Buscar noticias
Buscá por texto y descubrí noticias relacionadas con tu consulta.
Noticias relevantes
Hasta 10 noticias relacionadas por su significado, ordenadas por relevancia.
Shield ayuda a los técnicos a transferir el trabajo de portales heredados con OpenAI
Shield ha desarrollado Forge, un sistema operativo de IA que utiliza GPT-6 Astra para ayudar a los agentes de soporte de TI a manejar tareas en portales y sistemas heredados. Esto permite a los agentes realizar tareas que antes requerían la intervención manual de un técnico, mejorando la velocidad de resolución y la satisfacción del cliente. Se reporta una mejora de entre 35% y 40% en la velocidad de ejecución y una menor tasa de fallos.
CrowdStrike lanza un interruptor de apagado de IA que afirma poder detener agentes malintencionados y más
CrowdStrike ha lanzado el 'AI Kill Switch' en su producto Falcon Guardian para detener y aislar agentes de IA malintencionados. Esta nueva función otorga a los administradores humanos el control directo para terminar la actividad sospechosa y asegurar la seguridad de la IA en entornos empresariales. La herramienta busca poner la seguridad en manos de los usuarios para controlar el comportamiento de los agentes de IA.
El nuevo 'Interruptor de Apagado' de IA de CrowdStrike detiene a los agentes de IA rebeldes?
CrowdStrike ha anunciado nuevas capacidades de seguridad para agentes de IA, incluyendo un "Interruptor de Apagado de IA" que permite a los equipos de seguridad terminar, bloquear y cortar el acceso a la red de agentes maliciosos. Además, la compañía adquirió Fiddler AI para mejorar la observabilidad y explicabilidad de los agentes de IA. Esto busca proporcionar control humano sobre la seguridad de la IA y asegurar que los agentes se comporten según lo previsto a través de pruebas rigurosas.
Primer Ministro anuncia protección más estricta para la IA para frenar riesgos crecientes
El primer ministro ha anunciado una protección más estricta para la inteligencia artificial y un regulador dedicado para contener los peligros potenciales. Esta medida busca contener los riesgos emergentes relacionados con la IA.
No se identificaron personas.
Nasdaq considera deslistar a la empresa de IA
La IA hace que los ciberataques sean más rápidos y automatizados, por lo que las organizaciones deben enfocarse en limitar el impacto de las intrusiones. Es crucial conocer qué sistemas y datos son protegidos y qué está expuesto para priorizar la defensa. Se recomienda implementar entornos de TI bien planificados que permitan aislar partes afectadas y mejorar continuamente la capacidad de detección de anomalías.
Cisco defiende a velocidad de máquina con OpenAI
Cisco está integrando la inteligencia de red con los modelos de OpenAI para mejorar la defensa contra ataques impulsados por IA. La compañía busca utilizar la IA para correlacionar señales a escala masiva, lo que permite a los defensores detectar patrones y responder a vulnerabilidades más rápido. Esto incluye la implementación de controles distribuidos en microservicios y la mejora de la capacidad de respuesta ante la velocidad de los ataques.
Shadow AI: la inteligencia artificial que las empresas no ven
La práctica de usar herramientas de inteligencia artificial sin la autorización de la empresa, conocida como Shadow AI, está generando un conflicto entre la adopción rápida de estas tecnologías y las restricciones de ciberseguridad. Se destaca la necesidad de que las organizaciones establezcan políticas claras para regular el uso de IA, ofreciendo soluciones empresariales seguras y capacitando al personal. El Estado está comenzando a establecer marcos regulatorios, como el Código de Ética de la IA para servicios públicos, para equilibrar la productividad con la protección de la información confidencial.
Crowdstrike da a las empresas un 'interruptor de apagado' para agentes de IA mal comportados
Crowdstrike introdujo un nuevo interruptor de apagado para detener agentes de IA mal comportados, permitiendo a los equipos de seguridad terminar su operación y cortar su acceso a la red. Esta medida busca abordar las preocupaciones de seguridad relacionadas con la adopción de agentes de IA, coincidiendo con otros esfuerzos de la industria para mejorar la seguridad de la IA. El CEO de Crowdstrike señaló que esto es una oportunidad de mercado y una forma de asegurar que los agentes operen de manera segura.
