Buscar noticias

Buscá por texto y descubrí noticias relacionadas con tu consulta.

Noticias relevantes

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

El nuevo Flipper One es un PC Linux portátil que puedes llevar en tu bolsillo y se vende a cero beneficio

Se lanzó el Flipper One, un ordenador portátil basado en Linux, a través de una campaña de crowdfunding con un precio de $399. El dispositivo utiliza el sistema operativo Flipper OS y puede funcionar como PC de escritorio o dispositivo portátil, ofreciendo capacidades como VPNs y conectividad múltiple. La compañía afirma que el precio cubre el costo de producción y no genera margen de beneficio.

Periodista: Tyler Cross

Personas mencionadas

Hospital entrega PC especial a doctor muy enfermo para uso personal

Un doctor investigador, conocido por su consumo de entretenimiento para adultos, causó una infección de malware en su PC, lo que llevó a una investigación interna. El hospital finalmente implementó una política para restringir el uso de PCs para asuntos personales y, posteriormente, los estudiantes del doctor interpusieron una demanda.

Periodista: Simon Sharwood

Personas mencionadas

Tecnólogo manipula un ventilador defectuoso cerca de líquido inflamable y una placa base expuesta, y lo deja funcionar por días

Un lector llamado Axl manipuló una PC en una gasolinera que dejó de funcionar, sospechando sobrecalentamiento. Él instaló una solución temporal con un ventilador de extracción para mantener el sistema operativo durante varios días. El ingeniero de soporte llegó y reemplazó el componente fallido, y no hubo víctimas, asegurando que los turistas regresaron satisfechos.

Periodista: Simon Sharwood

Personas mencionadas

Veredicto final de Slayyyter: un disco saturado e industrial que le da identidad propia

El tercer disco de Slayyyter, WOR$T GIRL IN AMERICA, utiliza una producción saturada e industrial para darle identidad propia, marcando un giro respecto al sonido anterior. Aunque la segunda mitad del álbum presenta temas con letras débiles, los momentos donde el ruido se retira permiten que la voz se exprese de manera más suave y expresiva. El álbum es calificado como el más ambicioso y logrado hasta la fecha, combinando la intensidad sonora con una vulnerabilidad en su desenlace.

Periodista: Abe Saca

Kim Gordon – PLAY ME

Kim Gordon lanza su tercer disco, PLAY ME, utilizando canciones cortas y producción industrial para desafiar al algoritmo del streaming. El álbum explora temas políticos y opresivos, criticando la tecnocracia y la manipulación del sistema. La obra demuestra cómo la brevedad y la suciedad de la producción pueden ser una estrategia efectiva para contestar las reglas del sistema digital.

Periodista: Abe Saca

Linux se une a la flota de pantallas de información inoperativas de Heathrow

Linux ha demostrado ser tan capaz como Windows en términos de fallos, y Heathrow está explorando el uso de hardware basado en Raspberry Pi para sus nuevas pantallas. Se destaca la flexibilidad en la distribución de contenido y la eficiencia energética de las nuevas soluciones de hardware.

Periodista: Richard Speed

Personas mencionadas

Linux está obteniendo una herramienta que causa fallos en el sistema de forma intencionada

Se presenta una nueva herramienta en el kernel de Linux llamada hwpoison-panic diseñada para inducir fallos de memoria intencionales. Esta herramienta permite a los desarrolladores probar la respuesta del kernel ante errores de memoria irrecuperables, simulando fallos de hardware para verificar la estabilidad del sistema. El objetivo es que el kernel realice un pánico inmediato, lo cual es crucial para el desarrollo y la depuración de sistemas operativos.

Periodista: Tyler Cross

Personas mencionadas

La mejor manera de detener la propagación de una idea es un incendio controlado

El texto describe una situación de crisis en un edificio donde se sospecha la propagación de un virus, desencadenada por una idea impulsiva. Los personajes intentan detener la situación mediante la desactivación de sistemas y la destrucción de dispositivos. Finalmente, se confirma que el fuego se originó por un acelerante desconocido, aunque la idea inicial no fue la causa directa.

