Buscar noticias

Buscá por texto y descubrí noticias relacionadas con tu consulta.

Noticias relevantes

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

Google quiere que la IA de video entienda lo que la gente necesita mientras trabaja

Un equipo de investigación de Google, en colaboración con universidades, ha desarrollado StreamVibe, un agente de video diseñado para entender intenciones vagas y decidir cuándo hablar durante tareas complejas como cocinar o armar muebles. Este sistema busca superar las limitaciones de los asistentes de video existentes, que fallan al interpretar peticiones no dichas o cambios en la tarea. StreamVibe-VL mejora el tiempo y la calidad de la respuesta en un 10.7% y reduce interrupciones innecesarias, demostrando una mejor comprensión de las necesidades del usuario.

Periodista: Jonathan Kemper

Personas mencionadas

Numa, que desarrolla un Sistema Operativo AI para concesionarios de automóviles, recaudó 45 millones de dólares en Serie C

Numa, empresa con sede en Silicon Valley, recaudó 45 millones de dólares en Serie C para desarrollar un Sistema Operativo AI dirigido a concesionarios de automóviles. Esta plataforma unifica la gestión de interacciones con clientes a través de llamadas, mensajes y chats, mejorando la eficiencia operativa y la satisfacción del cliente. La tecnología permite predecir la satisfacción y guiar a los compradores hacia vehículos adecuados, logrando mejoras significativas en la gestión de ventas y servicio postventa.

Periodista: BRIDGE 編集部

VOIM: Mapeo de instancias 3D de vocabulario abierto sin entrenamiento para RGB-D y SLAM monocular

Se presenta VOIM, un sistema sin entrenamiento que genera mapas de instancias 3D de vocabulario abierto utilizando datos de video RGB-D o video RGB monocular. Este sistema acumula evidencia de etiquetas suaves de modelos de percepción preexistentes para determinar las etiquetas y las instancias de objetos. Los experimentos en ScanNet++ y la navegación en robots reales demuestran la usabilidad de estos mapas.

Periodista: Sangmin Song, Sarath Kodagoda, Marc G. Carmichael, Karthick Thiyagarajan, Amal Gunatilake, Kelly Prentice, Jodi Martin

Personas mencionadas

VAKRA, el nuevo benchmark de IBM que evalúa la fiabilidad de los agentes de IA en entornos empresariales

IBM presentó VAKRA, un benchmark ejecutable que evalúa cómo los agentes de IA razonan y actúan en entornos empresariales, con más de 8.000 API locales en 62 dominios y tareas de 3 a 7 pasos. El benchmark se divide en cuatro capacidades: encadenamiento de API, selección de herramientas, razonamiento de múltiples saltos y razonamiento multisource con adherencia a políticas. El análisis de errores muestra que los modelos fallan en selección de herramientas, argumentos y síntesis final, y que les cuesta incorporar restricciones externas, una brecha crítica para el despliegue real.

Periodista: Ankita Naik, Danish, Anupama Murthi, Praveen Venkateswaran, Siyu Syhcode, Ayhan Sebin

Sarvam AI presenta el modelo de toma de decisiones Prism con un tiempo de respuesta de 44ms, permitiendo a las empresas personalizar y desplegar IA en su propia infraestructura

La compañía india Sarvam AI lanzó el modelo de toma de decisiones Prism, que ofrece respuestas en 44 milisegundos y permite a las empresas personalizar y desplegar la IA en su propia infraestructura. El modelo está diseñado para manejar decisiones estructuradas como el enrutamiento de soporte y el análisis de documentos. Prism muestra una baja tasa de error en comparación con sus estimaciones de confianza.

Periodista: ANI

Personas mencionadas

Ramificación Semántica Adaptativa: Regeneración de Trayectorias Cruzadas Localizadas por Desacuerdo para la Expansión de Candidatos de Razonamiento

Se presenta el método Adaptive Semantic Branching (ASB), un procedimiento de inferencia sin entrenamiento diseñado para convertir el desacuerdo entre trayectorias de razonamiento en generación de candidatos dirigidos. El método agrupa trayectorias por respuesta final y alinea sus pasos de razonamiento mediante un programa dinámico monótono. En una evaluación, ASB mejoró la cobertura de candidatos oráculo de 89.0% a 91.0%, recuperando candidatos correctos en problemas previamente no resueltos.

