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.

Periodista: Agencias

Personas mencionadas

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.

Periodista: Luis Torralba

Personas mencionadas

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.

Periodista: Luis Torralba

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.

Periodista: Estefanía Pastor León

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.

Periodista: Luis Torralba

Personas mencionadas

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.

Periodista: Agencias

Personas mencionadas

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.

Periodista: Minjae Kwon, Amir Moeini, Shangtong Zhang, Lu Feng

Personas mencionadas

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.

Periodista: Ben Jiang

Personas mencionadas

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.

Periodista: El Destape

Personas mencionadas

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.

Periodista: Gonzalo Miranda

Personas mencionadas

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

Intervención impulsada por candidatos para una ejecución disciplinada en agentes de uso de computadora local

Se presenta el marco CANDID, un sistema de control de ejecución diseñado para mejorar la fiabilidad de agentes de uso de computadora locales en entornos con recursos limitados. Este marco utiliza una intervención a nivel de ejecución para corregir fallos en bucles de acción y decisiones prematuras. Los experimentos indican que CANDID mejora las tasas de éxito al superar a alternativas basadas en retroalimentación con baja sobrecarga de ejecución.

Periodista: Woongkyu Lee, Jungwook Choi

Personas mencionadas

Un modelo de muestreo diverso a partir de modelos de lenguaje

Se formaliza la generación diversa mediante el muestreo de un subconjunto de tamaño K de cadenas completas a partir de un proceso de punto de probabilidad determinista (DPP). Se propone PoolDPP para manejar la intratabilidad de la inferencia exacta, extrayendo un conjunto de candidatos finito y ponderando por importancia los candidatos hacia la calidad deseada. Experimentalmente, PoolDPP mejora la frontera calidad-diversidad en generación de texto abierto y precisión-recuperación en traducción de texto a SQL y razonamiento matemático.

Periodista: Manuel Prada-Corral, Yahya Emara, Timothy J. O'Donnell, Ryan Cotterell, Tim Vieira

Personas mencionadas

Rotaciones temporales online para la cuantización de KV-Cache de 2 bits en transformadores de difusión de video

Se propone la Cuantización por Rotación Temporal (TRQ) para mejorar la eficiencia de la generación de video al rotar fotogramas adyacentes en la caché KV antes de la cuantización. Este método busca optimizar la reutilización de cachés clave-valor, logrando mejoras significativas en métricas de consistencia en benchmarks como VBench. La técnica utiliza rotaciones planas de 2x2 con dos bits para mantener la ligereza del formato de cuantización.

Periodista: Ryan Lucas, Petros Prastakos, Rahul Mazumder

Personas mencionadas

Verificación de integridad de comportamiento para habilidades de agentes de IA

Se presenta un marco de verificación de integridad de comportamiento (BIV) para habilidades de agentes de IA, comparando capacidades declaradas y reales. El análisis revela una brecha significativa en la implementación de las habilidades, con el 80.0% de las habilidades mostrando desviaciones en la taxonomía. El método BIV logró un F1 de 0.949 en la detección de habilidades maliciosas, superando a los métodos existentes.

Periodista: Yuhao Wu, Tung-Ling Li, Hongliang Liu

Personas mencionadas

RegionAgent: Optimización de Preferencia de Dos Etapas para la Restauración de Imágenes Regional

Se propone RegionAgent, un marco de restauración adaptativo que utiliza un Modelo de Lenguaje-Visión (VLM) entrenado con aprendizaje de preferencia de dos etapas para generar acciones de restauración específicas por región. El método utiliza DPO a nivel de paso y a nivel de trayectoria para supervisar la selección de acciones, abordando los desafíos de las degradaciones no uniformes. Los experimentos demuestran un fuerte rendimiento de restauración en condiciones de degradación mixta y simple.

Periodista: Weiyu Zhou, Jiacong Tang, Tao Hu, Axi Niu, Jinqiu Sun, Peng Wu, Wei Dong, Qingsen Yan

Personas mencionadas

Pro$^2$ Agent: Sondaje de problemas científicos para I+D autónoma de IA

Se presenta el Pro$^2$ Agent, un agente de IA diseñado para la investigación autónoma, que transforma el estado de la investigación de una base de código a un Estado de Problema estructurado. Este agente realiza investigación dirigida y pruebas de hipótesis para relacionar problemas con soluciones candidatas. Los resultados muestran que Pro$^2$ Agent alcanza el rendimiento más alto en el benchmark MLE-Bench.

