Buscar noticias
Buscá por texto y descubrí noticias relacionadas con tu consulta.
Noticias relevantes
Hasta 10 noticias relacionadas por su significado, ordenadas por relevancia.
Fireworks AI revela nueva brecha tras hackeo a proveedor de nube
Una startup de infraestructura de IA, Fireworks, reveló una nueva brecha de seguridad tras un hackeo a un proveedor de nube de terceros. Los atacantes accedieron a máquinas de desarrollo y obtuvieron metadatos y datos incompletos de clientes. La compañía está trabajando con Palo Alto Networks para asegurar los sistemas y ha investigado la posible venta de tokens de LLM.
No se identificaron personas.
Fireworks AI confirma una brecha más amplia que afecta a los chats de Notion AI
Una brecha en Fireworks AI reveló que los atacantes obtuvieron acceso a información de cuentas de clientes, datos de facturación, pesos de modelo e información de conjuntos de datos. Notion también fue afectado, aunque solo un pequeño porcentaje de sus espacios de trabajo estuvieron involucrados. La brecha incluyó transcripciones de chats de Notion AI que no estaban etiquetadas.
El director de estrategia de Meta deja la empresa para unirse a la startup de infraestructura de IA Fireworks como CFO
Dave Wehner, director de estrategia de Meta, deja la compañía para unirse a la startup de IA Fireworks como CFO. Esta startup se centra en plataformas de inferencia y entrenamiento de modelos abiertos. Wehner será responsable de escalar las finanzas y operaciones de la empresa.
Adobe Firefly AI Assistant ahora puede realizar tareas recurrentes para usted
Adobe ha expandido las capacidades de su asistente de IA Firefly, permitiendo ahora tareas de varios pasos y agentes proactivos. Se ha introducido un nuevo agente en la aplicación móvil Premiere para ayudar a realizar ediciones con lenguaje natural. Además, se están probando agentes siempre activos que pueden organizar archivos y preparar campañas de marketing automáticamente.
Notion revela que una brecha en la infraestructura de IA de Fireworks expuso transcripciones de chat de Notion AI
Una brecha de seguridad en la infraestructura de IA de Fireworks AI expuso transcripciones de chat de Notion AI en algunos espacios de trabajo. La plataforma respondió cortando el tráfico, eliminando datos y deteniendo entrenamientos. Se confirmó que datos de clientes fueron accedidos, aunque se indicó que la mayoría de las transcripciones expuestas eran no atribuibles.
Nvidia está feliz de aceptar su dinero ya sea que use modelos abiertos o cerrados, dice Jensen Huang
Jensen Huang afirmó que Nvidia no se preocupa por si los modelos de IA son abiertos o cerrados, siempre que su hardware soporte la infraestructura. Argumentó que el valor reside en la inteligencia especializada, y que los modelos abiertos, al combinarse con conocimiento del dominio, pueden crear superinteligencia. También mencionó que el próximo gran avance industrial será el hardware en el bucle, relacionado con sistemas robóticos.
Boletín de noticias de Seguridad, IA y Ciberseguridad Ronda 8
El boletín de noticias de Security Affairs cubre los últimos desarrollos en la intersección de la inteligencia artificial y la ciberseguridad. Se discuten cómo la IA está transformando tanto las técnicas de ataque como las herramientas de defensa, incluyendo la automatización de tareas y la detección de amenazas. Se presentan casos específicos de vulnerabilidades, exploits y el estado actual de las amenazas en el ámbito cibernético.
Datos de clientes de Notion comprometidos en un hackeo de Fireworks AI
La plataforma Notion notificó a sus clientes que sus datos fueron comprometidos debido a una brecha de seguridad en Fireworks AI. El hackeo ocurrió dos veces en octubre, una por credenciales internas y otra por un proveedor de nube de terceros, afectando transcripciones de chat de Notion AI. Se advierte a los usuarios que roten credenciales si se usaron en Notion AI durante el incidente.
No se identificaron personas.