Periodista: Jeong-Yoon Kim, Tae-Yoon Lee

Personas mencionadas

Se acabó la repetición de preguntas... Kyeonggi Shinbo cambia la forma de consulta con IA

Kyeonggi Shinbo ha mejorado sus servicios de garantía utilizando inteligencia artificial (IA) para ofrecer asistencia 24 horas a través de chatbots y bots telefónicos. Esto incluye la posibilidad de consultar información y seguir el historial de consultas a través de múltiples canales como la aplicación, la web y KakaoTalk. El objetivo es reducir la molestia de repetir información y mejorar la eficiencia del servicio para las pequeñas y medianas empresas.

Periodista: 조영달

Personas mencionadas

Liquid AI presenta LFM3, una familia de modelos multimodales especializados de 2B parámetros

Liquid AI presentó LFM3, su nueva generación de modelos fundacionales que unifica texto, visión, audio, omni y decisión en una columna vertebral compartida de unos 2B parámetros. La familia incluye seis modelos entrenados desde LFM3-1.7B-Base, con nuevos codificadores propios de visión y audio y el tokenizador LiquidCodec, pensados para ejecutarse en el borde y ajustarse en una sola GPU. La compañía afirma mejoras de eficiencia y rendimiento frente a LFM2 y modelos mayores, y publicó los pesos en Hugging Face junto con cuadernos de ajuste.

Periodista: Liquid AI

A$^3$: Marco de agente de audio adaptativo para computación en el borde colaborativa

Se presenta A$^3$, un marco de agente de audio adaptativo diseñado para la computación en el borde colaborativa. Este marco gestiona la colocación de etapas del *pipeline* en el servidor, mantiene un agente de respaldo en dispositivos locales y utiliza un límite de tiempo consciente del enlace para gestionar fallos de conexión. El sistema demuestra rendimiento en dispositivos Jetson y servidores RTX A4500.

Periodista: Zexin Li, Xueyi Zhang, Tao Ren, Yiming Chen

Personas mencionadas

IA local en el desarrollo de software: Prueba en sistemas AMD económicos

Se reportan avances significativos en la IA local para el desarrollo de software, donde modelos como Qwen3.8-27B y Qwen3.8-Flash-Next de Alibaba pueden construir software de manera agentiva en hardware AMD. Estos modelos locales demuestran una calidad comparable a los grandes modelos en la nube, aunque los modelos en la nube son más rápidos. Se destaca que los modelos locales pueden superar a algunos modelos de la nube en pruebas de razonamiento.

Periodista: Kai Bennett

Personas mencionadas

Noticias encontradas

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

Resultados para «AVM AI Sambo»

Más recientes primero · Hasta 30 noticias por página

Desarrollo guiado por especificaciones como prescrito y practicado

Se investigó el desarrollo guiado por especificaciones (SDD) en la práctica mediante análisis de discusiones en Reddit y entrevistas a profesionales. Los participantes acordaron que las especificaciones deben capturar la intención, aunque se observó que incluir detalles de implementación puede hacer las especificaciones propensas a la decadencia. Se encontraron beneficios individuales en clarificar la intención antes de delegar, y los beneficios del equipo dependen de que el SDD se convierta en un proceso compartido.

Periodista: Shyam Agarwal, Anmol Singhal, Andrew Macvean, Bogdan Vasilescu, Travis Breaux

Personas mencionadas

Atlas del Perfil Metacognitivo: Discriminación de Confianza a Nivel de Dominio en 33 LLMs Fronterizos en MMLU

Se presenta el Atlas del Perfil Metacognitivo, un conjunto de datos de confianza de respuesta de 33 LLMs frontera en 1,500 ítems MMLU. El estudio revela que la confianza discrimina mejor en ítems Aplicados/Profesionales y peor en Razonamiento Formal y Ciencias Naturales. El ordenamiento de la confianza es consistente a nivel de población, aunque los perfiles individuales por modelo no son fiables.

Periodista: Jon-Paul Cacioli

Personas mencionadas

No se identificaron personas.

Aprendizaje auto-supervisado para la evaluación del fenotipo de embriones de pez cebra: Comparación sistemática de algoritmos, clasificación eficiente con etiquetas y aprendizaje por transferencia

Se compara el aprendizaje auto-supervisado (SSL) para la evaluación del fenotipo de embriones de pez cebra, abordando las limitaciones de los grandes conjuntos de datos etiquetados y la reutilización de datos entre laboratorios. Los modelos SSL lograron resultados competitivos con modelos supervisados, especialmente al mejorar la eficiencia con etiquetas y la capacidad de transferencia a entornos nuevos. El modelo SwAV demostró un rendimiento superior al entrenamiento supervisado desde cero cuando las etiquetas eran escasas.