Periodista: Yixiong Chen, Liqian Peng, Tian Tan, Ziqian Lin, Blake Jianhang Chen, Chao Zhao, Yaojie Liu, Alec Go, Alan Yuille

Personas mencionadas

REACT: Análisis y control temprano de trayectorias de cadena de pensamiento

Se presenta REACT, una intervención de activación condicional diseñada para intervenir en los estados tempranos del razonamiento de modelos de cadena de pensamiento (CoT) con el fin de mejorar su seguridad. El estudio demuestra que las ediciones específicas del sitio concentran las ganancias de seguridad en los tokens iniciales de CoT, y que mantener una dirección efectiva y un presupuesto de edición fijo maximiza las ganancias tempranas. Además, REACT incrementa significativamente la tasa de salidas de respuesta de CoT totalmente seguras en un modelo específico.

Periodista: Hanwen Zhang, Enyi Jiang, Ruike Zhu, Qinan Yu, Sanmi Koyejo

Personas mencionadas

MAWAM: Un modelo de acción de mundo multiagente para manipulación coordinada

Se presenta MAWAM, un modelo de acción de mundo multiagente diseñado para la manipulación coordinada de robots. Este modelo genera las vistas futuras y acciones ejecutables de los robots de manera conjunta. MAWAM demostró un alto rendimiento en tareas de manipulación con robots reales y simulaciones, superando a modelos previos en control coordinado.

Periodista: Xianzhe Fan, Chi-Pin Huang, Fu-En Yang, Jing Wang, Yecheng Wu, Yu-Cheng Chou, Johan Bjorck, Jan Kautz, Yu-Chiang Frank Wang, Zhiding Yu, Hengshuang Zhao, Zhiqi Li

OpenTME: Un conjunto de datos abierto de perfiles del microambiente tumoral impulsados por IA desde TCGA

Se presenta OpenTME, un conjunto de datos abierto de perfiles del microambiente tumoral (TME) generados a partir de 5,268 imágenes de histopatología H&E del TCGA para diez tipos de cáncer. Los perfiles se obtuvieron mediante una aplicación de IA que realiza análisis detallados del tejido, incluyendo la detección de células y estructuras linfoides. Este recurso busca servir como herramienta para el descubrimiento de biomarcadores y la investigación de biología espacial en oncología.

Periodista: Maaike Galama, Nina Kozar-Gillan, Christina Embacher, Todd Dembo, Cornelius Böhm, Evelyn Ramberger, Julika Ribbat-Idel, Rosemarie Krupar, Verena Aumiller, Miriam Hägele, Kai Standvoss, Gerrit Erdmann, Blanca Pablos, Ari Angelo, Simon Schallenberg, Andrew Norgan, Viktor Matyas, Klaus-Robert Müller, Maximilian Alber, Lukas Ruff, Frederick Klauschen

Ataque DMT: Búsqueda de Textura Prioritaria para Políticas de Visión-Lenguaje-Acción

Se presenta DMT-Attack, un ataque de caja gris sin gradiente diseñado para generar texturas que interrumpan la retroalimentación visual en políticas de visión-lenguaje-acción (VLA). El ataque busca texturas naturales en la distribución de un modelo de difusión para afectar la toma de decisiones de bucle cerrado. Los resultados muestran que este ataque logra una tasa de éxito de ataque macro del 57.9%, sugiriendo vulnerabilidades en la dependencia de la apariencia visual para la toma de decisiones.

Periodista: Jun Xia, Shangwen Wang, Jun Ma, Ruichao Ren, Zhouyang Jia, Xin Zhao, Huijun Liu, Jie Yu

Personas mencionadas

Capturando la dinámica del aprendizaje en contexto con operadores de tarea

Se investiga el aprendizaje en contexto (ICL) en modelos de lenguaje, buscando mejorar su eficiencia y comprensión mecánica. Se introduce el Operador de Tarea (TO), que mejora el rendimiento en tareas complejas y reduce la diferencia entre la inferencia de cero-shot y el ICL. El estudio demuestra que el conocimiento se concentra en un circuito disperso específico de la tarea.

