Buscar noticias

Buscá por texto y descubrí noticias relacionadas con tu consulta.

Noticias relevantes

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

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

Numa, que desarrolla un Sistema Operativo AI para concesionarios de automóviles, recaudó 45 millones de dólares en Serie C

Numa, empresa con sede en Silicon Valley, recaudó 45 millones de dólares en Serie C para desarrollar un Sistema Operativo AI dirigido a concesionarios de automóviles. Esta plataforma unifica la gestión de interacciones con clientes a través de llamadas, mensajes y chats, mejorando la eficiencia operativa y la satisfacción del cliente. La tecnología permite predecir la satisfacción y guiar a los compradores hacia vehículos adecuados, logrando mejoras significativas en la gestión de ventas y servicio postventa.

Periodista: BRIDGE 編集部

VOIM: Mapeo de instancias 3D de vocabulario abierto sin entrenamiento para RGB-D y SLAM monocular

Se presenta VOIM, un sistema sin entrenamiento que genera mapas de instancias 3D de vocabulario abierto utilizando datos de video RGB-D o video RGB monocular. Este sistema acumula evidencia de etiquetas suaves de modelos de percepción preexistentes para determinar las etiquetas y las instancias de objetos. Los experimentos en ScanNet++ y la navegación en robots reales demuestran la usabilidad de estos mapas.

Periodista: Sangmin Song, Sarath Kodagoda, Marc G. Carmichael, Karthick Thiyagarajan, Amal Gunatilake, Kelly Prentice, Jodi Martin

Personas mencionadas

VAKRA, el nuevo benchmark de IBM que evalúa la fiabilidad de los agentes de IA en entornos empresariales

IBM presentó VAKRA, un benchmark ejecutable que evalúa cómo los agentes de IA razonan y actúan en entornos empresariales, con más de 8.000 API locales en 62 dominios y tareas de 3 a 7 pasos. El benchmark se divide en cuatro capacidades: encadenamiento de API, selección de herramientas, razonamiento de múltiples saltos y razonamiento multisource con adherencia a políticas. El análisis de errores muestra que los modelos fallan en selección de herramientas, argumentos y síntesis final, y que les cuesta incorporar restricciones externas, una brecha crítica para el despliegue real.

Periodista: Ankita Naik, Danish, Anupama Murthi, Praveen Venkateswaran, Siyu Syhcode, Ayhan Sebin

Sarvam AI presenta el modelo de toma de decisiones Prism con un tiempo de respuesta de 44ms, permitiendo a las empresas personalizar y desplegar IA en su propia infraestructura

La compañía india Sarvam AI lanzó el modelo de toma de decisiones Prism, que ofrece respuestas en 44 milisegundos y permite a las empresas personalizar y desplegar la IA en su propia infraestructura. El modelo está diseñado para manejar decisiones estructuradas como el enrutamiento de soporte y el análisis de documentos. Prism muestra una baja tasa de error en comparación con sus estimaciones de confianza.

Periodista: ANI

Personas mencionadas

Ramificación Semántica Adaptativa: Regeneración de Trayectorias Cruzadas Localizadas por Desacuerdo para la Expansión de Candidatos de Razonamiento

Se presenta el método Adaptive Semantic Branching (ASB), un procedimiento de inferencia sin entrenamiento diseñado para convertir el desacuerdo entre trayectorias de razonamiento en generación de candidatos dirigidos. El método agrupa trayectorias por respuesta final y alinea sus pasos de razonamiento mediante un programa dinámico monótono. En una evaluación, ASB mejoró la cobertura de candidatos oráculo de 89.0% a 91.0%, recuperando candidatos correctos en problemas previamente no resueltos.

Periodista: Jeong-Yoon Kim, Tae-Yoon Lee

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

Liquid AI presenta LFM3, una familia de modelos multimodales especializados de 2B parámetros

Liquid AI presentó LFM3, su nueva generación de modelos fundacionales que unifica texto, visión, audio, omni y decisión en una columna vertebral compartida de unos 2B parámetros. La familia incluye seis modelos entrenados desde LFM3-1.7B-Base, con nuevos codificadores propios de visión y audio y el tokenizador LiquidCodec, pensados para ejecutarse en el borde y ajustarse en una sola GPU. La compañía afirma mejoras de eficiencia y rendimiento frente a LFM2 y modelos mayores, y publicó los pesos en Hugging Face junto con cuadernos de ajuste.