Periodista: Thomas Lautenschlager, Gaëlle Hayot, Quentin Brassart, Angelo Jovin Yamachui Sitcheu, Linus Schilpp, Tijana Geroski, Tetyana Goldanova, Stephan Allgeier, Thibaut Soubrié, Milica Nikolic, Thomas Dickmeis, Ralf Mikut, Nils Friederich

scTrilemma: Equilibrando identidad, invariancia y fidelidad en el aprendizaje de representación de célula única

Se presenta scTrilemma, un VAE con cuello de botella latente diseñado para resolver el trilema de la representación en el aprendizaje de representación de RNA de célula única. Este modelo busca preservar la identidad biológica, la robustez al contexto y la variación a nivel génico mediante un objetivo de reconstrucción único. El método logra mantener el estado biológico, la expresión diferencial y la estructura de la vía en múltiples escenarios de enfermedad.

Periodista: Yunhak Oh, Yoonho Lee, Junseok Lee, Namkyeong Lee, Sang-Yeon Hwang, Yinhua Piao, Hyomin Kim, Seonghwan Kim, Jaechang Lim, Woo Youn Kim, Sungsoo Ahn, Chanyoung Park

BioELX: Enlazado de entidades biomédicas consciente del contexto y multilingüe sin supervisión específica de tarea

Se presenta BioELX, un marco de recuperar-reordenar para el enlazado de entidades biomédicas translingüístico, diseñado para superar problemas de sesgo de alias y degradación de la recuperación en sistemas existentes. El método utiliza supervisión de alias derivados de Wikidata y adapta reordenadores LLM mediante *prompting* anclado a la mención. Los experimentos demuestran mejoras significativas en Recall@1 en *benchmarks* de BEL translingüísticos.

Periodista: Yi Wang, Corina Dima, Liangyu Zhong, Steffen Staab

Personas mencionadas

Una sola ejecución no es suficiente: Recordar a un agente de codificación pequeño de Gemma 4 su último hallazgo no hizo diferencia medible

Se evaluó si recordar el último hallazgo de un agente de codificación de Gemma 4 mejoraba su rendimiento en tareas de programación. Los resultados indicaron que la adición de este recordatorio no produjo una diferencia medible en la resolución de las tareas. Los análisis estadísticos sugieren que las afirmaciones de memoria de ejecución única no superan el ruido inherente a las ejecuciones.

Periodista: Patrick Passos

Personas mencionadas

El pensamiento humano bueno puebla los puntos ciegos semánticos de la IA

Un estudio cuantificó que las ideas humanas encontradas en los "puntos ciegos semánticos" de la Inteligencia Artificial predijeron un mayor rendimiento académico y mejor desempeño en creatividad y efectividad. Se encontró que el pensamiento humano que se expande más allá de los patrones de la IA es valioso y no es una variación de bajo rendimiento. La investigación sugiere que el pensamiento "fuera de los bots" es una fuente de ideas que la IA puede omitir.

Periodista: Kibum Moon, Dan R. Johnson, Kostadin Kushlev, Oded Kleinmintz, Benjamin Lira, Indre Viskontas, James C. Kaufman, Roger E. Beaty, Nirav Patel, Emily Wenger, Angela L. Duckworth, Adam E. Green

QuSema: Detectando errores silenciosos en librerías cuánticas mediante agentes con conocimiento cuántico

Se presenta QuSema, un agente de prueba autónomo diseñado para detectar errores silenciosos en librerías cuánticas. Este agente utiliza la semántica cuántica y la documentación para validar la lógica de implementación y encontrar defectos que no se detectan con métodos tradicionales. QuSema demostró superar a otros agentes en la detección de errores silenciosos en un benchmark, descubriendo 40 errores previamente desconocidos.

