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 dúo FunkyMo y Chen Yi-heng se unen con Lin Yu-xi para un trío limitado de tendencia taiwanesa
El décimo séptimo premio de composición de música Jin Yin se celebrará el 31 de octubre en Taipéi, destacando la colaboración intersectorial en su espectáculo. Se anunciaron tres dúos limitados, incluyendo a FunkyMo y Chen Yi-heng con Lin Yu-xi, y otros grupos que explorarán fusiones de géneros musicales como Funk, Hip-Hop y música folclórica. Lin Yu-xi expresó su motivación para participar, inspirada por sus colegas actores, y se preparó estudiando técnicas vocales y analizando la música de sus colaboradores.
Noticias encontradas
Coincidencias por palabras en títulos, resúmenes, temas, personas, lugares o firmas.
Resultados para «Lin Yu»
Más recientes primero · Hasta 30 noticias por página
Fuente termal cerca del aeropuerto de Kansai resuelve el dilema de elegir entre dos de tres baños
Se presenta Senshu no Yu, un balneario termal en la región de Osaka, que ofrece la combinación de ubicación conveniente, bonita vista y ambiente tranquilo. Este lugar fue seleccionado por usuarios por ser una opción que satisface estos tres criterios simultáneamente. Es una oportunidad para disfrutar de un baño termal sin sacrificar la conveniencia o la tranquilidad.
No se identificaron personas.
Agentes de borrador, no solo tokens: Mejora recursiva especulativa para sistemas agentes
Se propone Speculative Recursive Self-Improvement (SpecRSI), un marco de dos niveles que combina la búsqueda de agentes en el bucle interno con el aprendizaje del mejorador en el bucle externo. Este método busca mejorar agentes mediante revisiones sucesivas, asegurando que se utilicen solo versiones evaluadas para avanzar. Los resultados demuestran que SpecRSI supera a MetaRSI-v1 en puntuación del sistema y mejora la ganancia terminal en optimización científica.
CurveCodec 2: Compresión de animación sin dependencia de esqueleto con modelo de entropía aprendido
Se presenta CurveCodec 2, un códec de compresión de animación que utiliza un modelo aprendido para determinar la redundancia del movimiento esquelético. El nuevo códec logra una compresión significativa, reduciendo los bytes necesarios en comparación con el estándar ACL bajo diferentes contratos de error. Se demuestran eficiencias en la codificación y decodificación, alcanzando ratios de bytes muy bajos en pruebas rigurosas.
GSExplorer: Generación interactiva de mundo con estado Gaussiano persistente 3D
Se presenta GSExplorer, un marco de generación-reconstrucción basado en un estado de mundo Gaussiano 3D persistente para la generación interactiva de mundos. Este sistema utiliza condiciones de renderizado y reconstrucción SLAM para asegurar la consistencia de la escena a lo largo de la exploración. El método demuestra un rendimiento superior en evaluaciones de WorldScore, logrando alta consistencia y control de cámara en extrapolaciones de múltiples pasos.
MedCUA-Bench: Un benchmark de solo captura de pantalla para agentes de uso de computadora clínica
Se presenta MedCUA-Bench, un benchmark interactivo diseñado para evaluar la fiabilidad de los agentes de uso de computadora en entornos clínicos. Este benchmark cubre 18 escenarios clínicos en 10 dominios médicos, utilizando interfaces reconstruidas para simular entornos reales. El estudio compara el rendimiento de agentes de IA, mostrando diferencias significativas entre modelos de código cerrado y abierto en la ejecución de tareas clínicas. El objetivo es identificar la brecha entre los agentes actuales y el software clínico fiable.