Periodista: Liquid AI

A$^3$: Marco de agente de audio adaptativo para computación en el borde colaborativa

Se presenta A$^3$, un marco de agente de audio adaptativo diseñado para la computación en el borde colaborativa. Este marco gestiona la colocación de etapas del *pipeline* en el servidor, mantiene un agente de respaldo en dispositivos locales y utiliza un límite de tiempo consciente del enlace para gestionar fallos de conexión. El sistema demuestra rendimiento en dispositivos Jetson y servidores RTX A4500.

Periodista: Zexin Li, Xueyi Zhang, Tao Ren, Yiming Chen

Personas mencionadas

IA local en el desarrollo de software: Prueba en sistemas AMD económicos

Se reportan avances significativos en la IA local para el desarrollo de software, donde modelos como Qwen3.8-27B y Qwen3.8-Flash-Next de Alibaba pueden construir software de manera agentiva en hardware AMD. Estos modelos locales demuestran una calidad comparable a los grandes modelos en la nube, aunque los modelos en la nube son más rápidos. Se destaca que los modelos locales pueden superar a algunos modelos de la nube en pruebas de razonamiento.

Periodista: Kai Bennett

Personas mencionadas

Noticias encontradas

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

Resultados para «AVM AI Sambo»

Más recientes primero · Hasta 30 noticias por página

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.

Periodista: Sara Khosravi, Xiaofei Wen, Majid Sarrafzadeh, Muhao Chen

Personas mencionadas

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.

Periodista: Gabriele La Malfa, Nitay Alon, Emanuele La Malfa, Reuth Mirsky, Stefan Sarkadi

Personas mencionadas

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.

Periodista: Weize Cai, Yongqi Dong, Zhida Shao, Zixin Fu, Xiaoxi Hu

Personas mencionadas

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.

Periodista: Ana Clara Zoppi Serpa

Personas mencionadas

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.

Periodista: William DeShong, Barath Kannan, Auberon Palma, Brenda Bradshaw, Ann Bruhn, James F. Leathrum, Jr., Yuzhong Shen

Personas mencionadas

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.

Periodista: Jianbo Zhu, Xing Fang, Jing Wang, Mingmin Jin, Bokang Wang, Guangxin Song, Zhenyu Xie, Junjie Bai

Personas mencionadas

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.

Periodista: Jinhyung Bae

Personas mencionadas

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.

Periodista: Jingxuan Xu, Gang Wu, Yanan Wu, Yutao Mou, Songwei Yu, Tianzhuang He, Zhengshuo Gong, Zhao Liu, Zihang Xu, Wenqiang Zhu, Xinping Lei, Weihao Li, Ziqi Miao, Yuhui Bai, Zhongqiu Wang, Yan Wu, Ariel Deng

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.

Periodista: Daehee Lee, Dongsu Lee, Sanghyun Ahn, Minjong Yoo, Honguk Woo

Personas mencionadas

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.

Periodista: Ronaldo C. Prati, Elaine Ribeiro de Faria

Personas mencionadas

¿Pueden los modelos frontera resolver problemas interactivos en tiempo real?

Se presenta Realtime-Bench, un conjunto de tareas dinámicas para evaluar la capacidad de los modelos de IA para interactuar en tiempo real bajo restricciones temporales. Los resultados indican que los costos temporales limitan el éxito en entornos cambiantes y que existe un compromiso entre la calidad del razonamiento y la ejecución oportuna. Se proponen mejoras futuras para modelos multimodales con conciencia temporal.

Periodista: Jingyu Tang, Xu Yang, Zhehao Zhang, Zheng Wang, Qi Cheng, Haozhe Zhao, Manling Li, Wenxuan Li, Xide Xia, Jiaxin Pei

Personas mencionadas

NexSight: Tareas verificables para la comprensión de video largo con agentes

Se presenta NexSight, que construye tareas verificables para evaluar y entrenar la comprensión de video largo por agentes. El pipeline SightForge acepta tareas solo si la evidencia puede reconstruir la tarea a partir del video crudo. Esto resulta en SightLine, 310 tareas trazables por evidencia evaluadas mediante SightLoop. El modelo Sight-35B muestra mejoras significativas en la precisión interactiva al usar evidencia anotada.