CrowdStrike presenta un interruptor de apagado para IA
CrowdStrike presentó un interruptor de apagado para IA en su feria Fal.Con Europe, diseñado para detener agentes de IA que se desvían de su comportamiento. El sistema permite a los administradores activar la restricción del acceso a modelos de IA, aunque también se planea una activación automática mediante Charlotte AI para asegurar el comportamiento conforme a las normas.
Cómo bloquear bots de IA para que no rastreen tu sitio web
Grandes empresas tecnológicas como OpenAI, Google y Microsoft han acordado implementar una señal de exclusión mutua en los archivos robots.txt para impedir que los bots de IA extraigan contenido de sus sitios web para entrenamiento de modelos. Se proponen varias estrategias, incluyendo modificar robots.txt, requerir cuentas de usuario para acceso o limitar el acceso por dirección IP. Estos métodos buscan proteger el contenido de los sitios web de ser raspado por bots maliciosos.
Noticias encontradas
Coincidencias por palabras en títulos, resúmenes, temas, personas, lugares o firmas.
Resultados para «Shield AI»
Más recientes primero · Hasta 30 noticias por página
Modelos de lenguaje grandes como modelos del mundo oncológico
Los modelos de lenguaje grandes (LLMs) pueden sintetizar casos de pacientes con cáncer, aunque su representación interna de oncología no ha sido explorada sistemáticamente. Se encontró que los LLMs generan pacientes similares por cáncer, y siguen la lógica de biomarcadores y tratamiento en muchos escenarios clínicos. Se desarrolló un marco de representación dinámica para representar trayectorias de pacientes reales y evaluar gemelos digitales.
La revisión con anclaje de código mejora la corrección y reduce el costo de edición alojada en archivos R grandes
Un estudio evaluó el impacto del formato de la retroalimentación en la colaboración humano-IA sobre la edición de código generativo. Se encontró que anclar los comentarios al código específico reduce el costo de edición alojada en archivos R grandes y mejora la precisión de los modelos, especialmente en versiones más débiles.
¿Quién planea, quién edita? División de trabajo verificada y consciente del costo para la reparación de diseño analógico impulsada por LLM
Se investiga la división de trabajo entre modelos de lenguaje para la reparación de diseños analógicos mediante herramientas de verificación. Se demuestra que los modelos más económicos ejecutan planes pero fallan frecuentemente, y se propone un controlador de aprendizaje para seleccionar modelos y el orden de escalada óptimo. Los resultados muestran que el controlador puede igualar el rendimiento del modelo insignia de OpenAI con un costo menor.
MAPS: Un marco agente multimodal para la producción de datos de puntos de interés basados en imágenes de calle
Se presenta MAPS, un marco para la producción de datos de puntos de interés (POI) utilizando imágenes de calle crowdsourced. Este marco integra extracción estructurada de POI con mantenimiento de bases de datos, mejorando la eficiencia y reduciendo el tiempo de procesamiento en un 76.9% comparado con la anotación manual. Los resultados demuestran la efectividad y valor práctico de MAPS para el mantenimiento escalable de POI.
Dirección mínima de modelos de lenguaje
Se propone la Optimización del Vector de Dirección de Invasión Mínima (MISVO) para adaptar modelos de lenguaje grandes (LLMs) a objetivos en tiempo de prueba sin modificar parámetros. Este método busca mejorar la recompensa mientras controla la desviación de la política de referencia mediante un regularizador basado en la geometría KL. Los resultados demuestran que MISVO logra la mejor recompensa en seis de siete configuraciones de modelo-tarea, manteniendo la coherencia y diversidad.
Elicitando el gusto por la investigación en LLM a través de la elección de la dirección de investigación futura
Se evalúa el gusto por la investigación en Modelos de Lenguaje Grande (LLM) al seleccionar la dirección futura de investigación. El estudio mide la alineación del autor y la divergencia de los modelos al elegir caminos de investigación futuros. Los resultados indican que existen preferencias no del autor compartidas entre modelos, señalando un paso hacia la comprensión de las preferencias de investigación de estos modelos.
