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 «Jiaming Zhang»
Más recientes primero · Hasta 30 noticias por página
En Sanya se encuentra con una escuela de renombre mundial de Suiza
Una universidad de gestión hotelera y turística independiente, establecida en Sanya por la Facultad de Gestión Hotelera EHL de Suiza, busca fomentar la formación de talento internacional mediante un modelo que combina rigor académico, práctica inmersiva y calidez humana. La institución busca preparar profesionales que comprendan los estándares internacionales y las necesidades del cliente, ofreciendo oportunidades de desarrollo profesional tanto en China como a nivel global. Este proyecto es un indicador de la apertura educativa del Puerto Francés de Hainan.
Joshua A. Bullen es el primer diseñador residente de A Cold Wall
Four Marketing ha nombrado a Joshua A. Bullen como el primer diseñador residente de A Cold Wall, cuya primera colección debutará en París en otoño de 2027. Bullen interpretará los códigos de la marca bajo una nueva estética, buscando una colaboración a largo plazo. El nombramiento fue visto como una asociación natural por el CEO de Four Marketing Group.
Pensar menos, localmente: Aprendizaje de preferencia local para la compresión del razonamiento
Se presenta LoCo, un método de aprendizaje de preferencia local diseñado para la compresión del razonamiento en modelos grandes. Este método detecta estados de sobrepensamiento para congelar prefijos de razonamiento y regenerar continuaciones verificadas más cortas. LoCo reduce la longitud de finalización en matemáticas y código, mejorando la eficiencia sin sacrificar la precisión.
El decodificado por restricciones gramaticales puede encarcelar a los LLMs generando código malicioso
Se investiga un riesgo en la técnica de Decodificado por Restricciones Gramaticales (GCD), descubriendo un ataque llamado CodeSpear que explota esta técnica para forzar a los Modelos de Lenguaje Grande (LLMs) a generar código malicioso. Se propone CodeShield como una solución de seguridad para preservar el comportamiento seguro incluso con restricciones gramaticales controladas por el atacante. Los experimentos demuestran que CodeSpear supera a las soluciones existentes y CodeShield restaura la seguridad manteniendo la utilidad benigna.
De aprendizaje individual al equilibrio de mercado: Corrigiendo sesgos estructurales y paramétricos en simulaciones de RL de modelos económicos
Se aplica el Aprendizaje por Refuerzo (RL) a la modelización económica para identificar una tensión entre agentes de RL estándar y el comportamiento de tomadores de precios competitivos. Se demuestra que los agentes estándar pueden converger a una asignación monopsonística en lugar del equilibrio competitivo. Se propone un marco de RL Calibrado para ajustar la estructura de recompensa y restaurar el comportamiento de toma de precios, logrando así el equilibrio competitivo.
Modelos Multimodales Grandes para la Conducción Inteligente Embodied: Habilitando la Próxima Generación de Movilidad Autónoma
Se propone un marco híbrido de decisión dual para la conducción autónoma que combina Modelos Multimodales Grandes (LMMs) para comprensión semántica y aprendizaje por refuerzo profundo para optimización de políticas en tiempo real. Este enfoque busca superar las limitaciones del diseño modular en escenarios de mundo abierto, promoviendo la conducción inteligente encarnada. El marco mostró una mejora del 19% en el rendimiento en un estudio de caso de planificación de cambio de carril mediante simulaciones.
TAPES: Preentrenamiento Predictivo Conjunto Alineado a Tareas para Secuencias de Eventos de Transacción
Se presenta TAPES, un marco de preentrenamiento predictivo conjunto alineado a tareas para secuencias de transacciones. Este modelo construye conjuntos de objetivos candidatos y selecciona el conjunto óptimo basado en la utilidad downstream de las representaciones aprendidas. Los experimentos demuestran que TAPES supera a las líneas de base en un entorno real de riesgo de transacción y en benchmarks financieros públicos.
SAGE: Mitigando sesgos de razonamiento a largo plazo mediante guía topológica
Se presenta SAGE, un marco unificado diseñado para mitigar los sesgos de exploración y compuestos en el razonamiento a largo plazo de los modelos de lenguaje grandes (LLMs). SAGE utiliza la esparcimiento algebraico y la guía estructural hiperbólica para proporcionar una guía estructural que reduce la inestabilidad y la acumulación de errores en tareas complejas. El método demuestra mejoras significativas en varios benchmarks, incluyendo una mejora de hasta 8 veces en el problema de Andrews-Curtis.