Periodista: Guangzhi Xiong, Zhenghao He, Bohan Liu, Sanchit Sinha, Wenqian Ye, Aidong Zhang

Personas mencionadas

SailSearch: Descubrimiento Asistido por Agentes en Optimización Combinatoria

Se presenta SailSearch, un flujo de trabajo guiado por humanos para investigación algorítmica utilizando agentes de modelo de lenguaje. Se reportan resultados en problemas de Market Split y máximo conjunto independiente (MIS), encontrando soluciones con CPU y acercándose al óptimo en instancias de optimización combinatoria.

Periodista: Dhriti Verma, Kanthi Sarpatwar, Vinicius Lima, Dzung Phan, Jayant Kalagnanam

Personas mencionadas

¿Por qué los LLM ayudan con solicitudes de mala conducta científica y qué hacer al respecto?: Aumentando la fiabilidad de la IA para la ciencia

Los modelos de lenguaje grandes (LLM) pueden apoyar la investigación científica, pero su asistencia puede comprometer la integridad de la investigación. Se investigó cómo los LLM manejan solicitudes de mala conducta científica y se encontraron fallos en su capacidad para reconocer o rechazar dichas solicitudes. Se proponen mejoras en los *system-prompt* para aumentar la fiabilidad de la IA en contextos científicos.

Periodista: Almene De Meran Meguimtsop, Daniel E. Acuna

Personas mencionadas

No se identificaron personas.

El complemento faltante: Evidencia mínima suficiente condicionada por el estado para la codificación de agentes

Se presenta una metodología para la recuperación de evidencia mínima suficiente condicionada por el estado para agentes de codificación. El enfoque busca recuperar una combinación de evidencia compacta que cubra lo que falta para la próxima decisión del agente. Los resultados demuestran que esta técnica supera a métodos basados en el *reranking* al recuperar conjuntos completos de evidencia.

Periodista: Zhexi Feng, Ruiyi Zhang, Yongbo Yang, Pengtao Xie

Personas mencionadas

AIstatLab en la Tarea 3 del BraTS-GoAT 2026: Etiquetado Pseudo-etiquetado de Control de Calidad y Adaptación de Expertos Densa

Se presenta una evaluación en la Tarea 3 del BraTS-GoAT 2026 enfocada en la segmentación de tumores cerebrales utilizando IA. Se desarrolla un ResidualEncoderUNet 3D con pseudo-etiquetas de control de calidad y adaptadores de expertos para mejorar la precisión en la segmentación de imágenes médicas. Los resultados indican un buen rendimiento en la validación con métricas como DSC y NSD.

Periodista: Heeseung Shin, Changwon Lim

Personas mencionadas

Representaciones Neuronales Implícitas de Comportamiento Individual

Se presenta el Behavioral INR, un modelo generativo auto-supervisado que adapta representaciones neuronales implícitas (INR) desde la visión al comportamiento. Este modelo permite inferir la identidad de una política sin supervisión al representar la política como una función estado-acción. Se evalúa su rendimiento en diversos entornos como robótica, ajedrez y carreras de Fórmula 1, mejorando la identificabilidad de la política en escenarios complejos.

Periodista: Andrew Kang, Priya Narasimhan

Personas mencionadas

Composición de habilidades sin demostración para navegación y manipulación

Un artículo evalúa *pipelines* jerárquicos sin demostración para navegación MiniGrid y manipulación robótica, comparándolos con métodos de aprendizaje por refuerzo plano. Los resultados indican que el enfoque jerárquico supera a las líneas base DQN planas y requiere menos interacciones de entrenamiento. Además, la cadena jerárquica necesita menos pasos de entrenamiento que SAC plano y muestra menor variación entre semillas.

Periodista: Madeleine Nouri, Gelareh Mohammadi, Francisco Cruz

Personas mencionadas

Dualidades gravitacionales de estados II: Jerarquías grandes y vacíos falsos

Se investiga la reconstrucción de duales holográficos para teorías de campos cuánticos fuertemente acoplados en regímenes con grandes jerarquías y vacíos falsos. Se desarrollan avances metodológicos basados en PINNs para reconstruir potenciales escalares, logrando un acuerdo robusto con la termodinámica física a pesar de la rigidez numérica. Los resultados extienden el puente entre holografía y aprendizaje automático, sugiriendo nuevas perspectivas sobre sistemas fuertemente acoplados.