Periodista: Simon Travaglia

Personas mencionadas

Alguien usó Claude para construir un chatbot que cabe en un disco flexible

Se presenta Tiny-2.1, un chatbot construido con Claude que se ejecuta en DOS con una memoria muy limitada. Aunque puede realizar tareas básicas como trivia y aritmética, su precisión disminuye significativamente al responder preguntas con redacción nueva. El texto concluye que es más una prueba de concepto que un modelo práctico para uso diario, aunque es útil para probar la capacidad de modelos pequeños.

Periodista: Hamed Paydarfar

Personas mencionadas

Descubierta la causa inesperada del ruido de la computadora

Se reveló que el ruido de la computadora puede deberse a la carga de la tarjeta gráfica y la acumulación de polvo en el sistema de refrigeración. El aumento de temperatura provoca que los ventiladores trabajen más rápido, y la vibración de componentes puede generar ruidos. Se recomienda limpiar el dispositivo de polvo y revisar si el ventilador está desgastado.

Periodista: Андрей Ставицкий

Personas mencionadas

Noticias encontradas

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

Resultados para «Bleeping Computer»

Más recientes primero · Hasta 30 noticias por página

Políticas robustas a la perturbación de aprendizaje para agentes de LLM con optimización estable

Se investiga cómo mejorar la robustez a la perturbación en la optimización de políticas para agentes de LLM mediante el aprendizaje por refuerzo. Se introduce la Optimización de Política Robusta a la Perturbación Estable (SPrPO) para aplicar perturbaciones adaptativas durante el entrenamiento de RL. Los experimentos demuestran una mayor robustez a la perturbación manteniendo una optimización de política estable.

Periodista: Pengxin Wang, Yuanzhe LI, Yuxin Ren, Huanrui Yang, Jingdi Chen

Personas mencionadas

Comunicación semántica consciente de la importancia del token permite transmisión de video robusta

Se propone un marco de comunicación semántica consciente de la importancia del token (Ti-SemCom) para mejorar la transmisión de video eficiente en ancho de banda. Este método extrae información de objetos y movimiento para seleccionar dinámicamente tokens relevantes según su importancia y el ancho de banda disponible. Los experimentos indican una reducción del 88.3% en el costo de comunicación manteniendo una calidad de reconstrucción competitiva.

Periodista: Xiwen Zhang, Yubo Peng, Luping Xiang, Kun Yang

Personas mencionadas

Mapeo Cognitivo del Aprendizaje por Mecanismos de Pensamiento en Modelos de Lenguaje Grande

El artículo propone un Marco Cognitivo de Aprendizaje por Pensamiento (LbT) para mapear cuatro mecanismos (Razonamiento Reflexivo, Memoria Sintética, Simulación Interna y Autoorganización Conceptual) en los modelos de lenguaje grandes (LLMs). Se analiza cómo métodos como el prompting de cadena de pensamiento pueden aproximar estos mecanismos, aunque también se identifican fallos como la alucinación y el colapso del modelo. El marco ofrece una base para diseñar sistemas de aprendizaje autónomo más fiables.

Periodista: Dong Han, Jin Zhang, Kunyue Yang

Personas mencionadas

Ingeniería de conocimiento controlado para la inducción de taxonomías con agentes LLM basados en herramientas y políticas adaptativas en tiempo de ejecución

Se presenta TIGA, una arquitectura de ingeniería de conocimiento que utiliza agentes LLM con herramientas y políticas adaptativas en tiempo de ejecución para la inducción de taxonomías. Esta arquitectura busca mejorar la construcción de representaciones de conocimiento estructuradas, abordando problemas de coherencia y validez jerárquica. Los resultados indican que esta metodología ofrece los mejores resultados estructurales, aunque implica un mayor costo en términos de consumo de recursos computacionales.

Periodista: Jonas Limniatis, Bennet Schaarmann, Georg Reuber, Robert Stahlbock

Personas mencionadas

AnalogRetriever: Aprendizaje de Representaciones Cross-Modal para Recuperación de Circuitos Análogos

Se presenta AnalogRetriever, un marco de recuperación tri-modal unificado para la búsqueda de circuitos analógicos, diseñado para superar las limitaciones de los métodos existentes que solo manejan una modalidad. El sistema utiliza modelos vision-lenguaje y redes neuronales para codificar esquemáticos y netlists, logrando un Recall@1 del 75.2% en las pruebas. Se demuestra que esta técnica mejora las tasas de éxito funcional al integrarse en el marco AnalogCoder.

