estudio se realizó en un entrenador de higiene dental utilizando datos sintéticos no validados clínicamente. Los resultados preliminares indican que el modelo Granite-4.1-8B fue el más destacado en la comparación de jueces.
Recuperación Generativa Eficiente para la Búsqueda en Comercio Electrónico con IDs de Clúster Semántico y RL Guiado por Expertos
Se propone un marco de recuperación para comercio electrónico que utiliza recuperación generativa como complemento en lugar de reemplazo total. El método CQ-SID reduce la complejidad de la búsqueda al codificar ítems en identificadores de clústeres semánticos. Los experimentos demuestran ganancias significativas en la tasa de clics y en métricas de negocio como GMV y UCTCVR.
Ajuste de suerte en las máscaras como ganancia de asignación: Auditoría de la asignación de presupuesto en tiempo de prueba para la optimización combinatoria neuronal
Se audita la asignación de presupuesto en tiempo de prueba para la optimización combinatoria neuronal, midiendo si una asignación no uniforme de un presupuesto fijo genera ganancias. Se encontró que la asignación en distribución no es detectable, pero una corrección preserva una ganancia real bajo cambio de distribución, mejorando el rendimiento en la asignación guiada por estadísticas de muestra retenida.
FLARE: Un paradigma de supervisión densa de ciclo de vida completo para agentes de codificación a largo plazo a través de un modelo de recompensa generativa
Se presenta FLARE, un nuevo paradigma de supervisión densa impulsado por un Modelo de Recompensa Generativa (GRM) ligero, diseñado para mejorar los agentes de LLM en ingeniería de software a largo plazo. Este enfoque utiliza un marco de diagnóstico causal para proporcionar retroalimentación de riesgo en tiempo real y optimizar el agente a lo largo de su ciclo de vida. Las evaluaciones demuestran que FLARE supera a métodos existentes, logrando reducciones significativas en el consumo de tokens y mejorando el rendimiento en SFT y RL.
Reconfigurando el conocimiento procedimental para la adaptación de habilidades robóticas
Se estudia la reconfigurabilidad en modelos de comportamiento para adaptar habilidades a nuevos objetivos mediante la reestructuración eficiente de componentes existentes. Se propone el marco RecPo para representar habilidades independientemente de la tarea y materializar secuencias ejecutables mediante la composición de transiciones almacenadas. Los estudios en robots reales demuestran adaptación mediante ediciones de memoria local sin necesidad de reentrenamiento específico.
Marco algebraico temporal para la evaluación de flujos de datos bajo etiquetas retrasadas y cambios de distribución
Se presenta un marco algebraico para evaluar flujos de datos cuando las etiquetas llegan tarde o hay cambios en la distribución. El marco extiende las medidas agrupadas y por clase a flujos, ponderando los conteos en el tiempo. Se aborda el impacto de la retroalimentación retrasada y la calibración del modelo en la evaluación de la precisión y especificidad.