FatigueFormer: Modelo basado en fisiología para evaluar la fatiga muscular del miembro superior
Se presenta FatigueFormer, un modelo basado en fisiología para reconocer estados de fatiga muscular utilizando señales de electromiografía de superficie (sEMG). El modelo organiza los descriptores en flujos de tendencia para mejorar el reconocimiento de estados de fatiga definidos por RPE. Se evaluó su efectividad con datos de sEMG y métodos de aprendizaje automático, mostrando resultados positivos en la discriminación de la fatiga.
DiagramBank: Extrae de lo grande, extrae lo mejor
Se presenta DiagramBank, un recurso de referencia de diagrama-texto que contiene 57,100 diagramas científicos extraídos de 26,751 artículos de IA/ML. Este recurso busca reducir el esfuerzo en la creación de diagramas científicos mediante la generación automática, utilizando filtrado y auditoría humana. Los experimentos demuestran que DiagramBank mejora significativamente la puntuación en PaperBananaBench y supera referencias aleatorias en evaluaciones de figuras científicas.
Evaluación de trayectoria mediante un modelo mundial sin despliegue para conducción autónoma
Se propone RFWorld, un modelo mundial sin rollout para la evaluación de trayectoria de conducción autónoma. Este modelo construye una memoria de escena compartida y utiliza una lectura espacial dispersa para la puntuación, reduciendo el cómputo. Los experimentos demuestran que RFWorld logra un rendimiento de vanguardia en comparación con métodos anteriores.
MathlibPR: Benchmark de resultado de fusión de solicitudes de extracción para bibliotecas matemáticas formales
Se presenta MathlibPR, un benchmark basado en historiales de Pull Requests (PRs) reales de Mathlib4 para evaluar la capacidad de los modelos de lenguaje grande (LLM) y agentes de LLM para distinguir entre PRs listas para fusión y aquellas que han sido revisadas o no fusionadas. El objetivo es desarrollar asistentes de revisión que ayuden a guiar a los LLM a generar contribuciones de Mathlib listas para ser integradas en la infraestructura matemática.
Sentimiento de saber en modelos de lenguaje grandes
Se investiga la desincronización del juicio de conocimiento en modelos de lenguaje grandes (LLM) mediante el sentimiento funcional de saber (FoK). Se proponen dos canales entrenables para modificar la capacidad de respuesta y el estado de conocimiento. Los experimentos demuestran que la alineación explícita de FoK mejora la calidad del juicio en el conocimiento actualizado.
HybridSpec: Decodificación Especulativa Sensible al Rendimiento para Modelos Híbridos GDN-MoE
Se presenta HybridSpec, un método para seleccionar la longitud de verificación en la GPU basado en estimaciones de aceptación y latencia medida. Este método busca mejorar la velocidad en la verificación de modelos híbridos GDN-MoE, mostrando mejoras significativas en comparación con los métodos existentes. Los resultados demuestran que HybridSpec es más rápido que la decodificación autoregresiva y DFlash.
De solucionadores a investigación: Matemáticas formales impulsadas por modelos de lenguaje grande en la frontera de la investigación
Se reportan avances en la IA para Matemáticas (AI4Math) utilizando Modelos de Lenguaje Grande (LLM) para la generación de pruebas formales. Se señala que los sistemas actuales son limitados para abordar problemas matemáticos de frontera como el descubrimiento de nuevos teoremas. Se propone un cambio hacia agentes de investigación que puedan manejar desafíos matemáticos complejos con razonamiento formal riguroso.