Periodista: Yihan Wang, Lei Li, Yao Lai, Jing Wang, Yan Lu

Personas mencionadas

Medición de agentes de codificación fronterizos en tareas de ingeniería de software autorizadas por expertos en bases de código desconocidas

Se presenta ExpertCrowd-SWE, una métrica para evaluar agentes de codificación autónomos en tareas de ingeniería de software complejas en bases de código desconocidas. El estudio compara siete modelos fronterizos, destacando a Claude Opus 5.5 y GPT-6 Astra como líderes. Los resultados muestran que no todos los modelos resuelven todas las tareas, con puntuaciones que varían significativamente según el modelo utilizado.

Periodista: Josip Vrdoljak, Akash Singh, Bas Steunebrink, Alex Yarotsky, John Lorenzo, Achille Nicoletti, Sam Pigott

Personas mencionadas

Benchmarking de agentes LLM para el diseño de esquemas de circuitos personalizados

Se presenta ICLayout-Bench, un punto de referencia para evaluar agentes de LLM en el diseño de esquemas de circuitos personalizados utilizando herramientas EDA. El benchmark evalúa la construcción y optimización de diseños GDSII a partir de listados de circuitos a nivel de transistor. Los resultados miden el rendimiento eléctrico y el área de los diseños, con puntuaciones que varían significativamente según si son tareas públicas o privadas.

Periodista: Zhangmai Li, Tianrui Ma, Zheng Weng, Mo Zou, Zidong Du, Yifan Hao, Yongwei Zhao, Wei Li, Jing Li, Qi Guo, Yunji Chen

Aprendizaje por refuerzo sobre trayectorias de pacientes para el razonamiento clínico en modelos fundacionales de EHR

Se propone un marco de ajuste fino por aprendizaje por refuerzo (RL) para mejorar las capacidades de razonamiento clínico de los modelos fundacionales de registros de salud electrónicos (EHR) entrenados con trayectorias longitudinales de pacientes. Este enfoque busca superar las limitaciones de la predicción de siguiente token en datos incompletos. Los resultados indican que el ajuste fino por RL mejora el rendimiento y facilita la transferencia de conocimiento entre tareas.

Periodista: Yuxin Xiao, Sheng Zhang, Chandan Singh, Tristan Naumann, Hoifung Poon, Jianfeng Gao, Xiaodong Liu

Personas mencionadas

Aprendizaje de representación relacional consciente del razonamiento para la generación de grafos de escena de vocabulario abierto

Se propone RaRe, un marco de aprendizaje de representación relacional consciente del razonamiento para mejorar la generación de grafos de escena de vocabulario abierto. Este método transforma las racionalizaciones de cadena de pensamiento (CoT) generadas por MLLM en incrustaciones de relación estructuradas. RaRe optimiza el espacio de representación para mejorar la discriminabilidad entre relaciones y lograr un reconocimiento mejorado en comparación con métodos previos.

Periodista: Jiawei Xiao, Boya Wang, Longtian Qiu, Shan Ning, Xuming He

Personas mencionadas

Darmok: Solución de crucigramas criptográficos del campeonato mediante ajuste de restricciones y orquestación resiliente

Se presenta Darmok, un sistema automatizado que alcanzó un rendimiento superior al humano en crucigramas criptográficos británicos. Este sistema utiliza la verificación cruzada de pistas entre tres modelos de IA independientes para lograr alta precisión y velocidad. El sistema demostró resiliencia al mantener la solución incluso bajo condiciones de fallo del modelo principal, superando a los competidores humanos en el campeonato.

Periodista: Siddhartha Chatterjee (The University of Texas at Austin)

Personas mencionadas

GraphToolbox: Un marco configurable para la evaluación controlada de la predicción de redes neuronales gráficas

Se presenta GraphToolbox, un framework de Python de código abierto que unifica la construcción de grafos, la selección de modelos y la interpretación para la previsión de carga y carga neta de electricidad mediante Redes Neuronales Gráficas (GNNs). El framework se utilizó para comparar arquitecturas y modelos en la predicción de carga y carga neta en niveles regionales y nacionales. Los resultados indican que los modelos de grafos superan a las líneas de base tradicionales en la predicción de carga neta.

