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

Marco estructural para la sucesión: Continuación, reconocimiento y realización

Se presenta un marco matemático para modelar la sucesión en sistemas artificiales afinados, destilados o copiados. El modelo se basa en grafos de estado/modificación con alzas relacionales. Este marco permite diferenciar entre continuaciones, descendientes compatibles con modificaciones, reconocimiento de identidad y realización. El objetivo es abordar preguntas sobre simetría, complejidad computacional y robustez de la estructura.

Periodista: Ilya A. Shkrob

Personas mencionadas

Cambio representacional bajo entrenamiento autoconsumidor: Un análisis con autoencoders dispersos

Se investiga cómo evolucionan las representaciones internas de los modelos de lenguaje al ser entrenados recursivamente con sus propias salidas. El estudio analiza el rendimiento de los autoencoders dispersos (SAE) a través de cinco generaciones de autoconsumo. Los resultados indican que el rendimiento del SAE disminuye progresivamente, mostrando una deriva representacional y que la fidelidad de la reconstrucción no garantiza la utilidad de la información para la tarea.

Periodista: Suchit Gupte, Zhongteng Cai, Xueru Zhang, Mohammad Mahdi Khalili

Personas mencionadas

SAiFE-gym: Entornos basados en modelos para Market Making automatizado con liquidez concentrada

Se presenta SAiFE_gym, un módulo de Python que ofrece entornos de simulación para estudiar problemas de trading en mercados de producto constante con liquidez concentrada. Estos entornos permiten a los proveedores de liquidez controlar su capital y ajustar dinámicamente su provisión de liquidez según las condiciones del mercado. Se demuestra el rendimiento de agentes de aprendizaje por refuerzo en estos mercados bajo diversas condiciones.

Periodista: Georgios Chionas

Personas mencionadas

Aprendizaje multi-tarea en conjuntos de datos parcialmente etiquetados mediante aprendizaje semi-supervisado invariante/equivariante

Se investiga el potencial del aprendizaje semi-supervisado invariante y equivariante para entrenar modelos multi-tarea con datos parcialmente etiquetados. Se evaluaron métodos como FixMatch y Dense FixMatch en los conjuntos de datos Cityscapes y BDD100K. Los resultados indican que estos enfoques superan a los modelos supervisados, especialmente cuando hay pocas muestras etiquetadas disponibles para una tarea.

Periodista: Atsuto Maki

Personas mencionadas

La proporción oculta en Adam: Estructura estable, compresión y dinámicas de signo

Se estudia el optimizador Adam en el régimen tied-$\beta$ para entender su comportamiento adaptativo. Los autores demuestran que la dinámica adaptativa de Adam puede expresarse mediante una razón transformada con comportamiento estable a escala. Esto sugiere que Adam posee una estructura de razón simple subyacente que facilita su análisis y una implementación eficiente.

Periodista: Yihe Zhou, Tongtian Zhu, Yingxiao Huo, Satya Prakash Dash, Can Wang, Samuel Kaski, Mingfei Sun

Personas mencionadas

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.

Periodista: Julien Vibert, Jakob Nikolas Kather

Personas mencionadas

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.

Periodista: William Franz Lamberti

Personas mencionadas

¿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.

Periodista: Xilai Dai, Saeed Mohammadi

Personas mencionadas

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.

Periodista: Sijie Ruan, Tingyu Xie, Mingfei Liu, Yicheng Tang, Haoyu Han, Jingnan Qi, Jingshu Zeng, Dongqi Xu, Jing Wang, Shuliang Wang

Personas mencionadas

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.

Periodista: Taha Entesari, Jingyu Zhang, Daniel Khashabi, Mahyar Fazlyab

Personas mencionadas

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.

Periodista: Dhruv Trehan, Paras Chopra

Personas mencionadas

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*.

Periodista: Jinyu Liu, Gang Tan, Kiwan Maeng

Personas mencionadas

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.

Periodista: David Wang, Mohammad Abdulaziz

Personas mencionadas

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.

Periodista: Fairoz Nower Khan, Nabuat Zaman Nahim, Peizhong Ju

Personas mencionadas

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.

Periodista: Haolei Xu, Xiaowen Xu, Haiwen Hong, Zixuan Ni, Hongxing Li, Yiwen Qiu, Weiming Lu, Yongliang Shen

Personas mencionadas

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.

Periodista: Rishabh Pande, Yu Zeng

Personas mencionadas

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.

Periodista: Jiatong Li, Samuel Yeh, Sharon Li

Personas mencionadas

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.

Periodista: Jaime C. Acosta, Anantaa Kotal, Aritran Piplai

Personas mencionadas

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.

Periodista: David Gibson (Curtin University), M. Elizabeth Azukas (Georgia Institute of Technology), Gerald Knezek (University of North Texas)

Personas mencionadas

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.

Periodista: Jeonghwan Cho, Minsu Kim, Junyoung Hong, Seon Joo Kim

Personas mencionadas

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.

Periodista: Xin Yu, Fei Xia, Jiaqi Pan, Youbao Tang, Chengzhi Liu, Adams Yu, Sicong Jiang, Yanfei Chen, Lingzhou Xue, Ting Yu

Personas mencionadas

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.

Periodista: Jiarui Gan, Debmalya Mandal

Personas mencionadas

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.

Periodista: Nabuat Zaman Nahim, Fairoz Nower Khan, Peizhong Ju

Personas mencionadas

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.

Periodista: Alexander G. Reisach, Antoine Chambaz, Gilles Blanchard, Sebastian Weichwald

Personas mencionadas

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.

Periodista: Ke Shen, Ankita Bhaumik, Li Dong, Shengjie Liu, Shuzhen Li, Naveed Ahmed Janvekar

Personas mencionadas

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.

Periodista: Jungang Zou, Alex Ziyu Jiang, Qixuan Chen

Personas mencionadas

¿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.

Periodista: Spandan Roy, Subhabrata Majumdar, Soudeep Deb

Personas mencionadas

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.

Periodista: Marius Funk

Personas mencionadas

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.

Periodista: Jie Li, Muxin Pu, Hongyi Cai, Mingkang Dong, Jianyuan Guo, Tao Huang

Personas mencionadas

¿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.

Periodista: Zhengxin Zhang, Maosen Tang, Ning Wang, Changhao Li, Jingren Zhou, Bo Dai, Sainyam Galhotra, Alex Townsend, Claire Cardie

Personas mencionadas