PRIME: Enrutamiento Predictivo de Intervenciones Mediante Modelado de Efectos para la Ideación Científica
Se presenta PRIME, una capa de decisión de revisión para sistemas de LLM en ideación científica, diseñada para mejorar la iteración basada en retroalimentación. PRIME aborda el problema del desajuste diagnóstico-intervención, permitiendo construir intervenciones basadas en el modelado de efectos y la comparación de riesgos. Los resultados validan que PRIME mejora la calidad del sucesor y la fiabilidad del enrutamiento en comparación con las líneas base existentes.
SAMP: Priorización de Margen Autoadaptativa para Marcado de Agua de Difusión Robusto
Se presenta SAMP, un marco autoadaptativo para el marcado de agua en modelos de difusión, que ajusta la fuerza de incrustación y la prioridad de optimización de las dimensiones del marcado de agua. Este enfoque busca mejorar la robustez del marcado de agua al adaptar la fuerza de incrustación según la separación de códigos y priorizar dimensiones vulnerables a perturbaciones. Los resultados experimentales muestran mejoras significativas en la precisión de recuperación de información y en métricas como PSNR y LPIPS.
CoworkOS: Agente de Trabajo Escalable para la Automatización en el Mundo Real
Se presenta CoworkOS, un marco general para el trabajo de largo horizonte que separa la estrategia de la tarea de la gestión de la ejecución. Este sistema permite la colaboración humano-IA mediante la inspección y revisión conjunta de artefactos como documentos y modelos, permitiendo la participación humana a través de conversación o modificación directa. CoworkOS demuestra competitividad con agentes de vanguardia en múltiples benchmarks.
- Jiajie Jin
- Guanting Dong
- Chengjun Pan
- Xin Deng
- Zhuohui Sheng
- Guoqiang Wang
- Tao Gui
- Yutao Zhu
- Yujia Chen
- Shihong Yi
- Binze Hu
- Zhixiong Yang
- Zhichao Sun
- Rui Wang
- Han Han
- Mingyu Ma
- Junhao Huang
- Xiaotao Wang
- Huicheng Jiang
- Yuyang Hu
- Xinyu Yang
- Wanghan Xu
- Yajie Yang
- Zhecan Wang
- Honglin Guo
- Xiaoyu Xing
- Xiaoqian Zhang
- Yulun Zhu
- Xiaoxi Li
- Jiahang Lin
- Shaofan Liu
- Shihan Dou
- Zhiheng Xi
- Qi Zhang
- Yu-Gang Jiang
- See-Kiong Ng
- Yang Zhang
- Tat-Seng Chua
- Ji-Rong Wen
- Zhicheng Dou
Prueba programable inspirada en memoria de trabajo para el seguimiento de estado acumulativo en modelos de lenguaje grandes
Se presenta una sonda inspirada en memoria de trabajo para evaluar el seguimiento de estado acumulativo en modelos de lenguaje grandes (LLM). Los resultados indican que la precisión depende significativamente de los protocolos de salida y la cantidad de actualizaciones permitidas. Se demuestra que una fuerte aritmética de un solo paso no asegura un seguimiento acumulativo fiable.
Marco de detección de defectos fotovoltaicos autoevolutivo
Se propone SEPDD, un marco de detección de defectos fotovoltaicos autoevolutivo para escenarios industriales en evolución. Este marco optimiza la tubería de entrenamiento y evaluación mediante un mecanismo que reoptimiza el proceso ante indicadores de fallo o cambio en el entorno. Los experimentos demuestran que SEPDD supera a las líneas base existentes en la detección de defectos en conjuntos de datos públicos y privados.
Predicción de Atención en Investigación (RAP) en Agentes de Lenguaje
Se presenta el RAP, un punto de referencia para evaluar la capacidad de los agentes de LLM para inferir cambios en campos de investigación a partir de la evidencia recuperada. Los resultados indican que la búsqueda mejora el reconocimiento de cambios recientes, pero la capacidad de predecir cambios futuros sigue siendo limitada o negativa. Los agentes pueden reconocer cambios recientes, pero anticipar con fiabilidad la actividad de investigación futura resulta difícil.