Periodista: Eloi Campagne

Personas mencionadas

Aprendizaje más allá de la manipulación rígida con robots híbridos blando-rígidos

Se presenta un sistema robótico híbrido que combina un brazo rígido con un manipulador blando. Este sistema utiliza un algoritmo de aprendizaje por imitación para adquirir habilidades de manipulación y generalizarlas. El sistema logra igualar o superar el rendimiento de los robots rígidos en tareas clásicas, además de permitir nuevos comportamientos como agarrar objetos por aperturas estrechas.

Periodista: Cosimo Della Santina

Personas mencionadas

Tiempo Reparametrizado Adaptativo para Muestreo Basado en Puntuación

Se propone el Tiempo Reparametrizado Adaptativo (ART) para el muestreo por difusión, buscando mejorar la asignación de pasos de tiempo al aprender una dinámica de tiempo inverso. Se introduce ART-RL, una formulación de aprendizaje por refuerzo para resolver el problema de control determinista. Los resultados demuestran que ART-RL mejora la calidad de la muestra en muestreadores existentes sin modificar el *pipeline* de muestreo.

Periodista: Yilie Huang, Wenpin Tang, Xun Yu Zhou

Personas mencionadas

Hacia RTL autónomo y optimización de síntesis: Evaluación y agentes auto-mejorables

Un artículo examina avances en modelos de lenguaje grandes y agentes autónomos para la optimización del diseño de hardware, enfocándose en la optimización autónoma de RTL y síntesis. Se presentan tres enfoques: benchmarking realista, optimización basada en herramientas y optimización específica del diseño. Se demuestra que un marco multiagente, Dr. RTL, logra mejoras significativas en WNS/TNS y reducción de área en diseños de RTL reales.

Periodista: Wenji Fang, Yao Lu, Jinghua Wang, Zhiyao Xie

Personas mencionadas

No se identificaron personas.

Especializando Meta Multi-Objectivization como base para la optimización de software

El artículo estudia la posibilidad de especializar el modelo Meta Multi-Objectivization (MMO) como una base general para diversos problemas de optimización de ingeniería de software. Se demuestra que MMO supera a otros optimizadores en un 79% y 94% de los casos, dependiendo de la elección del objetivo auxiliar. Se propone la herramienta L2RAC para recomendar automáticamente la mejor elección del objetivo auxiliar, mejorando la precisión en la selección.

Periodista: Chengjie Chuan, Pengzhou Chen, Tao Chen

Personas mencionadas

Un tokenizador multi-palabra para 204 idiomas que necesita menos tokens que GPT-4o

Se presenta un tokenizador Havon v3 y v4, y posteriormente v5, diseñado para manejar 204 idiomas, comparando su eficiencia de tokens frente al tokenizador de GPT-4o. Los resultados muestran que el tokenizador v4 y v5 logran una reducción en el número de tokens necesarios en comparación con GPT-4o en varios idiomas, especialmente en inglés y lenguas romances.

Periodista: Johin Johny, Ankur Ghosh, Shervin Sam

Personas mencionadas

Benchmarking de optimizaciones guiadas por proveedores en NPUs de borde: De NPU solo a rendimiento de extremo a extremo.

Se presenta una metodología de benchmarking para evaluar el rendimiento de las NPU de borde, comparando configuraciones de optimización guiada por el proveedor (VG-NPU y VG-E2E). Los resultados indican que VG-NPU mejora la precisión y la latencia de llamada en tiempo de ejecución, mientras que VG-E2E reduce la latencia a nivel de sistema, mostrando la importancia de evaluar las optimizaciones en diferentes niveles de despliegue.

Periodista: Youngjin Jo, Jihwan Kim, Minseok Choi, Kwanghoon Choi, Jusung Kang, Jaein Kim

Personas mencionadas

Gobernanza de la IA y el Principio de Frontera Prohibida

Este estudio desarrolla un marco integrado para evaluar la justicia de la inteligencia artificial a través de capas normativas, de datos, de modelo y gobernanza. Propone un Principio de Frontera Prohibida para asegurar que los agentes de IA no ejecuten acciones externas fuera de límites preautorizados. El marco incluye un Protocolo de Parada Segura de Principio Primero con mecanismos de monitoreo y autorización humana para garantizar la gobernanza.