De Frutinovelas a "Señorita Miaura": las videonovelas hechas con IA que conquistan las redes
La inteligencia artificial generativa de video está transformando la producción audiovisual, permitiendo crear escenas complejas con diálogos y movimientos de cámara a partir de simples instrucciones escritas. Herramientas como Google Veo y Runway facilitan la creación de contenido, haciendo accesible la producción de videos elaborados sin conocimientos avanzados de animación. Este avance permite transformar formatos populares como las videonovelas y los programas de animales en contenido generado por IA.
Notion descubre que conversaciones con su IA fueron robadas en un proveedor
Una fuga de seguridad afectó conversaciones de usuarios con Notion AI, las cuales fueron robadas por hackers a través de un proveedor de IA llamado Fireworks AI. Notion confirmó que menos del 1% de los espacios de trabajo podrían estar afectados, y advirtió a los usuarios sobre la necesidad de cambiar credenciales sensibles. La empresa ha suspendido la funcionalidad Insights y ha cortado la conexión con el proveedor afectado.
No se identificaron personas.
Noticias encontradas
Coincidencias por palabras en títulos, resúmenes, temas, personas, lugares o firmas.
Resultados para «Fireworks AI»
Más recientes primero · Hasta 30 noticias por página
Cantante que perdió la voz por la enfermedad de Lou Gehrig volvió a cantar con señales cerebrales
Una cantante de 58 años que perdió la voz por la enfermedad de Lou Gehrig volvió a cantar utilizando señales nerviosas leídas por electrodos implantados en el cerebro, convertidas por IA en voz. Además, se desarrolló una tecnología que traduce la señal cerebral de un hombre afectado por la misma enfermedad en voz, permitiendo una comprensión casi perfecta de su discurso. Esto representa un avance en la conexión cerebro-computadora para expresar tono y emoción.
No se identificaron personas.
Asegurando sistemas multiagente mediante el diseño
Se propone un método para asegurar sistemas multiagente mediante el diseño, abordando la manipulación de respuestas por agentes maliciosos. Se desarrolla un ataque (ReMA) para optimizar respuestas maliciosas y se propone SecMAS, una regla de agregación segura que defiende contra estos ataques manteniendo una utilidad similar. Las evaluaciones demuestran que SecMAS protege eficazmente contra ataques, incluso variantes adaptativas de ReMA.
MeReader: Asistente de IA offline, que preserva la privacidad y es consciente del progreso para la lectura de libros electrónicos narrativos
Se presenta MeReader, un asistente de IA offline y consciente de la privacidad diseñado para la lectura narrativa de libros electrónicos. El sistema utiliza una arquitectura híbrida para asegurar la fidelidad del contexto del lector. Los resultados indican que modelos locales pueden lograr una comprensión comparable a modelos más grandes, ofreciendo una alternativa privada a los servicios basados en la nube.
Dataset de correcciones de privacidad para la revisión de código
Se presenta PrivacyPR, un conjunto de datos de solicitudes de extracción de GitHub que contiene defectos de privacidad y sus correcciones, diseñado para evaluar la revisión de código consciente de la privacidad. El conjunto de datos incluye datos de código, discusiones de revisión y etiquetas generadas por LLM sobre el cumplimiento del GDPR. Los resultados indican que los agentes de codificación pueden detectar defectos de privacidad, aunque la detección es sensible a la intención de la revisión y puede generar falsas alarmas.
De datos a programa: Inferencia rápida y directa de programas generativos a partir de datos empíricos
Se presenta PRODiGI, un modelo preentrenado de datos a programa que infiere un programa generativo ejecutable en una sola pasada hacia adelante. Este modelo se entrena con conjuntos de datos sintéticos y sus programas de verdad fundamental. Se introduce también el ajuste fino en el espacio del programa, que reduce la MMD en un 90% y ofrece mejoras de velocidad significativas. Esto introduce una nueva dirección para el modelado generativo tabular rápido e interpretable.
No ocultado no eliminado: Cómo las redes suprimen características entrelazadas
Se investiga si la supresión de una característica en una red neuronal implica olvido o simple ocultamiento. El estudio utiliza un autoencoder para rastrear las contribuciones de características individuales. Se demuestra que la recuperación de una característica depende de la geometría de la representación y de los parámetros entrenados.
