Buscar noticias
Buscá por texto y descubrí noticias relacionadas con tu consulta.
Noticias relevantes
Hasta 10 noticias relacionadas por su significado, ordenadas por relevancia.
Cómo no convertirse en un robot en la era de la IA
La proliferación de contenido generado por Inteligencia Artificial, denominado 'basura de IA', es un desafío creciente en internet, manifestándose en textos sin sentido y videos falsos con voz sintetizada. El texto advierte que el consumo constante de este contenido puede llevar a imitar el lenguaje de la IA, sugiriendo que es difícil escapar de esta tendencia y que la forma de hablar puede cambiar sutilmente con el tiempo.
IA con botón de llamada primero: "AgentMAX" de Weverse Brain revelado
Weverse Brain ha lanzado "AgentMAX", un tutor de inteligencia artificial diseñado para practicar inglés. Esta IA llama al usuario según el tiempo establecido y facilita la práctica de conversación corta en inglés. El sistema busca ayudar a los usuarios a mejorar sus habilidades lingüísticas de manera interactiva.
Ganar dinero con prompts usando IA
Se menciona que personas pueden ganar dinero utilizando prompts generados por inteligencia artificial. El texto es principalmente promocional y de suscripción a contenido digital.
No se identificaron personas.
Estos comandos te ayudan a personalizar ChatGPT, Gemini y Claude sin escribir prompts largos
La noticia explica cómo la Inteligencia Artificial (IA) se define como un sistema informático que simula la inteligencia humana, diferenciándola de software tradicional por su capacidad de aprender de forma autónoma. Se detalla el uso de comandos, conocidos como slash commands, para personalizar la interacción con modelos como ChatGPT, Gemini y Claude, permitiendo al usuario controlar el tono, el estilo y la función de la IA a través de comandos específicos.
No se identificaron personas.
Diez tareas: 30 indicaciones para el día a día
Se presenta una guía con 30 indicaciones (prompts) para optimizar el uso de diferentes herramientas de Inteligencia Artificial como Claude, ChatGPT y Copilot. El objetivo es obtener los mejores resultados al utilizar cada herramienta para tareas cotidianas.
No se identificaron personas.
Samsung podría incorporar pronto una función de escritura por voz impulsada por IA en sus teléfonos Galaxy
Samsung está desarrollando una función de escritura por voz impulsada por IA llamada "Refine voice input" para los teléfonos Galaxy con One UI 9.5. Esta nueva característica busca eliminar palabras de relleno y mejorar la estructura del texto dictado, similar a la función Rambler de Google. Se espera que esta herramienta, potenciada por Galaxy AI, se integre en Samsung Keyboard en futuros dispositivos Galaxy.
Mrs. GREEN APPLE participa en el nuevo anuncio de Google Search AI Mode
Mrs. GREEN APPLE protagoniza un nuevo anuncio de Google Search AI Mode, donde sus tres miembros participan en un desafío de pose de gorila. El anuncio se lanza el 12 de noviembre y se complementa con videos de detrás de cámaras. La colaboración se basa en la experiencia de los miembros con la búsqueda en Google.
Herramientas impulsadas por IA avanzan la detección de soplos cardíacos caninos
La inteligencia artificial está transformando la medicina veterinaria, especialmente en la detección de soplos cardíacos caninos mediante herramientas digitales. Se ha desarrollado una solución que combina un estetoscopio digital con un algoritmo de IA para mejorar la detección y clasificación de estos soplos, ofreciendo además una vía para mejorar la comunicación con los dueños de mascotas. Esta innovación busca facilitar la detección temprana de enfermedades cardíacas en perros, apoyando la toma de decisiones clínicas y la educación de futuros profesionales.
El tiempo de un mayordomo personal está aquí
Varias empresas tecnológicas están lanzando aplicaciones móviles de agentes inteligentes personales, marcando una evolución de la IA de herramientas de chat a asistentes de trabajo. Estos sistemas buscan actuar como un mayordomo que realiza tareas complejas como gestionar agendas, redactar correos y realizar pagos. Se destaca la necesidad de un entorno en la nube para asegurar la operatividad continua de estos agentes, aunque existen preocupaciones sobre la seguridad y la gestión de datos personales.
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.
Noticias encontradas
Coincidencias por palabras en títulos, resúmenes, temas, personas, lugares o firmas.