Periodista: Na Young Ahn

Personas mencionadas

Reducción de varianza para gradientes de modelos de difusión

Se presenta CARV, un marco de contabilización de varianza consciente del cómputo para reducir la varianza de gradientes en modelos de difusión utilizados en tareas como texto a 3D y atribución de datos. Este marco utiliza muestreo jerárquico y técnicas como el muestreo de importancia del paso de tiempo para amortizar el costo computacional de las estimaciones Monte Carlo. Se demuestran mejoras significativas en el rendimiento computacional sin alterar el objetivo final.

Periodista: Jesse Bettencourt, Xindi Wu, Matan Atzmon, James Lucas, Jonathan Lorraine

Personas mencionadas

MC$^2$: Corrección de Monte Carlo para la resolución rápida de PDE elípticas

Se presenta MC$^2$, un solucionador híbrido de Red Neuronal-Monte Carlo para ecuaciones diferenciales parciales (PDE). Este método logra una precisión superior a la de los métodos clásicos utilizando muchas menos muestras de Monte Carlo. Además, se lanza PDEZoo, un conjunto de datos estandarizado para la resolución de PDE, facilitando estudios reproducibles en el campo.

Periodista: Ethan Hsu, Hong Meng Yam, Ivan Ge

Personas mencionadas

Refactorización coordinada de renombrado por múltiples agentes

Se presenta un marco multi-agente diseñado para automatizar el renombrado coordinado en desarrollo de software. Este sistema utiliza agentes para inferir el alcance de las refactorizaciones relacionadas a partir de una refactorización inicial del desarrollador. El objetivo es reducir la carga de los desarrolladores al automatizar tareas repetitivas y complejas de renombrado.

Periodista: Abhiram Bellur, Mohammed Raihan Ullah, Dima Golubenko, Fraol Batole, Mohit Kansara, Masaharu Morimoto, Kai Ishikawa, Haifeng Chen, Yaroslav Zharov, Timofey Bryksin, Tien N. Nguyen, Hridesh Rajan, Danny Dig

RamanPFN: Marco de fundación espectral guiado por física para aprendizaje en contexto a través de diversas aplicaciones Raman

Se presenta RamanPFN, un marco de fundación espectral guiado por física diseñado para la inferencia en contexto unificada mediante aprendizaje espectral. Este modelo aborda las limitaciones de los modelos de aprendizaje automático al integrar la mezcla aditiva de espectros y la localidad de las bandas vibracionales. Los resultados demuestran que RamanPFN supera a otros métodos en múltiples tareas de regresión y clasificación, mejorando significativamente la precisión y la eficiencia del análisis cuantitativo de datos espectroscópicos.

Periodista: Xingyu Pan, Huan Wang, Jinjia Guo, Zhenlin Zhao, Siming Dong, Jixi Lu

Personas mencionadas

Una política para 100 tareas domésticas: Nuestra solución para el Desafío de Comportamiento 2026

Un equipo obtuvo el noveno lugar en la clasificación final del Desafío de Comportamiento 2026 por su solución para 100 tareas domésticas en el simulador OmniGibson. La solución se basa en un modelo VLA y se optimizó mediante un entrenamiento prolongado y técnicas de *flow matching* para mejorar el rendimiento. Además, 14 tareas fueron dirigidas a un agente de codificación GPT-6 Astra, logrando un rendimiento superior en comparación con la política aprendida.

Periodista: Ilia Larchenko, Gleb Zarin, Atindra Nair, Keerti Manney, Vitaly Kleban, Mirko Kiefer, Anjana Yodaiken

Personas mencionadas

Intervenciones de modelado propio pueden modular el desalineamiento emergente

Se investigan intervenciones de modelado propio, como el autoconocimiento y los autoinformes, para modular el desalineamiento emergente (EM) en modelos de lenguaje grande. Los experimentos demuestran que el ajuste fino del autoconocimiento reduce el desalineamiento sin afectar métricas individuales, sugiriendo que la fortificación del carácter es clave para la prevención. Los resultados reencuadran el EM como una desestabilización del carácter alineado del modelo, en lugar de la adopción de una persona mal alineada.

