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.
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.
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.
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.
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.
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.
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.
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.
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.
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.
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.
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.
¿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.
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.
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.
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.
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.
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.
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.
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.
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.
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.
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.
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.
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.
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.
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.
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.
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.
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.
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.
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.