Periodista: Pablo Tejerina Pérez

Personas mencionadas

Detección de errores en línea en videos procedimentales condicionados por instrucciones

Se estudia la detección de errores en línea en videos egocéntricos condicionados por instrucciones. El modelo propuesto identifica y clasifica intentos de acción como correctos, modificados, deslizamientos, correcciones o adiciones. Se compara un modelo modular con uno conjunto, mostrando que el modelo conjunto logra una mejor detección de errores binarios.

Periodista: Amit Feldman, Ilan Shimshoni, Rotem Dror

Personas mencionadas

De retratos a patología: Explorando el exceso de diagnóstico en modelos de lenguaje y visión

Un artículo sobre modelos de lenguaje y visión (VLMs) fue retirado por sus autores debido a inconsistencias en la abstención de juicios diagnósticos médicos basados en expresiones faciales. El estudio examinó si estos modelos evitan atribuir diagnósticos para trastornos como el autismo o la depresión, encontrando que los modelos pueden hacer juicios diagnósticos a pesar de las restricciones. Los autores sugieren la necesidad de medidas de seguridad más estrictas en el entrenamiento y despliegue de estos modelos.

Periodista: Karan Dua, Amit Agarwal, Hitesh Laxmichand Patel, Hansa Meghwani, Jyotika Singh, Ranjeet Gupta, Graham Horwood, Tao Sheng, Avi Sil, Sujith Ravi, Dan Roth

Balance de Benchmarks: Retención de Evidencia y Comparación de Modelos

El artículo presenta el Balance of Benchmarks (BoB) para controlar la retención de evidencia y la influencia de los benchmarks en la comparación de modelos. Se introduce un método para retener observaciones elegibles y ponderar su influencia por separado. Los resultados demuestran que la expansión de la colección mejora la predicción y que la ponderación de densidad aumenta la robustez frente a la multiplicidad de reportes.

Periodista: Jhen-Ke Lin, Hong-Yun Lin

Personas mencionadas

Salvaguardando LLMs mediante señales de seguridad latente model-agnósticas a partir de conocimiento oscuro

Se presenta LADE (Latent Safety Signals for Defense) para mejorar la seguridad de los LLMs mediante la detección de señales de seguridad latente en el conocimiento oscuro. Este método busca superar las limitaciones de las defensas existentes al proporcionar una dirección model-agnóstica para la seguridad. LADE es robusto contra ataques de jailbreak y mantiene un equilibrio competitivo entre seguridad y utilidad.

Periodista: Wonjun Lee, Kyungsik Yang, Gaeun Ji, Vaidehi Patil, Haon Park, Bumsub Ham, Mohit Bansal, Suhyun Kim

Personas mencionadas

Evaluación robusta de LLM con jueces deficientes: Un enfoque de máxima verosimilitud restringida

El artículo propone la estimación de máxima verosimilitud restringida (CMLE) para evaluar modelos de lenguaje grandes (LLM), abordando el desafío de conciliar etiquetas confiables con etiquetas proxy ruidosas. Se demuestra que CMLE reduce significativamente el error cuadrático medio (MSE) en comparación con otras metodologías, especialmente en regímenes de bajo número de etiquetas.

Periodista: Minghe Shen, Ananth Balashankar, Adam Fisch, David Madras, Miguel Rodrigues

Personas mencionadas

STEPQuant: Cuándo y dónde importan los errores en la cuantización de estados recurrentes Delta-Rule

Se presenta STEPQuant, un marco de cuantización post-entrenamiento espacio-temporal para estados recurrentes de Delta-rule. Este método asigna precisión basada en la magnitud del error y la vida útil de la memoria. Los experimentos demuestran que STEPQuant logra una precisión similar a FP32 con un presupuesto de 6 bits y reduce la memoria de servicio hasta en 68.7%.