- Eric Jiang
- Xiao Liang
- Junyi Zhang
- Justin Baker
- Zhi Zhang
- Yingjia Wan
- Yubei Li
- Jinxi Yu
- Mengting Li
- Haikang Deng
- Alexander Taylor
- Rushil Raghavan
- Michael Simon
- Hyunsik Chae
- Jia-Chen Gu
- Xinjie He
- Kyle Hess
- Ethan Ji
- Yiwen Kou
- Tzu-Han Lin
- Jiachen Lu
- Jack Mauro
- Vigyan Sahai
- Zheng Tan
- Junkai Zhang
- Kyle Zheng
- Lunji Zhu
- Ying Nian Wu
- Andrea L. Bertozzi
- Kai-Wei Chang
- Raghu Meka
- Matthew Sottile
- Nanyun Peng
- Amit Sahai
- Terence Tao
- Wei Wang
DoAtlas-2: Una base para el descubrimiento biomédico causal autoevolutivo
Se presenta DoAtlas-2, una base para el descubrimiento biomédico causal autoevolutivo que integra recursos de investigación y evidencia de poblaciones humanas. Esta herramienta organiza el conocimiento en torno a mecanismos causales y genera preguntas de investigación, revisando continuamente las interpretaciones y la frontera del descubrimiento. El sistema permite unificar el descubrimiento de mecanismos causales, la prueba de evidencia poblacional y la predicción interpretable en un fundamento en constante evolución.
Paradojas narrativas en la inferencia de LLM: Modelando trayectorias de razonamiento hacia la desalineación
Se presenta un ataque novedoso llamado PDRA para explorar la vulnerabilidad del proceso de razonamiento de múltiples pasos en LLM. El método programa una trayectoria de razonamiento dañina mediante la creación de un núcleo narrativo paradójico. Esto fuerza al modelo a través de un análisis de tres etapas para generar contenido dañino manteniendo la coherencia narrativa. El ataque demuestra alta eficiencia en lograr tasas de éxito de ataque en diversos LLM.
Free Draft-and-Verification: Hacia un Decodificado Paralelo sin Pérdida para Modelos de Lenguaje de Difusión
Se presenta el algoritmo Free Draft-and-Verification (FreeDave), un método de decodificación rápida y sin entrenamiento para Modelos de Lenguaje de Difusión (dLLMs). Este algoritmo busca acelerar la inferencia mediante la verificación rigurosa de predicciones de tokens futuros, logrando una aceleración algorítmicamente sin pérdida. Las evaluaciones demuestran que FreeDave puede aumentar el número de tokens generados y los tokens por segundo significativamente, manteniendo la calidad de la generación.
CausalBind: Modelado Causal y Aprendizaje para Cribado Virtual de Proteínas-Moléculas
Se propone CausalBind, un modelo causal para el cribado virtual de proteínas-moléculas, enfocándose en los patrones de interacción dispersos en lugar de estructuras globales. Los experimentos demuestran que las variantes del modelo superan a las líneas base y generalizan bien a divisiones de datos fuera de distribución. El trabajo aborda la identificación de conceptos latentes en la interacción proteína-molécula.
Predicción de estructuras proteicas en cualquier etapa de plegamiento a partir de la secuencia
Se presenta FoldScape, un marco de aprendizaje profundo que genera conjuntos conformacionales de C$\alpha$ para proteínas en diferentes fracciones de plegamiento. Este método ofrece una cobertura superior de las etapas de plegamiento en comparación con AlphaFold 3, manteniendo una precisión de reconstrucción estable. Los autores demuestran que los enfoques son complementarios, ya que FoldScape cubre un rango más amplio de estados plegados.
HISA: Indexación Esparsa Jerárquica Eficiente para Atención de Granularidad Fina
Se presenta HISA (Hierarchical Indexed Sparse Attention), un reemplazo para el indexador en mecanismos de atención esparsa para mejorar la eficiencia. HISA transforma la búsqueda de un escaneo de token plano a un procedimiento jerárquico de dos etapas. Esto incluye un filtrado grueso a nivel de bloque seguido de un refinamiento a nivel de token. El método mantiene el patrón de atención esparsa y supera a las soluciones basadas en bloques.
TactiNavi: Sirviendo y Revisando un Entrenador de Juego LLM con Condiciones de Estrategia Explícitas
Se presenta TactiNavi, un sistema de servicio para un agente de coaching LLM de un juego comercial de mundo abierto. Este sistema gestiona la aplicabilidad de la estrategia como un artefacto explícito, mejorando la precisión de la estrategia y reduciendo la mala aplicación bajo cambios en el estado del jugador. Los resultados demuestran mejoras significativas en la corrección y la verificación de afirmaciones mediante el uso de paquetes con condiciones.