PUMA-Former: Computación Agentica con Conciencia de Incertidumbre en Redes Satelitales MEO-LEO
Se propone PUMA-Former, un marco agentico consciente de la incertidumbre para el offloading cooperativo en redes satelitales MEO-LEO con información incompleta. Este modelo busca equilibrar el trabajo completado, el retraso del servicio y el costo de ejecución. Los resultados demuestran que PUMA-Former mejora la finalización de trabajo computacional en un 8.62% y reduce el retraso promedio del servicio en un 34.78%.
Aprendan y apuesten: Aprendiendo reglas interpretables para la intervención fiable de agentes
Se presenta LeBet, un marco de aprendizaje estadístico diseñado para mejorar la intervención de agentes autónomos mediante monitores interpretables. Este marco aprende un monitor OR-de-AND y utiliza una estadística de apuesta para intervenir cuando se alcanza un umbral de evidencia. Los resultados muestran que el monitor aprendido reduce los tokens de entrada-salida y aumenta la precisión de la salida en pruebas específicas.
Evaluación sin modelo de la fidelidad del simulador mediante curvas de cuantiles
Se presenta un método para cuantificar la brecha "sim-to-real" en modelos de IA generativa al asociar parámetros latentes a sistemas real y simulado. El método utiliza conjuntos de confianza para estos parámetros para obtener un perfil de riesgo de la distribución del simulador. Se demuestra su utilidad evaluando la alineación de LLMs con poblaciones humanas en el conjunto de datos WorldValueBench.
De la escritura a la verificación por máquina: Lean para la identificación de sistemas
El artículo introduce el asistente de pruebas Lean 4 para la identificación y control de sistemas, utilizando la prueba como código para verificar inferencias mediante un kernel de software. Se presentan ejemplos sobre identificabilidad y invariancia del conjunto, y se analiza cómo Lean puede usarse para verificar resultados de la literatura científica. El trabajo finaliza discutiendo pautas para el uso de Lean en la investigación de identificación de sistemas.
Distribuciones programables de variantes que preservan el significado para evaluar agentes de código
Se evalúa la fiabilidad de los agentes de código al reparar problemas de software cuando el código circundante es reescrito a una forma semánticamente equivalente. Se comparan las tasas de resolución de agentes en variantes de código con la versión original bajo diferentes distribuciones. Los resultados muestran que la robustez de los agentes varía significativamente según la distribución utilizada y el modelo de lenguaje subyacente.
Modelo de acción lenguaje visión recursivo
Se presenta RB-VLA, una arquitectura centrada en la creencia diseñada para mejorar los modelos de visión-lenguaje-acción en tareas de largo horizonte. Esta arquitectura utiliza un modelo de mundo auto-supervisado para mantener un estado latente que codifica la historia y las interacciones de objetos, logrando mejores tasas de éxito en tareas de manipulación complejas. El método reduce la latencia de inferencia y elimina el crecimiento de memoria temporal en comparación con modelos previos.
Annealing del modelo: Aprendizaje eficiente con datos mediante revisión y consolidación
Se presenta el método Annealing del modelo, que utiliza la revisión y consolidación para reaprender del conocimiento de la red. Este enfoque divide el entrenamiento en episodios con tasas de aprendizaje que se elevan y enfrían, utilizando una memoria de versiones pasadas para mejorar la robustez y la precisión. El método demuestra mejoras en la precisión top-1 en varias arquitecturas de modelos.
La importancia de la tipografía en el comportamiento de tecleo a partir de decodificación de señales EMG
Se presenta un decodificador de tecleo basado en sEMG que integra la información muscular con la comprensión lingüística mediante un modelo de espacio de estados. Este sistema busca decodificar texto en tiempo real, considerando errores tipográficos y estructura del lenguaje, logrando una tasa de error de carácter de vanguardia. El modelo logra una mejora relativa del 5.4% con menos parámetros que los sistemas previos.