Resultados para «AI Sambo»
Más recientes primero · Hasta 30 noticias por página
ViSAR: Recuperación adaptativa-$k$ sin entrenamiento para preguntas y respuestas visuales de documentos
Se presenta ViSAR, un método de recuperación adaptativo-$k$ sin entrenamiento para la recuperación visual de documentos. Este método opera en el espacio de incrustación para determinar dinámicamente el número de páginas a recuperar, reduciendo la latencia de RAG hasta un 58.9% sin afectar la precisión. Se demuestra que la estructura de la matriz de similitud se correlaciona con la precisión de la respuesta.
EHR-RAGp: Recuperación guiada por prototipo de registros médicos electrónicos longitudinales para modelos de predicción clínica
Se presenta EHR-RAGp, un marco basado en recuperación diseñado para integrar dinámicamente el historial de pacientes más relevante de los Registros de Salud Electrónicos (EHR) para modelos predictivos. Este enfoque utiliza un módulo guiado por prototipo para evaluar la relevancia del contexto histórico, logrando un rendimiento superior a las soluciones existentes. El método demuestra ser agnóstico al modelo y mejora el rendimiento al modelar el contexto clínico de largo alcance.
Distilación de Programas: Transferencia de Capacidad de LLM de Sistema 2 a Sistema 0
Se propone el marco de Distilación de Programas (PD) para transferir habilidades de los Modelos de Lenguaje Grandes (LLM) del Sistema 2 al Sistema 0. Este enfoque busca mejorar el rendimiento y reducir el tiempo de inferencia al permitir que un programa estudiante ejecute la política generada por el LLM. Se presenta un *benchmark* llamado PDBench que demuestra la superioridad del modelo propuesto sobre otros métodos.
Investigación empírica de la robustez de los Modelos de Lenguaje Grandes ante distorsiones tabulares
Se investiga la robustez de los Modelos de Lenguaje Grandes (LLM) ante distorsiones en tablas extraídas de fuentes reales. Los resultados indican debilidades en los paradigmas de preentrenamiento actuales, ya que los modelos tienden a asumir que las tablas son correctas. Aunque el *prompting* específico puede mitigar algunos fallos, los errores persisten incluso en modelos avanzados. Se demuestra que el ajuste fino puede enseñar a los modelos a detectar y corregir tablas distorsionadas.
El primer token conoce: Confianza de decodificación única para la detección de alucinaciones
Se investiga la confianza en el primer token de una decodificación greedy para detectar alucinaciones en modelos de lenguaje. Se define la confianza del primer token (phi_first) y se compara con métodos más complejos, encontrando que es una línea base útil para la estimación de incertidumbre en QA fáctica. El estudio sugiere que esta métrica es correlacionada con el acuerdo semántico, aunque tiene limitaciones en casos de falsedades de alta confianza.
Proxy OPD: Distilación On-Policy con Proxy Relativo Transferible para Modelos de Lenguaje Grandes
Se propone el Proxy OPD (P-OPD), un método post-entrenamiento que transfiere actualizaciones de política inducidas por la recompensa utilizando la política base congelada del objetivo como referencia. Este método busca reutilizar mejoras inducidas por la recompensa entre diferentes modelos mediante la transferencia de actualizaciones de política relativas. Los experimentos demuestran que P-OPD supera a la destilación on-policy (OPD) convencional en tareas como razonamiento matemático y generación de código.
DeCO: Composición de Evidencia Discriminatoria para Destilación de Conjuntos de Datos de Granularidad Fina
Se propone el método Discriminative Evidence Composition (DeCO) para la destilación de conjuntos de datos de granularidad fina, buscando preservar la evidencia localizada en lugar de solo estadísticas globales. DeCO utiliza atención para identificar parches informativos y organiza regiones por clase para crear imágenes compactas. Los experimentos demuestran que DeCO supera a los métodos existentes en diversas tareas de clasificación visual.
Simulación de Conjuntos de Datos Federados: Induciendo Heterogeneidad sin Etiqueta en Tareas
Se presenta la Simulación de Conjuntos de Datos Federados (FDS) para evaluar el Aprendizaje Federado, abordando la escasez de datos reales y la limitación de los métodos basados en etiquetas. Se proponen dos métodos sin etiqueta, geométrico y semántico, aplicables a tareas de clasificación y predicción densa. Los resultados muestran que estos métodos inducen una heterogeneidad comparable o superior a la del particionamiento por sesgo de etiqueta, afectando el rendimiento del FL.
WAXAL: Un corpus de habla multilingüe africana a gran escala
Se presenta WAXAL, un conjunto de datos de voz abierto y grande que cubre 27 idiomas africanos con más de 100 millones de hablantes. Este corpus incluye datos de ASR y TTS, y se realizaron pruebas comparativas de tres modelos de ASR, mostrando mejoras significativas en la precisión al ajustar con WAXAL.