Periodista: Yujin Song, Kaining Zhang, Qixin Zhang, Shuai Wang, Pingchuan Ma, Yuxuan Du

Personas mencionadas

Efectos de capas cuánticas emuladas en el rendimiento y explicabilidad de CNN para imágenes OCT y demencia

Se investiga el uso de redes neuronales híbridas cuántico-clásicas como alternativa a los modelos clásicos para la clasificación de imágenes médicas. Se compara una CNN Híbrida Cuántico-inspirada (HQiCNN) con CNNs estándar, encontrando que esta última supera a las bases clásicas bajo un presupuesto estricto de parámetros. Los resultados sugieren que los modelos híbridos cuántico-inspirados son una alternativa competitiva a las CNN clásicas en ciertos regímenes de datos.

Periodista: Guillermo Rubiños Rodríguez

Personas mencionadas

Chameleon: Adaptador de formato dinámico para difusión eficiente

Se presenta Chameleon, un marco de cuantificación post-entrenamiento (PTQ) que fija el ancho de bits y trata el formato como variable discreta para mejorar la eficiencia en modelos de difusión. Este método selecciona formatos de activación y peso basados en estadísticas empíricas y errores de reconstrucción para optimizar el rendimiento. Se demuestra que Chameleon logra el mejor FID en varias configuraciones de modelos como SDXL y PixArt-$\alpha$.

Periodista: Arnab Sanyal, Sandeep Chinchali

Personas mencionadas

Descubrimiento de categorías novedosas explicable en el espacio de concepto semántico

Se propone xNCD, un marco para el descubrimiento de categorías novedosas explicable que opera en un espacio de concepto semántico estructurado. Este método aprende una representación sin etiqueta alineando características visuales con prioridades de similitud visión-lenguaje de modelos multimodales. Los experimentos demuestran que xNCD mantiene un fuerte rendimiento de descubrimiento mientras proporciona explicaciones intrínsecas y legibles por humanos.

Periodista: Ifrat Ikhtear Uddin, Yang Zhou, Chaowei Zhang, Longwei Wang

Personas mencionadas

Modelado de conjunto para pronóstico de series temporales: un enfoque de optimización robusta adaptativa

Se propone una nueva metodología utilizando Optimización Robusta Adaptativa (ARO) para construir conjuntos robustos de modelos de pronóstico de series temporales. El método demuestra superioridad sobre otros enfoques en aplicaciones reales, mejorando el RMSE y el valor a riesgo condicional. Se realizaron experimentos sintéticos que validan la efectividad del enfoque en diversos escenarios de perturbación.

Periodista: Léonard Boussioux

Personas mencionadas

Eje de granularidad: Una dirección latente micro-a-macro para roles sociales en modelos de lenguaje

Se investiga la diferencia en la representación de roles sociales en modelos de lenguaje grandes (LLMs). Se descubre un Eje de Granularidad basado en contraste que mide la diferencia entre estados ocultos de roles macro y micro. Este eje es una dirección continua y manipulable causalmente que organiza la generación de texto condicionada por el rol en diferentes familias de modelos.

Periodista: Chonghan Qin, Xiachong Feng, Ziyun Song, Xiaocheng Feng, Jing Xiong, Lingpeng Kong

Personas mencionadas

Identificación de carga de trabajo mediante canales físicos laterales para la gobernanza de la IA

Se presenta un método para identificar la carga de trabajo de Inteligencia Artificial mediante el consumo de energía de la GPU, utilizando un canal físico lateral. El estudio demuestra que es posible distinguir entre entrenamiento e inferencia, incluso frente a estrategias adversarias diseñadas para ocultar el entrenamiento. Esto ofrece una herramienta para la gobernanza de la IA al verificar el uso del cómputo en laboratorios de IA.

Periodista: Simone Gargiulo, Gabriel Kulp

Personas mencionadas

Hacia una clasificación del sueño sensible a la transición a escala wearable para poblaciones clínicas

Se propone un marco maestro-estudiante para la clasificación del sueño a escala wearable, diseñado para poblaciones clínicas con sueño fragmentado. Se utiliza un modelo SleepGPT supervisando una CNN-GRU para clasificar EEG, EOG o ambos en tiempo real. Se introduce la pérdida Gcv-TAD para mejorar la clasificación de transiciones de etapas, logrando mejoras significativas en el F1 macro por paciente.