Periodista: Tianci Xie, Li Chen, Pinxue Guo, Rui Zheng

Personas mencionadas

Aprendizaje por Refuerzo Profundo para el Control de Bombas de Calor y Calefacción por Suelo: Un Estudio de Caso de Extremo a Extremo

Se presenta un estudio de caso de extremo a extremo para un controlador basado en Aprendizaje por Refuerzo Profundo (DRL) aplicado a sistemas integrados de calefacción por suelo (UFH) y bombas de calor (HP). El trabajo demuestra que el controlador logró mantener las temperaturas interiores dentro de los límites de confort mientras ajustaba dinámicamente la temperatura de la bomba de calor y las válvulas del UFH. Esto sugiere la viabilidad de implementar controladores DRL en edificios ocupados.

Periodista: Antonio Manjavacas

Personas mencionadas

Reentrenamiento pseudoetiquetado a partir de errores de pronóstico para la predicción de series temporales en línea

Se propone PILOT, un marco de reentrenamiento en línea que utiliza errores de pronóstico realizados como retroalimentación directa para determinar cuándo reentrenar modelos de series temporales. Este método construye una pseudoetiqueta a partir de aumentos futuros en el error de pronóstico para entrenar un clasificador que prediga estos estados. Se evaluó PILOT en ocho puntos de referencia utilizando tres arquitecturas de pronóstico diferentes, logrando un rendimiento de vanguardia en políticas de reentrenamiento.

Periodista: Yeryeong Kwak, Yoo-Min Jung, Jonghun Park

Personas mencionadas

El colapso del simulador en el aprendizaje por refuerzo multiagente

Se investiga el colapso del simulador en el aprendizaje por refuerzo multiagente (MARL) cuando los agentes son entrenados contra un único modelo de lenguaje grande (LLM). Se demuestra que las políticas entrenadas contra estos simuladores pueden aprender estrategias estrechas que no generalizan a usuarios reales. Se proponen dos soluciones, el Muestreo Verbalizado y el Co-Entrenamiento, para mejorar la generalización y la diversidad de las políticas.

Periodista: Simon Yu, Nicholas Tomlin, Marwa Abdulhai, Ximing Lu, Derek Chong, Abe Hou, Dilara Soylu, Sergey Levine, Christopher D. Manning, Weiyan Shi

Personas mencionadas

Smooth Inliers, Erratic Outliers: Mamba con Conciencia de Frecuencia para Aprendizaje de Correspondencia de Dos Vistas

Se propone SFMambaNet para el aprendizaje de correspondencia de dos vistas, utilizando Mamba para impulsar podadores. El método escanea las coincidencias por clúster para diferenciar entre coincidencias correctas y erróneas. Los resultados demuestran que la frecuencia es un lenguaje natural para describir el acuerdo entre correspondencias, mejorando el rendimiento en la estimación de pose de cámara.

Periodista: Zhihua Wang, Yifeng Gao, Yunhao Feng, Rui Pan, Zhouyuan Ma, Baiheng Zhao, Zixing Chen, Yanping Li, Yizhang Liu, Xingjun Ma

Personas mencionadas

La optimización de prompts con demostraciones condicionadas demuestra avances en la optimización automática de prompts

Se investiga la optimización automática de prompts mediante métodos como la búsqueda de prompts condicionada por demostración (DCPS). Se encontró que DCPS puede igualar la precisión de clasificación con una tercera parte del costo y reducir el costo de API en un 32% en sistemas de IA compuestos. El análisis revela que la propuesta y selección recuperan el rendimiento de optimizadores más complejos en tareas estructuradas, mientras que otros mecanismos mantienen ventajas en entornos de razonamiento complejo.

Periodista: Bohe Chen

Personas mencionadas

Predicción de trayectoria intra-agente y aprendizaje de relaciones inter-agente para predicción de trayectoria sin mapa

Se propone un marco de predicción de trayectoria sin mapa basado en un Transformer Condicionado por Objetivo y Enrutado por Experto (GCERT) para la conducción autónoma. Este modelo busca recuperar señales de movimiento estables y resolver relaciones de interacción sin depender de mapas de alta definición. El enfoque utiliza expertos para generar mensajes de interacción y adaptar la transformación del estado de nodo para predecir trayectorias futuras.