- Abdoulaye Diack
- Perry Nelson
- MohamedElfatih MohamedKhair
- Emmanuel Asiedu Brempong
- Subhashini Venugopalan
- Tavonga Siyavora
- Vusumuzi Dube
- Kwaku Agbesi
- Angela Nakalembe
- Jason Hickey
- Uche Okonkwo
- Abhishek Bapna
- Isaac Wiafe
- Raynard Dodzi Helegah
- Elikem Doe Atsakpo
- Charles Nutrokpor
- Fiifi Baffoe Payin Winful
- Kafui Kwashie Solaga
- Jamal-Deen Abdulai
- Akon Obu Ekpezu
- Audace Niyonkuru
- Samuel Rutunda
- Boris Ishimwe
- Michael Melese
- Engineer Bainomugisha
- Joyce Nakatumba-Nabende
- Andrew Katumba
- Claire Babirye
- Jonathan Mukiibi
- Vincent Kimani
- Samuel Kibacia
- James Maina
- Fridah Emmah
- Ahmed Ibrahim Shekarau
- Ibrahim Shehu Adamu
- Yusuf Abdullahi
- Howard Lakougna
- Kode Niane
- Bob MacDonald
- Pooja Rao
- Hadar Shemtov
- Prince Mireku
- Aisha Walcott-Bryant
- Moustapha Cisse
- Avinatan Hassidim
- Jeff Dean
- Yossi Matias
Modelo teórico asistido por LLM para dispersión de ruido de instalación de motores aeroacústicos
Se desarrolló un modelo teórico para el ruido del ventilador de un motor aeroacústico que incide y se dispersa en una placa rígida. El modelo utiliza problemas de Wiener-Hopf y transformaciones espectrales para resolver la dispersión del ruido. Se utilizó un modelo de lenguaje grande (LLM) para asistir en la manipulación algebraica, demostrando que la IA puede acelerar el álgebra en mecánica de fluidos teórica.
Red de antena fluida de baja altitud con aprendizaje por refuerzo multiagente
Se presenta un marco de aprendizaje por refuerzo multiagente (MARL) para la reconfiguración rápida y de alto rendimiento de redes de antena fluida (FA) de baja altitud. El estudio demuestra que la optimización conjunta de posiciones y formación de haces puede incrementar la tasa de suma del sistema en un 118.5% comparado con una configuración fija. Esto se logra mediante la reconfiguración dinámica de los arreglos de antenas y la dirección adaptativa de haces hacia usuarios aéreos móviles.
PEIRA: Aprendizaje de codificadores predictivos a través de alineación de regresor inter-vista
Se presenta PEIRA, un método de aprendizaje auto-supervisado no contrastivo con un objetivo explícito basado en la traza del regresor lineal óptimo. El estudio demuestra que PEIRA es competitivo con métodos como VICReg y LeJEPA en benchmarks como ImageNet-1K y CIFAR-10. Los resultados empíricos confirman la teoría al recuperar subespacios de correlación canónica.
Fusión latente: Apilamiento de canales para edición de imagen que preserva la estructura
Se explora la concatenación por canal como una opción de menor costo para ediciones que preservan la estructura, modificando la apariencia sin alterar el diseño. Se compara con la concatenación de secuencia, que duplica la longitud de la secuencia y el costo de atención. Los experimentos indican que la concatenación por canal mantiene la alineación de píxeles con la fuente.
Más allá del monolito de parámetros: Memorias reconstructivas, habilidades ejecutables y ensamblaje residual para modelos de lenguaje
Se presenta la arquitectura FEM-ASM, diseñada para permitir que un sistema de modelo de lenguaje crezca su estado externo y utilice procedimientos ejecutables sin que todos los componentes compartan un proceso de optimización. Esta arquitectura separa la coordinación neuronal, la construcción de estado de documento y la ejecución determinista. Los experimentos demuestran que el almacenamiento recuperable y la recuperación exitosa son propiedades distintas, mejorando las interfaces de memoria y ejecución.
Contratos de asuncion/garantía para el aprendizaje por refuerzo multiagente composicional de equipos heterogéneos
Se introduce el aprendizaje por refuerzo multiagente (MARL) para equipos heterogéneos mediante contratos de asuncion/garantía (AGC-MAS) y un algoritmo iterativo (IHA-MARL). Este marco permite la colaboración de agentes heterogéneos mediante la definición de contratos que especifican requisitos y comportamientos. Los resultados experimentales demuestran la versatilidad de estos contratos para permitir la sustitución y reutilización de contratos en la asignación de tareas.