Periodista: Arush Tagade, Shaoheng Zhou, Jiaxin Wen, Shi Feng

Personas mencionadas

TRACE: Currículo de razonamiento basado en reglas de negocio para la recuperación de herramientas que preservan el conocimiento para la preservación del conocimiento en LLMs empresariales

Se presenta TRACE, un currículo de dos etapas diseñado para resolver la disociación entre la recuperación de herramientas y el conocimiento paramétrico en LLMs empresariales. La Etapa 2 del currículo entrena al modelo para emitir un rastro de pensamiento antes de generar tokens de herramientas, mejorando la comprensión y la precisión de recuperación en comparación con métodos anteriores. Los resultados indican que TRACE mejora significativamente la precisión de las pruebas MCQ y QA, logrando una alta tasa de recuperación en entornos de producción.

Periodista: Sai Shruthi Sistla, Ashutosh Hathidara, Christopher Toukmaji, Mayank Shrivastava, Karthikeyan Asokkumar

Personas mencionadas

¿Para qué sirve un artículo cuando las pruebas son abundantes?

La IA produce pruebas formalmente verificadas de problemas matemáticos, haciendo que el costo de obtener una prueba correcta se acerque a cero. El autor argumenta que el valor de un artículo reside en la narrativa, la intención del autor y la cadena de razonamiento, no solo en la corrección de la prueba. Se exploran roles de la IA en la investigación y cómo estos elementos son necesarios incluso cuando las pruebas son abundantes.

Periodista: Charles-Albert Lehalle

Personas mencionadas

Brasilidade: Medindo la identidad brasileña para modelos de lenguaje grandes

Se presenta una nueva metodología de evaluación llamada Brasilidade para medir las limitaciones de los Modelos de Lenguaje Grandes (LLMs) en portugués brasileño. La investigación demuestra que el tamaño del modelo no es el factor determinante del rendimiento, y que modelos de tamaño mediano superaron a los modelos más grandes en los protocolos evaluados. Esto subraya la necesidad de nuevos benchmarks para mejorar el entrenamiento de modelos en este dialecto.

Periodista: William Alberto Cruz Castañeda PhD

TIB: Información de cuello de botella temperada por muestra para atribución multimodal más allá de la suposición de alineación

Se presenta el marco TIB, un enfoque de cuello de botella de información temperado por muestra, diseñado para la atribución multimodal. Este método busca modular la fuerza de la atribución según la fiabilidad intermodal, superando la suposición de alineación semántica entre modalidades. Los experimentos validan la efectividad del enfoque y confirman la limitación estructural de los métodos basados en IB bajo desalineación.

Periodista: Qiming Huang, Peixi Liu, Jianbo Jiao

Personas mencionadas

Sorpresa predictiva como cuello de botella de concepto auto-referenciado para series temporales interpretables

Se presenta ConceptTime, un método que aborda la circularidad en la definición de límites de segmentos temporales mediante una señal auto-supervisada. Este enfoque busca definir límites de segmentos basándose en cómo se comportan en relación con la expectativa, logrando competitividad con métodos de caja negra y superando a las líneas de base interpretables.

Periodista: Sachith Abeywickrama, Emadeldeen Eldele, Min Wu, Xiaoli Li, Chau Yuen

Personas mencionadas

Descubrimiento Contrastivo: Descubrimiento científico abierto sobre explicaciones competitivas

Se presenta el Descubrimiento Contrastivo, una técnica que utiliza conjuntos de explicaciones competitivas para guiar a los agentes de LLM en el descubrimiento científico. Este método busca resolver preguntas científicas utilizando evidencia para concentrar la creencia en una explicación específica. Los resultados indican que los conjuntos de contraste son más efectivos que los métodos basados en hipótesis únicas para resolver preguntas científicas con el mismo presupuesto de validación.

Periodista: Ziang Liu, James J. Kim, Yijia Dai, Jennifer J. Sun

Personas mencionadas