CrypTorch: Compilador autoajustable basado en PyTorch para inferencia de Machine Learning privada
Se presenta CrypTorch, un compilador multi-etapa para ML basado en MPC que incluye una etapa de autoajuste para seleccionar automáticamente aproximaciones que maximizan el rendimiento y cumplen con restricciones de calidad. El estudio demuestra que el autoajustador mejora el rendimiento en múltiples *backends* MPC significativamente sin degradar la precisión. Además, el diseño unificado mejora la usabilidad y permite compartir funcionalidades entre diferentes *backends*.
Certificación formalmente verificada de la insolubilidad de problemas de planificación temporal
Se presenta un enfoque para certificar la insolubilidad de problemas de planificación temporal mediante la codificación del problema en una red de autómatas temporales. El método utiliza un verificador de modelos y un verificador de certificados para asegurar la fiabilidad de la certificación. La implementación se verifica formalmente con el proyector de teoremas Isabelle/HOL.
Discrete Flow Matching para Aprendizaje por Refuerzo Offline-a-Online
Se presenta DRIFT, un método de ajuste fino en línea que actualiza una política de Markov de tiempo continuo (CTMC) preentrenada offline usando una pérdida de matching de flujo discreto ponderada por ventaja. El método incluye una penalización para preservar el conocimiento preentrenado y una aproximación de conjunto candidato para manejar espacios de acción discretos grandes. Los resultados demuestran que DRIFT supera a su contraparte solo en línea en juegos MinAtar y logra un rendimiento superior.
Distilación On-Policy Relay: Trayectoria Relacionada con la Política
Se presenta la Distilación On-Policy Relay (Relay-OPD) para abordar el fallo de prefijo en la destilación on-policy (OPD). Este método introduce un mecanismo donde el maestro interviene brevemente en puntos clave para redirigir la trayectoria, permitiendo al estudiante continuar optimizando la generación. Los resultados demuestran que Relay-OPD supera a OPD estándar y FastOPD en benchmarks de razonamiento matemático.
Certificación consciente de la selección de portafolios de reglas de fraude con restricciones de cliente bajo un cambio de distribución sintética
El estudio evalúa la certificación de familia finita para portafolios de reglas de fraude con restricciones de cliente, comparando diferentes métodos de selección. Los resultados indican que la certificación completa mejora significativamente la reducción de la tasa de violación del piso y disminuye el despliegue de los portafolios, aunque los resultados varían según las condiciones.
Agentes de Memoria Recurrente Multi-Cabeza
Se presenta el marco Multi-Head Recurrent Memory (MHM) para extender los LLMs a contextos de memoria arbitrariamente largos, abordando el problema de la retención de memoria que afecta a los agentes de memoria recurrentes. Se propone MHM-LRU, una implementación que mejora significativamente la retención de memoria en benchmarks de contexto largo, logrando una tasa de retención del 73.96% en RULER-HQA a 896K tokens. Esto sugiere que la optimización arquitectónica es una vía práctica para lograr memoria recurrente fiable en contextos extensos.
ScenarioForge: Generación y validación de ejercicios de ciberseguridad basados en recursos
Se presenta ScenarioForge, una herramienta diseñada para convertir requisitos de alto nivel en topologías y servicios basados en recursos para ejercicios de ciberseguridad. El sistema valida 226 escenarios materializados y sus pasos, asegurando la verifiabilidad de los objetivos de desafío. Los resultados demuestran un alto éxito en la generación de topologías y campos de intención mediante modelos de lenguaje avanzados.
Creencias y comportamientos de los profesionales en la educación mejorada por IA: Evidencia del Marco DOT
Un estudio con 72 profesionales de la educación examinó sus creencias y prácticas al integrar la inteligencia artificial en la enseñanza. Se identificaron tres factores principales: capacidades funcionales de la IA, supervisión y gobernanza, y colaboración del instructor. Los profesionales ven la IA como apoyo pedagógico, pero enfatizan la necesidad de supervisión humana y evaluación crítica. Se reportaron prácticas como el *prompting* iterativo, aunque existen barreras institucionales como la falta de políticas y formación.