Generación de lexicalizaciones conceptuales mediante proyección de sentido basada en diccionario
Se presenta un método para expandir recursos léxicos a nuevos idiomas mediante la generación de sentidos a través de proyección semántica. El método utiliza un alineador preentrenado y un diccionario bilingüe para mejorar la precisión de las proyecciones de sentido. Los resultados indican que la estrategia propuesta es más precisa, interpretable y eficiente en recursos.
Modelos fundacionales espacio-temporales eficientes en datos
Se propone T2ST, un marco de entrenamiento eficiente en datos para modelos fundacionales espacio-temporales (STFM). Este método combina observaciones espacio-temporales limitadas con series temporales auxiliares y transferencia de conocimiento de modelos de series temporales congelados. Los resultados demuestran que T2ST puede lograr un rendimiento de pronóstico competitivo o superior al de modelos con datos completos, utilizando solo el 10% de los datos espacio-temporales originales.
MineralExp: Evaluación de agentes LLM para el diseño experimental en exploración mineral real
Se presenta MineralExp, un benchmark diseñado para evaluar agentes de modelos de lenguaje grande (LLM) en el diseño automatizado de experimentos geoquímicos para la exploración mineral. El sistema aborda la dificultad de seleccionar protocolos experimentales debido a la alta diversidad metodológica y la falta de estructura en los planes experimentales. MineralExp clasifica el diseño experimental como un problema de clasificación multi-etiqueta, utilizando datos verificados por expertos para medir la capacidad de los agentes LLM para generar planes experimentales viables.
Vías de entrada de información moldean el enlace en transformadores pequeños
Un estudio analiza cómo la forma en que la información llega a un transformador (como tokens simbólicos o vectores perceptuales) afecta su capacidad para vincular información composicionalmente. Los hallazgos indican que la legibilidad del código influye en la eficiencia de muestreo y que la estructura de las vías de información determina el resultado final. Se concluye que la legibilidad es un factor clave en el rendimiento del modelo.
OmniScore-Bench: Evaluando modelos vision-lenguaje en la lectura de partituras musicales
Se presenta OmniScore-Bench, una evaluación diseñada para medir las capacidades de los modelos visión-lenguaje (VLM) en la lectura de partituras musicales. La herramienta incluye 3,000 preguntas y 24 subtipos de tareas para evaluar la capacidad de estos modelos para reconocer notación, estructura e interpretación musical. El objetivo es diagnosticar las operaciones de lectura de partituras que los VLMs realizan de manera fiable y determinar áreas de mejora.
Dataset ScrapeGraphAI-100k para generación de LLM con esquema
Se presenta ScrapeGraphAI-100k, un conjunto de datos de 93,695 eventos de extracción con restricciones de esquema recopilados en 2025. El corpus incluye 25,453 esquemas en 15 idiomas, con el inglés representando el 89% del contenido. Este dataset permite evaluar el rendimiento de modelos de lenguaje grandes en la generación de salida conforme a esquemas JSON. El resultado sugiere que la base de datos real permite entrenar y evaluar modelos mejor que los corpus sintéticos previos.
Incertidumbres en el rastreo de la predicción del El Niño Extremo a las Corrientes Oceánicas de Mesoescala
Se demuestra que la incertidumbre en la predicción del ENSO puede originarse en errores de mesoescala en los estados oceánicos iniciales, en lugar de solo errores a escala de gran escala. El método CNOP identificó errores de corriente más influyentes que son fuertemente dependientes del evento. Estos errores de corriente perturban la estructura de temperatura del océano y afectan el desarrollo del El Niño. Los hallazgos sugieren una fuente de fallo de pronóstico del ENSO no explorada, proporcionando una base para futuras observaciones oceánicas.
POMDPs Multi-Environment con Objetivos de Horizonte Finito
Se investigan los Procesos de Decisión de Markov Parcialmente Observables (POMDPs) en entornos multi-entorno (MEPOMDPs) con objetivos de horizonte finito. El trabajo aborda la complejidad de razonar sobre creencias y pagos a través de múltiples entornos. Se demuestra que mezclas de políticas deterministas son suficientes para resolver el problema y se presenta un algoritmo práctico que supera al método conocido.