Revisar rara vez supera al modelo más fuerte: Separando la verificación de la transferencia de capacidad en las tuberías de LLM
Un estudio compara la capacidad de revisión de modelos de lenguaje grandes (LLM) en tareas de matemáticas, conocimiento y razonamiento. Se analiza la diferencia entre la verificación (que añade precisión) y la transferencia de capacidad (donde un modelo más fuerte proporciona la respuesta). Los resultados sugieren que la verificación es menos efectiva que la transferencia de capacidad cuando se compara con el modelo más fuerte.
Se simplifica la generación de lenguaje: Algoritmos deterministas, aleatorizados y de múltiples órdenes
Se presenta un marco teórico para estudiar cómo un generador puede aprender a producir cadenas válidas a partir de una secuencia de ejemplos positivos. Se formalizan garantías de validez y novedad respecto a los datos observados. Se desarrollan marcos para obtener garantías de densidad inferior óptimas, incluyendo algoritmos deterministas y aleatorizados.
MuonRec: Cambiando el paradigma del optimizador más allá de Adam en recomendaciones escalables
Se presenta MuonRec, un nuevo *framework* que incorpora el optimizador Muon para el entrenamiento de sistemas de recomendación (RecSys). Este método busca mejorar la eficiencia de la optimización y la calidad del ranking al reducir los pasos de entrenamiento y mejorar la calidad de la recomendación. Los resultados demuestran que MuonRec supera a las líneas base basadas en Adam/AdamW en métricas clave.
Acciones seguras por sí solas no garantizan agentes seguros: Identificando obligaciones no cumplidas con modelos de guardia
Se argumenta que la seguridad de los agentes basados en LLM depende no solo de identificar acciones prohibidas, sino también de identificar obligaciones de seguridad críticas no cumplidas. Se presenta ObligationBench, un nuevo *benchmark* para evaluar la identificación de estas obligaciones, y ObligationGuard, un modelo que mejora significativamente la capacidad de identificación de obligaciones. El estudio sugiere que la identificación de obligaciones no cumplidas es una fuente de riesgo de seguridad subestimada en los agentes.
La china Wingtech rechaza dividir Nexperia y revela demanda de 2.000 millones de dólares
El grupo chino Wingtech rechazó un plan para dividir las operaciones de Nexperia y reveló que su filial neerlandesa reclama 2.000 millones de dólares por irregularidades comerciales. La compañía acusó a los administradores neerlandeses de discriminación contra los inversores chinos. Además, se detallan varias resoluciones judiciales en China y Países Bajos relacionadas con el control del fabricante de chips.
Actualización del acuerdo de libre comercio China-Suiza profundiza la cooperación digital para cimentar la confianza en el comercio digital
China y Suiza firmaron un protocolo de actualización del acuerdo de libre comercio para profundizar la cooperación digital. El acuerdo incluye capítulos especiales para el comercio digital, fortaleciendo la protección de propiedad intelectual, la interoperabilidad de infraestructuras tecnológicas y la creación de un entorno comercial justo y transparente. Se busca fomentar la confianza y la cooperación en áreas emergentes como la inteligencia artificial y el comercio electrónico transfronterizo.
Centro de formación de turbinas de gas mira un papel global en el desarrollo de talento
El Centro de Formación de Habilidades de Turbinas de Gas en Melaka busca ser una plataforma líder para el desarrollo de talento internacional y cooperación industrial en el sector de turbinas de gas. El presidente de CGN Energy International Holdings Co Ltd enfatizó la necesidad de cooperación para afrontar los desafíos de la transición energética y aprovechar las oportunidades en la industria. Se proponen dos plataformas clave: un centro de formación y un comité para unir a empresas de la cadena de suministro regional.
Demócratas ganan un escaño en el Senado de Carolina del Sur
La Dra. Annie Andrews, Demócrata, derrotó al senador Darline Graham, Republicano, en la carrera por el Senado de Carolina del Sur. Esta victoria se debió a los cambios significativos en los resultados electorales de varios condados.