Marco de diagnóstico formal para sistemas de reparación de grafos
Se presenta un marco de diagnóstico formal para métodos de reparación de grafos, abordando la necesidad de rigor en la calidad de las representaciones de datos basadas en grafos. El método propuesto utiliza un sistema de reescritura abstracta para introducir sistemáticamente violaciones del esquema y evaluar el rendimiento de diferentes métodos de reparación. Los resultados demuestran la efectividad del marco para diferenciar el rendimiento de distintos métodos bajo diversas restricciones.
Can Test-Time Reconstruction Cierra el Bucle en el Razonamiento Latente?
Se presenta ReLAT, un método de entrenamiento por prueba auto-supervisado que cierra el bucle del razonamiento latente utilizando la consulta como referencia. Este enfoque busca asegurar que un estado latente fielmente represente la consulta original, permitiendo la recuperación de la consulta a partir del estado latente. ReLAT mejoró la precisión AIME 2024 en Qwen3-8B de 56.7% a 73.3%, superando a la mejor línea base de colaboración latente en bucle abierto.
Investigadores de Inteligencia Artificial supervisada por humanos en sistemas de energía eléctrica: conocimiento, física, simulación y gobernanza para modelos de lenguaje grandes
Se revisan las aplicaciones de LLM en la investigación de sistemas de energía eléctrica, enfocándose en la colaboración entre investigadores de IA supervisada por humanos y estudios de IA fundamentados en la física. Se propone un marco de conocimiento-física-simulación-gobernanza donde los LLM coordinan tareas y los expertos validan las conclusiones críticas. El objetivo es mejorar la eficiencia de la investigación científica asegurando trazabilidad y reproducibilidad de los resultados.
Razonamiento basado en conceptos con localización impulsada por prompts para generación de informes estructurados
Se propone el marco CORAL para mejorar la generación de informes médicos mediante un proceso de razonamiento basado en conceptos con localización. Este marco integra la fundamentación espacial y la supervisión a nivel de concepto para lograr una mejor alineación con los procesos de decisión clínica. Los experimentos demuestran mejoras en la precisión diagnóstica y la calidad del informe en comparación con otros modelos MLLM.
Benchmark Parametric CAD v3 evalúa la creación de modelos CAD paramétricos a partir de texto y planos de ingeniería
Se presenta el Parametric CAD Bench v3, un benchmark de 100 tareas diseñado para evaluar la capacidad de agentes de IA para crear modelos CAD a partir de texto y planos de ingeniería. La evaluación se centra en la similitud geométrica y la consistencia de las especificaciones, no solo en el éxito binario. Se reportan resultados con Claude Code y Claude Opus 5.5, mostrando una recompensa media de imagen a CAD de 84.66%.
NeMo-DCR: Refit Delta-Comprimido Exacto para RL Agéntico Escalable a Escala de Trillones de Parámetros
Se presenta NeMo-DCR, un método de refit delta-comprimido exacto para el aprendizaje por refuerzo (RL) escalable a escalas de trillones de parámetros. Este método envía solo los cambios, permitiendo a los receptores obtener los bits de un refit denso. Se demuestra que NeMo-DCR es 7 veces más rápido que AReaL-DTE y es significativamente más rápido en escenarios de estrés.
Lectura y decodificación adaptativa de escenas en difusión impulsando VLAs
Se propone un marco de lectura y decodificación adaptativa para modelos VLAs impulsados por difusión, buscando mejorar la calidad de la planificación al evitar decodificaciones innecesarias. El método pondera y combina predicciones de trayectoria de capas tardías después de un solo barrido de la columna vertebral, aplicando refinamiento solo cuando es necesario según la escena. Los resultados muestran una mejora en el rendimiento y una aceleración de velocidad de hasta 6.0x en benchmarks de Waymo E2E y reducción del error de trayectoria en nuScenes.