Periodista: Wenyi Xiong, Jian Chen, Wenhua Chen, Ziheng Qi

Personas mencionadas

Amortizando los costos de construcción de leyes de escalado

Se propone un marco para construir leyes de escalado de manera eficiente, abordando el costo computacional de entrenar rejillas exhaustivas de hiperparámetros. El método utiliza optimización bayesiana para la recopilación de datos y busca mejorar la eficiencia de recuperación de resultados. Esto permite ajustar leyes de escalado con ahorros computacionales significativos al evitar el entrenamiento de todas las configuraciones.

Periodista: Abhash Jha

Personas mencionadas

Marco de Razonamiento Temporal Restringido por Anclas para el Grounding Temporal de Video

Se presenta TAR (Temporal Anchor-Constrained Reasoning), un marco diseñado para mejorar el Grounding Temporal de Video (VTG) al introducir un mecanismo de punto de control transparente llamado T-anchor. Este mecanismo fuerza al modelo a refinar progresivamente sus pensamientos intermedios basándose en evidencia visual y calibrar predicciones temporales. El método también incluye un paradigma de arranque que aprovecha datos de CoT de alta calidad con un modelo estándar de 7B, logrando un rendimiento de vanguardia.

Periodista: Chaohong Guo, Xun Mo, Yongwei Nie, Fei Ma, Xuemiao Xu, Chengjiang Long

Personas mencionadas

Las salvaguardas de los LLM dependen de entradas no confiables: una vulnerabilidad de alto riesgo generalizada

Las salvaguardas de los modelos de lenguaje grandes (LLM) que dependen de entradas no confiables presentan una vulnerabilidad de alto riesgo. Esta vulnerabilidad permite a atacantes explotar la capacidad de los modelos para liberar respuestas basadas en lo que los usuarios escriben, incluyendo afirmaciones de identidad profesional. La investigación sugiere que las defensas actuales no son suficientes, ya que el problema reside en lo que los usuarios escriben, independientemente de la mejora en la evaluación de las salvaguardas.

Periodista: Pingyu Wu, Weiming Zhang, Nenghai Yu

Personas mencionadas

Alineación distributiva como criterio para diseñar vectores de tarea en el aprendizaje en contexto

El artículo propone que la inferencia con vectores de tarea debe alinear su distribución predictiva con la del aprendizaje en contexto (ICL). Se introduce la métrica $d_{\text{NTP}}$ para medir la discrepancia entre la inferencia basada en vectores de tarea e ICL. Se desarrolla el método LTV, que minimiza esta discrepancia y mejora la precisión en tareas de clasificación y regresión. Se demuestra la transferibilidad de LTV, mostrando que vectores de modelos grandes mejoran el rendimiento de modelos más pequeños.

Periodista: Jihoon Kwon, Jiwon Choi, Jy-yong Sohn

Personas mencionadas

Alineación de seguridad árabe como rechazo selectivo: Un estudio empírico de SFT, DPO y calibración de guardias

Un estudio empírico evalúa cómo los modelos de lenguaje grandes árabes deben manejar el rechazo de indicaciones dañinas frente a indicaciones benignas o sensibles. Se compara el rendimiento de diferentes técnicas de ajuste fino (SFT y DPO) y guardias de inferencia para determinar el mejor punto de operación para la seguridad. Los resultados sugieren que la selección del punto de operación del modelo es clave para mejorar la seguridad.

Periodista: Mohamad Zbib, Mohamad Bazzi, Ammar Mohanna

Personas mencionadas

Descubriendo brechas de fidelidad en VLMs mediante pruebas contrafactuales impulsadas por explicaciones

Se presenta el protocolo de Prueba Contrafactual Impulsada por Explicaciones (EDCT) para evaluar la fidelidad de los Modelos de Lenguaje-Visión (VLMs). Este método aplica ediciones mínimas a los conceptos visuales citados por los modelos y verifica la consistencia de sus respuestas y explicaciones con la imagen modificada. El estudio revela brechas significativas de fidelidad en los VLMs, sugiriendo que los contrafactuales generados son señales de entrenamiento valiosas.