La máscara no es el objeto: Supervisión volumétrica para segmentación Gaussiana 3D
Se propone VODA, un objetivo de supervisión plug-and-play que utiliza la estructura de profundidad local para supervisar directamente las gaussianas en clústeres de profundidad seleccionados. Este método mejora la segmentación volumétrica en benchmarks como Removal-3D, recuperando gaussianas de baja contribución. El trabajo fue aceptado en NeurIPS 2026.
Memoria de auto-mejora permite la auto-mejora recursiva continua
Se propone la Memoria de Mejora (SIM) para el optimizador de arneses, que agrupa ediciones por problemas recurrentes y registra su justificación y resultados. Los experimentos demuestran que SIM logra puntuaciones finales superiores a las de métodos anteriores en comparaciones cruzadas. Esto mejora las puntuaciones finales en un promedio de 2.36 puntos sobre la continuación solo con arnés.
Procesos de decisión de Markov con restricciones de subproceso
Se introducen los Procesos de Decisión de Markov con Restricciones de Subproceso (S-CMDPs) para abordar limitaciones en los CMDPs estándar. Estos nuevos procesos exigen que el costo esperado condicional a cualquier historial alcanzable cumpla con un límite determinado por el estado actual. Se demuestra que las políticas dependientes del historial pueden superar las dificultades de las políticas estacionarias, y se presenta un algoritmo de tiempo polinomial para calcular dichas políticas.
Revisión de Flow Matching en Aprendizaje por Refuerzo
Se presenta un estudio exhaustivo sobre Flow Matching (FM) como un marco generativo eficiente para el aprendizaje por refuerzo (RL). El artículo clasifica los enfoques de FM según la distribución objetivo y el mecanismo de integración de la señal de RL. También se comparan las técnicas con líneas base y se identifican problemas abiertos en el campo.
No se identificaron personas.
Criterio de ordenamiento topológico para grafos dirigidos acíclicos aleatorios
Se presenta un criterio de ordenamiento topológico para grafos dirigidos acíclicos (DAGs) aleatorios, basado en el conjunto de nodos alcanzables (relativos), que se demuestra que no disminuye en el orden causal. Este patrón puede ser utilizado para el descubrimiento causal mediante el ordenamiento por el número de relativos. Se propone una alternativa usando DAGs de series temporales para la generación de datos sintéticos.
ToolGraph como Q-Function para el escalado en tiempo de prueba del uso de herramientas
Se presenta ToolGraph, un grafo de dependencia dirigido y ponderado sobre un catálogo de herramientas, diseñado para modelar la cadena de llamadas interdependientes de los agentes de uso de herramientas. El estudio compara diferentes estimadores de valor para determinar si esta estructura puede proporcionar un valor multi-paso al componer caminos de grafos. Se demuestra que un estimador basado en LLM mejora significativamente el rendimiento en comparación con métodos puramente estructurales.
AI4BayesCode: De descripciones en lenguaje natural a muestreadores bayesianos modulares y validados
Se presenta AI4BayesCode, un sistema basado en LLM que convierte descripciones de modelos bayesianos en lenguaje natural a muestreadores MCMC validados y modulares. Este sistema busca mejorar la fiabilidad mediante validación de especificaciones y código generado. Además, introduce un paradigma de codificación recursivamente estado-dependiente para componer módulos de muestreo MCMC de manera coherente.
¿Puede la IA juzgarte? Auditoría empírica de la preparación para el despliegue en sistemas de contratación asistidos por LLM
Se presenta una auditoría empírica de la preparación para el despliegue de sistemas de contratación asistidos por LLM. El estudio evalúa la capacidad de estos sistemas para distinguir candidatos y su cumplimiento ante solicitudes no autorizadas. Se determina que el rendimiento operativo depende de la interfaz de evaluación utilizada y que la separación de reglas y contenido reduce el incumplimiento no autorizado.