Skill++: Hacia agentes de aprendizaje permanente a través de la refinación de habilidades consciente del enrutamiento
Se presenta Skill++, una solución para el enrutamiento de habilidades en modelos de lenguaje grande (LLM) que aborda el problema del aprendizaje continuo incremental. Skill++ reescribe el nombre y la descripción de las habilidades entrantes para mantener la selectibilidad de habilidades anteriores mientras se incorporan nuevas. Este método logra una selección de habilidades significativamente mayor en comparación con enfoques previos.
Efectos de las modalidades de participación de la audiencia de audio y visual en la agencia, colaboración y compromiso en performances de realidad mixta mediadas por IA
Se presenta CrowdForge, un paradigma mediado por IA y MR donde la audiencia controla colectivamente la música generativa y entornos virtuales en una performance en vivo. Un estudio evaluó tres condiciones de interacción (audio, visual y combinado) para determinar cómo estas modalidades influyen en la agencia, colaboración y compromiso de la audiencia. Se concluye que la observabilidad es el factor clave para la agencia, sugiriendo que futuros sistemas deben priorizar interacciones centradas en el humano y altamente observables.
WebHarbor: Entornos de sitios web ejecutables para entornos de agentes GUI en evolución
Se presenta WebHarbor, un conjunto de 153 entornos de sitios web ejecutables y dockerizados diseñados para proporcionar entornos realistas y estables para el entrenamiento y evaluación de agentes GUI. Esta plataforma permite la reconstrucción fiel de interfaces y flujos de trabajo funcionales de servicios web reales bajo control determinista. Se demuestra que un agente GUI entrenado con RL en WebHarbor generaliza bien a tareas no vistas, superando a agentes de código abierto en varios benchmarks.
- Zhaoyang Wang
- Qianhui Wu
- Boyu Gou
- Demi Wang
- Jiacheng Zhang
- Peichun Hua
- Qize Li
- Shi Qiu
- Yifan Jiang
- Yifan Zhang
- Zexu Jin
- Baolin Peng
- Bolin Shen
- Chetan Bansal
- Dehan Kong
- Deren Lei
- Dongshen Peng
- Fengqing Jiang
- Hao Cheng
- Haoqing Wang
- Jiaming Shan
- Jicheng Wang
- Jingguang Zhou
- Jixuan He
- Kaide Zeng
- Kangyu Zhu
- Lama Moukheiber
- Mufan Qiu
- Peng Xia
- Qihan Sun
- Qingwei Lin
- Qiushi Sun
- Ruichen Zhang
- Shuqing Luo
- Si Qin
- Sicheng Fan
- Tao Xiong
- Wenlin Yao
- Xinyu Zhang
- Xinyue Zeng
- Xuanrui Li
- Xuchao Zhang
- Yian Wang
- Yichao Liu
- Yiming Liang
- Yiyang Zhou
- Yizhu Jiao
- Yuetai Li
- Yurun Chen
- Yuxuan Zhang
- Zheyuan Yang
- Zhiyuan Yao
- Zhongyang Li
- Zihao Li
- Zili Wang
- Jianfeng Gao
- Huaxiu Yao
CUA-Master: Escalando Agentes de Uso de Computadora a través de Mejoras Recursivas de Mundo Abierto
Se presenta CUA-Master, un marco de mejora recursiva de doble bucle para abordar las limitaciones de los agentes de uso de computadora (CUAs) en diversidad y fiabilidad de datos. El sistema utiliza un modelo de datos del mundo exterior para guiar la construcción de datos, y un mecanismo interno para propagar semillas de mundo abierto. Los experimentos demuestran que CUA-Master-27B alcanza un rendimiento competitivo en varios benchmarks, mejorando la calidad y eficiencia de la síntesis de datos.