Periodista: Sihao Ding, Santosh Vasa, Aditi Ramadwar, Thomas Monninger

Personas mencionadas

EmbedGym: Permitir que los agentes de codificación desarrollen y depuren firmware embebido sin hardware físico

Se presenta EmbedGym, un entorno de hardware virtual interactivo diseñado para permitir que los agentes de codificación desarrollen y depuren firmware embebido sin necesidad de hardware físico. Este entorno utiliza emuladores de MCU y simuladores de periféricos para simular el comportamiento de hardware real. Los resultados demuestran que el uso de EmbedGym mejora significativamente las tasas de éxito en pruebas de firmware embebido en comparación con los enfoques existentes.

Periodista: Minghui Zhao

Personas mencionadas

PhysAlign: Un punto de referencia para la alineación de roles basada en evidencia en el razonamiento físico multimodal

Se presenta PhysAlign, un punto de referencia diseñado para evaluar la capacidad de modelos multimodales para asociar correctamente la información de diagramas de física con su rol físico. El estudio revela una brecha consistente entre el reconocimiento visual local y la fundamentación del rol físico, indicando que la percepción fuerte no garantiza una interpretación física fiable. Esto subraya la necesidad de que los modelos futuros alineen mejor la evidencia visual reconocida con su significado físico.

Periodista: Kecheng Liang, Haoyang Liu, Zexin Chen, Zirong Liu, Weixing Chen, Qiufeng Wang, Yang Liu, Liang Lin

Personas mencionadas

De la búsqueda de estrategia al aprendizaje de políticas: Coevolución adversaria guiada por MCTS para el alineamiento de seguridad de LLM

Se presenta MACE, un marco de coevolución adversaria guiado por MCTS diseñado para el alineamiento de seguridad de Modelos de Lenguaje Grande (LLM). Este marco utiliza la búsqueda para generar señales de aprendizaje de políticas tanto para atacantes como para defensores, conectando la estructura de búsqueda con la optimización de políticas y la memoria entre rondas. Los resultados muestran que la modificación de ciertos parámetros aumenta significativamente la resistencia de la defensa contra ataques.

Periodista: Xurui Li, Kaisong Song

Personas mencionadas

Compromiso de token como superficie de control para la generación de difusión enmascarada

El estudio analiza el compromiso de token como una superficie de control para la generación de modelos de difusión enmascarada. Se proponen dos mecanismos: compromiso dirigido por objetivo contrafactual y presupuestos adaptativos calibrados. Estos mecanismos demuestran intercambios monótonos de calidad de objetivo en diferentes configuraciones. Los resultados caracterizan el compromiso como una superficie de control interpretable para dirigir la generación de difusión enmascarada.

Periodista: Ambroise Aigueperse, Hugo Buurmeijer, Carmen Amo ALonso, Marco Pavone

Personas mencionadas

DNeo: Tu modelo de borrador paralelo necesita una codificación de características mejorada

Se presenta DNeo, una arquitectura que mejora la inferencia de LLM de alta calidad y velocidad. Utiliza Atención de Mezcla de Características (MoFA) para incorporar memoria de trabajo que registra propuestas rechazadas. Esta arquitectura logra una velocidad de generación 1.3 veces más rápida que SoTA (DFlash-2) sin comprometer la calidad.

Periodista: Jameson Sandler, Shane Bergsma, Mostafa Elhoushi, Bin Claire Zhang, Gavia Gray, Joel Hestness, Nolan Dey, Ferdinando Fioretto

Personas mencionadas

Deje que la mente conciba, deje que la mano logre: Acoplando la acción fundamentada y la evaluación del progreso para la manipulación a largo plazo

Se presenta Orchestra, un arnés de agente diseñado para robots que deben seguir instrucciones de múltiples pasos, separando la planificación de la ejecución y rastreando el progreso. El sistema mejora la capacidad de los robots para ejecutar secuencias de subtareas más largas manteniendo el orden y la manipulación correcta de objetos. Los resultados demuestran que Orchestra supera a otros modelos en tareas de benchmark y mejora la longitud de secuencia en escenarios del mundo real.

Periodista: Youpeng Wen, Gang Wang, Tianyu Huang, Weiwei Zhang, Zhijian Huang, Wei Chen, Xieyuanli Chen, Yunhui Liu

Personas mencionadas