MoRAE: Latentes auto-supervisados amigables para el flujo para generación de texto a movimiento
Se presenta MoRAE, un enfoque para generar movimiento a partir de texto mediante latentes auto-supervisados. El método preentrena un codificador Motion-JEPA para predecir trayectorias ocultas y luego comprime sus características en un latente compacto. Esto resulta en una generación de movimiento más fiable y con mejor estructura de articulación cruzada, alcanzando resultados de vanguardia en benchmarks como HumanML3D y KIT-ML.
Hacia una VQA oftalmológica interpretable clínicamente mediante evidencia de lesiones espacialmente fundamentada
Se presenta FundusGround, un nuevo punto de referencia para VQA oftalmológica que incorpora evidencia de lesiones espacialmente fundamentada. El trabajo propone un *pipeline* de tres etapas para recolectar imágenes y lesiones anotadas, utilizando la rejilla ETDRS para mapear lesiones a regiones retinianas. Los experimentos demuestran que la inclusión de evidencia visual a nivel de lesión mejora el rendimiento y la transparencia de los modelos de visión-lenguaje para VQA oftalmológica.
Difusión informada por simulación para la planificación de movimiento descentralizada de múltiples robots
Se presenta el marco SID, un enfoque descentralizado para la planificación de movimiento de múltiples robots que utiliza modelos de difusión conscientes de restricciones (CADM). Este método simula las trayectorias futuras de los robots vecinos para guiar la planificación individual, permitiendo una coordinación mínima solo en escenarios congestionados. Los experimentos demuestran que SID supera a los métodos base en efectividad de planificación y satisfacción de restricciones.
Trabajo humano-IA a través de la lente de la calibración
Se estudia el trabajo en equipo entre humanos e inteligencia artificial utilizando la lente de la calibración estadística. El estudio analiza marcos que combinan o delegan la responsabilidad de la predicción entre el humano y el modelo de IA. Se demuestra que los métodos actuales de combinación no conservan la calibración del humano, y los métodos de delegación requieren que el modelo decisor sea muy preciso para determinar la superioridad de cada miembro.
La atribución de datos debe guiar el preentrenamiento
Se propone que la atribución de datos debe dirigir el preentrenamiento identificando propiedades de datos comprobables como criterios de curación reutilizables. Esto busca mejorar la calidad de los datos de entrenamiento al evaluar propiedades de los documentos en nuevos datos. Se especifica un bucle de retroalimentación para interpretar fuentes atribuidas y probar cambios en datos candidatos.
JaxMARL-BC: Aprendizaje por Refuerzo Multi-Agente para Modelado Macroeconómico, en Segundos
Se presenta JaxMARL-BC, un simulador acelerado por JAX diseñado para entrenar economías basadas en Aprendizaje por Refuerzo Multi-Agente (MARL) en segundos, superando las limitaciones de tiempo de entrenamiento de los modelos DSGE. El trabajo aborda la segunda limitación, demostrando la capacidad del simulador para escalar a 200,000 hogares de aprendizaje y verificando su precisión contra límites conocidos.
Modelos del mundo, árboles y modelos fundacionales para la previsión minorista: Evidencia de cuatro conjuntos de datos públicos
El estudio compara diversos modelos de pronóstico para la previsión minorista en diferentes niveles de granularidad (producto, tienda, tiempo). Se evalúan modelos como World Model, LightGBM y Temporal Fusion Transformer utilizando cuatro conjuntos de datos públicos. Los resultados indican que el modelo adecuado depende de la granularidad utilizada para la planificación.
Más allá de la llamada de herramientas torpe: Cómo la indicación y la detección marcan la diferencia
Se presenta ToolPulse, un middleware que facilita el uso autónomo de herramientas en agentes basados en LLM mediante indicación y detección. Esta herramienta rastrea el estado de ejecución y los patrones de interacción para ofrecer asistencia proactiva, como recordatorios o consejos contextuales. Los resultados demuestran que la asistencia en tiempo de ejecución es beneficiosa para mejorar la autonomía de los agentes en el uso de herramientas.
Estimación e predicción en contexto para ODEs paramétricas
Se investiga la estimación de parámetros y la predicción de trayectorias para ecuaciones diferenciales ordinarias (ODEs) paramétricas utilizando Transformers. Se propone un método de máxima verosimilitud de dos etapas para estimar parámetros a partir de observaciones ruidosas y una aproximación neuronal para la predicción. Se demuestra que un único Transformer puede realizar ambas tareas simultáneamente, ofreciendo garantías no asintóticas.