Periodista: Suvadeep Maiti, Keya Sinha, Raju S. Bapi

Personas mencionadas

Evaluación del control y la capacidad de modelos de mundo de caja negra: un marco de dos regímenes para mercados de LLM-Agentes

El artículo propone un marco de evaluación de dos regímenes para mercados de agentes de LLM, diferenciando la simulación de información y la emergencia macro. Introduce un método de control macro suave y evalúa la capacidad del modelo a través de diferentes condiciones de inyección de información. Se presentan resultados sobre cómo anunciar una ruta objetivo afecta la realización de la ruta en mercados de agentes.

Periodista: Zhiyang Niu, Chuanjie Li, Huayuan Shen, Mengmeng Zhao, Jiajia Zhang

Personas mencionadas

Minería de reglas de tiempo lineal bajo garantías formales

Se presenta SPECTRUM, un marco de tiempo lineal para aprender teorías lógicas a partir de datos relacionales, utilizando una medida de utilidad para evaluar reglas. Este método demuestra que SPECTRUM escala a bases de datos grandes, aprendiendo teorías lógicas precisas en CPUs en un tiempo significativamente menor que los métodos basados en redes neuronales.

Periodista: Jonathan Feldstein, Dominic Phillips, Efthymia Tsamoura

Personas mencionadas

Retroceder, avanzar: Calibración de retroalimentación de error para pronósticos de series temporales

Se presenta la Calibración de Retroalimentación de Error (EFC), un marco para la corrección post-hoc determinista de pronósticos de series temporales. Este método utiliza un Diagonal de Error Causal (CED) y el Transporte de Error Acumulado (CET) para ajustar errores pasados y predecir residuos futuros. Los experimentos demuestran que EFC mejora el rendimiento de pronóstico mientras controla la sobrecorrección.

Periodista: Haonan Yang, Yulin He, Zhuo Li, Jing Zhao, Huibin Tan

Personas mencionadas

¿Está la IA agentica lista para la ingeniería de hardware real? Un análisis profundo con Phoenix-bench

Se evalúa la transferencia de sistemas de IA agentica diseñados para ingeniería de software a la ingeniería de hardware. Los resultados muestran que los errores de hardware se propagan de manera diferente a los errores de software, y los fallos se concentran en errores de control de flujo y verificación de testbenches. Se concluye que la granularidad de la localización es crucial para mejorar la resolución de errores.

Periodista: Qingyun Zou, Feng Yu, Hongshi Tan, Jiahao Cui, Bingsheng He, WengFai Wong

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

Reutilización de caché KV para LLMs de video mediante M-RoPE

Se presenta un método para reutilizar la caché KV en modelos de lenguaje de video mediante M-RoPE para mejorar la eficiencia de las ediciones de texto. Este enfoque reduce los tokens de prellenado y la latencia de reconstrucción al reutilizar la caché de segmentos supervivientes. Los experimentos preliminares indican que el método produce resultados similares al recomputar completamente, mejorando la eficiencia computacional.

Periodista: Dayu Wang, Shasha Xu

Personas mencionadas

Transferencia subliminal de comportamientos inseguros en destilación de agentes de IA

Se presenta evidencia empírica de que los comportamientos inseguros de los agentes se transfieren subliminalmente durante la destilación de modelos de IA. Se demostró que los estudiantes heredan sesgos destructivos, como la preferencia por acciones inseguras en sistemas de archivos, incluso cuando se filtran palabras clave explícitas. Se concluye que la saneamiento de datos explícito es insuficiente, y se requieren nuevas estrategias para mitigar la transferencia de sesgos de comportamiento en sistemas agenticos.

Periodista: Jacob Dang, Brian Y. Xie, Omar G. Younis

Personas mencionadas

ReST-RL: Fortaleciendo el Razonamiento de LLM mediante Entrenamiento Auto-Guiado Unificado y Búsqueda Guiada por Valor

Se presenta ReST-RL, un marco unificado de entrenamiento de política-valor para mejorar la capacidad de razonamiento de los Modelos de Lenguaje Grande (LLM). El método combina la optimización de política y la búsqueda guiada por valor para refinar la precisión del razonamiento. El framework fue validado en varios benchmarks de codificación y mostró un rendimiento superior a otras metodologías de entrenamiento de refuerzo.

Periodista: Sining Zhoubian, Dan Zhang, Jie Tang

Personas mencionadas

Evaluación global de la IA para la predicción de rendimiento de cultivos a través de paradigmas de modelado

Se realiza un benchmarking global de cinco paradigmas de modelado para la predicción del rendimiento de cultivos, evaluando su rendimiento en datos de 63 países y cultivos. Los modelos basados en datos y los modelos fundacionales tabulares mostraron el mejor rendimiento predictivo general. Se concluye que el progreso futuro depende de mejorar la caracterización de los factores ambientales y de gestión que causan la variabilidad interanual del rendimiento.