Periodista: Bingchen Yao, Haobo Xu, Haokun Lin, Yichen Wu, Ziyu Guo, Renrui Zhang, Zhichao Lu, Zhenan Sun, Ying Wei

Personas mencionadas

Ajustes en el ajuste fino de modelos de lenguaje visual agrícola

Se presenta AgroGround, un conjunto de datos para entrenar modelos de lenguaje visual agrícola, y se investigan los efectos del ajuste fino con anclaje en las capacidades de localización, reconocimiento y rechazo. Los resultados indican que el ajuste fino con anclaje altera el equilibrio entre estas tres capacidades en lugar de mejorar todas de manera uniforme. Se observa que la localización se transfiere más de forma fiable que el reconocimiento y el rechazo específico del objetivo.

Periodista: Abdulla Alshehhi, Zongyan Han, Rao Muhammad Anwer

Personas mencionadas

SPARK: Participación de Conocimiento Paramétrico Adaptativa para Recuperación Aumentada Fiel

Se presenta SPARK, un marco que regula adaptativamente la contribución del conocimiento paramétrico en los LLM mediante un problema de aprendizaje de política de participación. Este enfoque permite modular dinámicamente el conocimiento paramétrico mientras se mantiene el LLM base congelado. Los experimentos demuestran que SPARK logra una generación más fiel utilizando solo un 0.01% de parámetros entrenables adicionales.

Periodista: Ruochang Li, Pengcheng Huang, Zhenghao Liu, Yukun Yan, Huiyuan Xie, Yu Gu, Ge Yu, Maosong Sun

Personas mencionadas

¿Pueden las vistas controladas independientemente describir un mundo compartido?

Se presenta MultiWorldBench, un benchmark de Minecraft para evaluar modelos de mundo multijugador, midiendo capacidades como control independiente y sincronización de estado. Se comparan modelos como Gamma-World y Solaris (MP) contra Engine GT. Los resultados indican que los modelos actuales tienen una brecha significativa en mantener un mundo compartido coherente.

Periodista: Zhangbo Xu, Ruoxi Zhang, Rui Hu, Yisong Wang, Xitong Li, Jingdong Wang

Personas mencionadas

Estados cuánticos Hall no abelianos en niveles de Landau fuertes: hallazgo de anyones con inteligencia artificial de primeros principios

Se presenta la primera solución completa del problema de Hall cuántico no abeliano que incluye todos los electrones y niveles de Landau para electrones polarizados de espín en el factor de llenado $\nu = 3/2$. Se utiliza una función de onda variacional de red neuronal para descubrir un conjunto de estados fundamentales degenerados que revelan anyones con dimensión cuántica $\sqrt{2}$, característicos del orden no abeliano tipo Ising. Los resultados indican que la mezcla de niveles de Landau favorece el estado anti-Pfaffian.

Periodista: Pierre-Antoine Graham, Ahmed Abouelkomsan, Liang Fu

Personas mencionadas

No se identificaron personas.

Lo que muestra la traza y lo que dice la etiqueta: Auditoría de detectores de comportamiento en la evaluación de agentes

Se investiga la discrepancia entre las mediciones de evaluación de agentes de LLM y las trazas de ejecución. Se encontró que las etiquetas de verificación y propagación de fallos son poco fiables, especialmente cuando la salida de la herramienta es reemplazada sin una nueva verificación. Los hallazgos sugieren la necesidad de mayor transparencia en la medición de estos sistemas.

Periodista: Idunnuoluwa A. Adeniji, Shilpika, Michael E. Papka

Personas mencionadas

No se identificaron personas.

MINTEval: Evaluación de la memoria bajo interferencia de múltiples objetivos en sistemas de agente de horizonte largo

Se presenta MINTEval, un nuevo benchmark para evaluar el rendimiento de agentes con memoria aumentada en escenarios de horizonte largo con alta interferencia de información. El estudio evalúa sistemas como LLMs y RAG en tareas que requieren recuerdo de objetivos únicos y agregación de información, encontrando un rendimiento bajo, limitado por la recuperación y la construcción de la memoria.

Periodista: Hyunji Lee, Justin Chih-Yao Chen, Joykirat Singh, Zaid Khan, Elias Stengel-Eskin, Mohit Bansal

Personas mencionadas