Recomendación legible y direccionable a través de intereses naturales del lenguaje
Se presenta CLEAR, un sistema de recomendación construido con una capa de interés de lenguaje natural editable, implementado en Meta. Este sistema hace que un subconjunto de intereses inferidos sea legible y utiliza eventos históricos del usuario para fundamentar las recomendaciones. Los componentes de CLEAR han operado en producción por más de un año en Instagram y Facebook.
- Qi Guo
- Reza Mirghaderi
- Iordanis Fostiropoulos
- David Fan
- Yuchen Liu
- Shiliang Tang
- Lukasz Korycki
- Golnaz Ghasemiesfeh
- Xinzhu Bei
- Sasha Vorontsov
- Hanchao Yu
- Brendan Quinlivan
- Khoi Pham
- Jigar Gada
- Hao Yu
- Felix Li
- Hang Gao
- Boyu Fang
- Yang Gao
- Yale Thomas
- Xiaomeng Jin
- Avishek Dutta
- Hong Hong
- Janet Xia
- Ethan Zhu
- Ellie Pan
- Xiang Shen
- Jawwad Zakaria
- Jinfeng Lin
- Jonathan Rush
- Ruixue Lian
- Noah Kennedy
- Brian Vanover
- Jas Pyneni
- Daniel Thiyagu
- Apoorv Saxena
- Sanyogeeta Lawande
- Huayu Ding
- Hima Cherukuru
- Yang Liu
- Chen Kovacs
- Qunshu Zhang
- Lizhu Zhang
- Benyu Zhang
- Kate Chen
- Ashish Singal
- Danny Kanoff
- Zhiyu Liu
- Jiayi Liu
- Jianyu Wang
- Fei Liu
- Xiangjun Fan
- Abhishek Kumar
- Hong Yan
Ultra-CAN: Receptor ciego ligero para telemetry basada en caos y localización local de semilla en el Internet de Drones
Se presenta Ultra-CAN, un receptor neuronal ciego que utiliza una forma de onda basada en caos para realizar telemetría y detección de proximidad en el Internet de Drones. El sistema logra decodificar transmisiones de pares y medir ecos propios sin transceptor de radar adicional. Las variantes demuestran un rendimiento superior en escenarios de enjambre aéreo, mejorando la identificación de obstáculos y la respuesta a la interferencia.
Cuando la intención de edición se divide: Un ataque de jailbreak cruzado de modalidad para modelos de edición de imágenes grandes
Se formaliza una vulnerabilidad de seguridad en modelos de edición de imágenes grandes donde la intención dañina se distribuye entre entradas textuales y visuales. Se propone el Ataque de Jailbreak de Intención Dividida (SIJA) para explotar esta falla, demostrando que la intención insegura puede ser recuperada a pesar de las salvaguardas existentes. Se sugiere una defensa mediante la reconstrucción de la intención de edición para evaluar el contexto multimodal completo.
SAFER: Navegando el dilema exploración-explotación en la planificación basada en modelos del mundo para la conducción autónoma
Se presenta SAFER, un marco que aprende de fallos de otros y aprende en línea de su propia conducción para la conducción autónoma. El sistema utiliza un modelo del mundo para prever consecuencias y un planificador basado en muestreo para evaluar maniobras. SAFER logró los mejores resultados en rutas de la plataforma CARLA y MetaDrive.
Mejorando la segmentación de instancias de equipaje en rayos X con refinamiento de máscaras basada en puntos compartidas
Un estudio investiga el refinamiento de máscaras basado en puntos compartido para mejorar la segmentación de instancias en imágenes de rayos X de equipaje, utilizando la arquitectura Cascade Mask R-CNN. El método combina una columna vertebral ResNet-101 con una pirámide de características basada en atención y utiliza módulos transformador y MLP para refinar las ubicaciones de las máscaras. Los resultados mostraron mejoras en la precisión media de máscara (AP) en comparación con el detector sin refinar.
¿Cuándo debe un humano tomar el control? Delegación óptima bajo riesgo de IA turbulento
El artículo explora cuándo un humano debe tomar el control de un agente de IA autónomo, evaluando la cantidad de verificación necesaria y cuándo debe reanudarse la autonomía. El estudio utiliza modelos para determinar la delegación óptima entre operación asistida por IA y operación autónoma, considerando costos y riesgos. Los experimentos sintéticos demuestran que el método propuesto supera a otros modelos al predecir mejor los incidentes.