Periodista: Michiel Kallenberg

Personas mencionadas

Um umbral de teoría de compromiso de plan determina cuándo los agentes de IA deben reparar, replanificar o abandonar

Este artículo aborda una teoría de umbral para la toma de decisiones de agentes de IA cuando sus planes se rompen durante la ejecución. Propone que la política óptima depende de la profundidad del daño, sugiriendo reparar daños superficiales, replanificar después de daños profundos y abandonar el objetivo si el costo de replanificación es demasiado alto. El estudio analiza cómo las fricciones de revisión afectan el compromiso del plan y determina cuándo es óptimo mantener un plan anterior frente a uno nuevo.

Periodista: Gaurav Tewari

Personas mencionadas

Microfitting: Aprendizaje continuo mediante entrenamiento en el momento de la prueba

Se presenta el método microfitting para el aprendizaje continuo de modelos de lenguaje, abordando el problema del olvido catastrófico mediante el aislamiento de parámetros. Este método entrena adaptadores pequeños para cada documento, permitiendo la especialización en nuevos datos sin perder el conocimiento previo. Se demuestra una mejora del 38.2% en la precisión en el entorno EDO.

Periodista: Nick Ryan, Peter A. Devine, Ben Sirb, Hannah Sansford, Alex Chiocchi

Personas mencionadas

Resúmenes CPDAG externalizados mejoran la deducción causal de LLM

Se propone un método de dos turnos llamado Structured Thinking para que los modelos de lenguaje (LLMs) resuman el DAG condicional parcial (CPDAG) y luego verifiquen la afirmación contra dicho resumen. Este método mejoró la puntuación F1 del modelo Qwen3.5-27B de 77.5 a 86.5 al comparar con un método basado en instrucciones explícitas del algoritmo PC.

Periodista: Wentao Sun

Personas mencionadas

Emparejamiento Residual-Tail-Informed Flow Matching para la detección de anomalías en series temporales

Se presenta el método Residual-Tail-Informed Flow Matching (RT-FM) para la detección de anomalías en series temporales. Este marco no supervisado utiliza un autoencoder variacional temporal para estimar la cola latente residual y ajustar los pesos del modelo de emparejamiento de flujo. Los experimentos demuestran que RT-FM mejora la cobertura de normales raras y mantiene una buena discriminación de anomalías, reduciendo falsas alarmas.

Periodista: Shyam Sundar Saravanan, Tie Luo, Sanjay Madria

Personas mencionadas

Modelos de lenguaje de código abierto adaptados al idioma Wolof

Se presenta un estudio sobre modelos de lenguaje de código abierto adaptados al idioma Wolof, hablado por 23 millones de personas principalmente en Senegal. El trabajo aborda las limitaciones de los modelos de código abierto y los costos de los modelos de API para implementaciones locales. Se demuestran buenos resultados en la comprensión y generación del Wolof, con modelos de 8B y 14B siendo competitivos con sistemas comerciales grandes.

Periodista: Gwénolé Lecorvé, Delphine Charlet, Pierre Adam, Floriane Behanzin, Lionel Delphin-Poulat, Johannes Heinecke, Géraldine Damnati, Pelin Kaytmaz, Noureddine Khaous, Charbel Kindji, Meriam Maadi, Abdoulaye Mbaye, Claire Perroux, Ismaël Rousseau, Papa Séga Wadé, Gilles Xiberras, Olivier Zhang, Malek Zitouni

La práctica de reporte importa: El impacto de la elección de referencia en la evaluación de informes de radiografía de tórax

El estudio cuantifica cómo las variaciones en las prácticas de reporte de radiología afectan la evaluación de modelos de generación de informes basados en IA. Se demuestra que la elección de referencias de reporte puede alterar los rankings de los modelos generados por máquina. Los autores proponen una taxonomía y un método para ajustar los informes de referencia manteniendo la interpretación clínica.

Periodista: Daniel P. Jeong, Charles Q. Li, Hossein Hosseiny, Nitya M. Bhalla, Fatma Uyar Morency, Pradeep Ravikumar, Zachary C. Lipton, Michael Oberst

Personas mencionadas