Fusión multimodal con modelos preentrenados para predecir resultados de psicoterapia a partir de dinámicas emocionales
La investigación evalúa el uso de modelos multimodales preentrenados para predecir resultados de psicoterapia utilizando dinámicas emocionales. Los resultados indican que las representaciones preentrenadas combinadas con modelos clásicos regularizados son más confiables que la agregación aprendida, especialmente bajo escasez de datos clínicos. Se comparan el rendimiento de modelos de aprendizaje profundo frente a modelos clásicos en la predicción de resultados.
No se identificaron personas.
ReMoVe: Refinando el movimiento de un modelo de video para la generación de video humano coherente
ReMoVe es un método que refina el movimiento generado por modelos de video para mejorar la coherencia humana. El sistema recupera y refina el movimiento subyacente, renderiza la malla 3D y transfiere la apariencia facial para mejorar la precisión y la consistencia de la identidad. Además, condiciona la generación con malla y profundidad para lograr coherencia espaciotemporal y trayectorias de cámara controlables.
¿Necesita la destilación on-policy completar cada despliegue?
Se presenta la Destilación On-Policy Truncada Estocástica (STOPD) para acelerar la destilación on-policy (OPD) al truncar aleatoriamente los despliegues del estudiante y corregir el sesgo de muestreo con ponderación de probabilidad inversa por bloques (IPW). Este método reduce los tokens generados entre un 25 y 48% manteniendo una precisión comparable a la OPD Vanilla, logrando aceleraciones de entrenamiento de 1.3 a 2.2 veces.
Predictivo pero no planificable: RC-aux para modelos de mundo latente
Se presenta el objetivo auxiliar de corrección de alcanzabilidad (RC-aux) para modelos de mundo latente, diseñado para corregir la discrepancia entre la predicción a corto plazo y la planificación a largo plazo. Este método añade supervisión alineada con la planificación a lo largo de los ejes temporal y espacial para mejorar la capacidad de los modelos de mundo latente para realizar búsquedas efectivas. Los resultados indican que la planificación con estos modelos depende de la estructura temporal y geométrica correcta codificada en la representación latente.
Atención Anisotrópica Adaptativa para Señales Estructuradas
Se presenta la Atención Anisotrópica Adaptativa (AAA) para manejar señales estructuradas con bajo SNR, dividiendo la atención en caminos temporal y espacial. El modelo resultante, AXON, mejora la precisión en tareas de EEG, demostrando que la combinación ponderada de ambos caminos es superior a elegir un solo camino. Los resultados sugieren que alinear la atención con los ejes naturales de las señales estructuradas ofrece un sesgo inductivo útil.
SkillScreen: Cribado de alta recuperación de habilidades de agentes maliciosos con modelos de decisión
Se presenta SkillScreen, un modelo de decisión compacto diseñado para evaluar la maliciosidad de habilidades de agentes en lenguaje natural. El modelo logró una alta recuperación (99%) al detectar el 20-25% de habilidades benignas en pruebas, superando a otros clasificadores. Esto subraya el valor de los modelos de decisión entrenados para tareas en el cribado de habilidades de seguridad.
Afiliados de Big Digital Energy compran $182,058 en acciones
Entidades afiliadas de Big Digital Energy realizaron compras de acciones por un total de $182,058 durante noviembre de 2026. Estas compras internas ocurren en un contexto de que las acciones de la empresa han caído significativamente, sugiriendo que la gestión considera que la acción está infravalorada. Además, la compañía reportó un aumento del 41% en los ingresos del tercer trimestre gracias a acuerdos de minería y busca alcanzar el punto de equilibrio en efectivo para finales de 2026.
Empresas de IA contratan exagentes de inteligencia para protegerlas de espionaje
Empresas de inteligencia artificial están contratando exagentes de inteligencia para protegerse del espionaje. Esto sugiere un aumento en los riesgos de ciberseguridad y espionaje dirigido a la tecnología de IA.
No se identificaron personas.