Aprendizaje activo de bajo costo para segmentación de imágenes referenciales y localización
Se presenta un marco de aprendizaje activo para la localización visual (VG) que aborda el desafío de obtener expresiones referenciales precisas a partir de imágenes sin texto. El método introduce una función de adquisición llamada Referencia de Ambigüedad de Región para priorizar imágenes con alta ambigüedad visual. Los experimentos demuestran que este marco supera a otros métodos de aprendizaje activo y acelera el etiquetado de descripciones.
Modelos de lenguaje aprenden a mejorar modelos de lenguaje
Se propone LM2LM para entrenar LLMs con RL para generar propuestas de mejora efectivas de modelos de lenguaje. Se utiliza un modelo de mundo de investigación (RWM) como modelo de recompensa para proporcionar retroalimentación escalable. Evaluaciones muestran que LM2LM permite a Qwen3.8-27B superar a GPT-6-sol con un 33% menor costo de generación de datos.
LaBraM a escala: Escalando datos y modelos para el preentrenamiento de EEG
Se demuestra que el preentrenamiento de EEG a gran escala con LaBraM puede generar representaciones robustas para diversas tareas. Se expandió la capacidad del modelo y los datos, logrando altos porcentajes de precisión en tareas evaluadas. Los resultados indican que escalar LaBraM es valioso, pero es crucial igualar la escala de preentrenamiento con la adaptación posterior.
El "hermano mayor" de Taiwán en Wuhan: la "tienda de desayuno juvenil"
Un grupo de jóvenes taiwaneses, Lin Zhenqi y Lin Shixian, abrió una tienda de desayuno en Wuhan enfocada en ofrecer una experiencia relajada y conectar con la cultura local. La iniciativa busca crear un espacio de encuentro para jóvenes, combinando comida taiwanesa con estrategias de marketing emocional. Los emprendedores enfatizan que el negocio es una plataforma para el intercambio cultural y la conexión entre jóvenes de diferentes orígenes.
ClearVue planta bandera de Hong Kong en la expansión solar asiática
ClearVue Technologies ha establecido una base permanente en Hong Kong para impulsar su expansión en Asia, buscando convertir proyectos de edificios con energía solar en contratos comerciales. La empresa utiliza su tecnología BIPV para generar electricidad a través de superficies de construcción, incluyendo ventanas y fachadas. Esta expansión busca aprovechar el enfoque de Hong Kong en la construcción sostenible y convertir oportunidades de proyecto en acuerdos firmados.
ClearVue planta bandera de Hong Kong en la expansión solar asiática
ClearVue Technologies ha establecido una base permanente en Hong Kong para impulsar su expansión en Asia, buscando convertir proyectos de edificios con energía solar en contratos comerciales. La empresa utiliza su tecnología BIPV para generar electricidad a través de superficies de construcción, incluyendo ventanas y fachadas. Esta expansión busca aprovechar el enfoque de Hong Kong en la construcción sostenible y convertir oportunidades de proyecto en acuerdos firmados.
ClearVue planta bandera de Hong Kong en expansión solar asiática
ClearVue Technologies ha establecido una base permanente en Hong Kong para impulsar su expansión en Asia, buscando convertir proyectos de edificios con energía solar en contratos comerciales. La empresa utiliza su tecnología BIPV para generar electricidad a través de superficies de construcción, como ventanas y fachadas. Esta nueva presencia busca aprovechar el enfoque de Hong Kong en la construcción sostenible y convertir oportunidades de proyecto en acuerdos firmados.
Tropas de Kinmen realizan ejercicios de fuego real contra amenazas marítimas y aéreas
Tropas en Kinmen realizaron ejercicios de fuego real el martes, utilizando vehículos blindados y artillería para simular ataques marítimos y aéreos. Estos ejercicios buscan mejorar las capacidades de combate y la respuesta rápida ante amenazas. Se entrenaron escenarios como desembarcos anfíbios y operaciones especiales para preparar a las tropas contra amenazas de zona gris.
No se identificaron personas.