Superfluid: Servidor de IA local para inferencia distribuida de LLM
Se presenta Superfluid, un servidor de LLM de código abierto diseñado para inferencia local en diferentes escalas. Este sistema permite mantener la privacidad de los datos, reducir costos y latencia de red al ejecutar modelos en dispositivos locales. Superfluid puede operar en modo interactivo o como un punto final de API distribuido, mejorando el rendimiento en pruebas con diferentes hardware.
LuthorSQL: Un modelo de Text-to-SQL de pasada única como Sistema 1 para un agente LLM más lento
Se presenta LuthorSQL, un modelo de text-to-SQL no autoregresivo de 7B diseñado para actuar como un mecanismo de Sistema 1 rápido para agentes LLM más lentos. Este modelo busca reducir la dependencia de llamadas costosas a modelos alojados, logrando una precisión competitiva y reduciendo el costo de la API en un 33.3% al responder preguntas localmente.
Redes Neuronales Gráficas Wavelet Chi-Square para Detección de Anomalías Heterogéneas
Se propone ChiGAD, un marco de GNN espectral basado en un filtro Chi-Cuadrado, para la detección de anomalías en redes heterogéneas. Este método busca superar las limitaciones de los GNN existentes al capturar señales anómalas y manejar el desequilibrio de clases. Los experimentos demuestran que ChiGAD supera a modelos de vanguardia en múltiples métricas.
Binarización como superficie de ataque en redes neuronales sin peso
Se investigan las Redes Neuronales sin Peso (WNNs) como clasificadores ligeros para tareas con recursos limitados como la detección de intrusiones. Se analiza la robustez de estas redes a perturbaciones adversarias al cruzar umbrales de binarización. Los experimentos demuestran que la granularidad de la codificación afecta el equilibrio entre la precisión limpia y el éxito del ataque adversario.
LLM guía la gestión del ciclo de vida de clústeres comportamentales
Se investiga una alternativa donde un modelo de lenguaje grande (LLM) toma la decisión sobre el ciclo de vida de los clústeres comportamentales, en lugar de métodos basados en umbrales o reclasificación. El LLM decide si un clúster debe dividirse, fusionarse o retirarse basándose en una visión estadística de la población, ajustando la política según la riqueza de la etiqueta. Los resultados indican que el modo seleccionado por el LLM logra el mejor rendimiento en precisión en tres conjuntos de datos públicos, superando a las heurísticas de umbral.
Inducción de programas interactiva con priors de modelo de lenguaje
Se describe un método de inducción de programas interactiva que utiliza un modelo de lenguaje como prior para recuperar un programa a partir de ejemplos de entrada-salida. El algoritmo propuesto demuestra una mejora en la precisión sobre el agente basado solo en el modelo de lenguaje, logrando una mejora de hasta 22 puntos porcentuales con menos ejemplos de entrada-salida.
Aprendizaje guiado por preferencia en el conjunto de Pareto mediante optimización Min-Max-Min
Se presenta un nuevo algoritmo de primer orden, ParetoM^3, diseñado para resolver problemas de optimización multi-objetivo guiada por preferencia. Este método busca unificar la optimización de preferencias con la aplicación de la optimidad de Pareto débil mediante una formulación min-max-min. Los experimentos demuestran que el algoritmo logra soluciones óptimas de Pareto débil preferidas con un rendimiento práctico sólido.
Inyectar un giro, no un token: Aprendiendo dónde redirigir el razonamiento del LLM para la autocorrección
Se presenta un método llamado UPTURN para mejorar la capacidad de los modelos de lenguaje grandes para corregir sus propios errores de razonamiento. Este enfoque permite redirigir el razonamiento mediante la inyección de instrucciones en un nuevo turno de usuario, logrando mejoras en la precisión en varios benchmarks matemáticos. El marco UPTURN no requiere ajuste fino del LLM y supera a otros métodos de corrección existentes.