Buscar noticias
Buscá por texto y descubrí noticias relacionadas con tu consulta.
Noticias relevantes
Hasta 10 noticias relacionadas por su significado, ordenadas por relevancia.
El nuevo Flipper One es un PC Linux portátil que puedes llevar en tu bolsillo y se vende a cero beneficio
Se lanzó el Flipper One, un ordenador portátil basado en Linux, a través de una campaña de crowdfunding con un precio de $399. El dispositivo utiliza el sistema operativo Flipper OS y puede funcionar como PC de escritorio o dispositivo portátil, ofreciendo capacidades como VPNs y conectividad múltiple. La compañía afirma que el precio cubre el costo de producción y no genera margen de beneficio.
Hospital entrega PC especial a doctor muy enfermo para uso personal
Un doctor investigador, conocido por su consumo de entretenimiento para adultos, causó una infección de malware en su PC, lo que llevó a una investigación interna. El hospital finalmente implementó una política para restringir el uso de PCs para asuntos personales y, posteriormente, los estudiantes del doctor interpusieron una demanda.
Tecnólogo manipula un ventilador defectuoso cerca de líquido inflamable y una placa base expuesta, y lo deja funcionar por días
Un lector llamado Axl manipuló una PC en una gasolinera que dejó de funcionar, sospechando sobrecalentamiento. Él instaló una solución temporal con un ventilador de extracción para mantener el sistema operativo durante varios días. El ingeniero de soporte llegó y reemplazó el componente fallido, y no hubo víctimas, asegurando que los turistas regresaron satisfechos.
Veredicto final de Slayyyter: un disco saturado e industrial que le da identidad propia
El tercer disco de Slayyyter, WOR$T GIRL IN AMERICA, utiliza una producción saturada e industrial para darle identidad propia, marcando un giro respecto al sonido anterior. Aunque la segunda mitad del álbum presenta temas con letras débiles, los momentos donde el ruido se retira permiten que la voz se exprese de manera más suave y expresiva. El álbum es calificado como el más ambicioso y logrado hasta la fecha, combinando la intensidad sonora con una vulnerabilidad en su desenlace.
Kim Gordon – PLAY ME
Kim Gordon lanza su tercer disco, PLAY ME, utilizando canciones cortas y producción industrial para desafiar al algoritmo del streaming. El álbum explora temas políticos y opresivos, criticando la tecnocracia y la manipulación del sistema. La obra demuestra cómo la brevedad y la suciedad de la producción pueden ser una estrategia efectiva para contestar las reglas del sistema digital.
Linux se une a la flota de pantallas de información inoperativas de Heathrow
Linux ha demostrado ser tan capaz como Windows en términos de fallos, y Heathrow está explorando el uso de hardware basado en Raspberry Pi para sus nuevas pantallas. Se destaca la flexibilidad en la distribución de contenido y la eficiencia energética de las nuevas soluciones de hardware.
Linux está obteniendo una herramienta que causa fallos en el sistema de forma intencionada
Se presenta una nueva herramienta en el kernel de Linux llamada hwpoison-panic diseñada para inducir fallos de memoria intencionales. Esta herramienta permite a los desarrolladores probar la respuesta del kernel ante errores de memoria irrecuperables, simulando fallos de hardware para verificar la estabilidad del sistema. El objetivo es que el kernel realice un pánico inmediato, lo cual es crucial para el desarrollo y la depuración de sistemas operativos.
La mejor manera de detener la propagación de una idea es un incendio controlado
El texto describe una situación de crisis en un edificio donde se sospecha la propagación de un virus, desencadenada por una idea impulsiva. Los personajes intentan detener la situación mediante la desactivación de sistemas y la destrucción de dispositivos. Finalmente, se confirma que el fuego se originó por un acelerante desconocido, aunque la idea inicial no fue la causa directa.
Alguien usó Claude para construir un chatbot que cabe en un disco flexible
Se presenta Tiny-2.1, un chatbot construido con Claude que se ejecuta en DOS con una memoria muy limitada. Aunque puede realizar tareas básicas como trivia y aritmética, su precisión disminuye significativamente al responder preguntas con redacción nueva. El texto concluye que es más una prueba de concepto que un modelo práctico para uso diario, aunque es útil para probar la capacidad de modelos pequeños.
Descubierta la causa inesperada del ruido de la computadora
Se reveló que el ruido de la computadora puede deberse a la carga de la tarjeta gráfica y la acumulación de polvo en el sistema de refrigeración. El aumento de temperatura provoca que los ventiladores trabajen más rápido, y la vibración de componentes puede generar ruidos. Se recomienda limpiar el dispositivo de polvo y revisar si el ventilador está desgastado.
Noticias encontradas
Coincidencias por palabras en títulos, resúmenes, temas, personas, lugares o firmas.
Resultados para «Bleeping Computer»
Más recientes primero · Hasta 30 noticias por página
Perfiles de perturbación de clasificadores de trayectoria de escaneo: A qué son sensibles los decodificadores de lectura, comprensión de código y video
Se propone un perfil de perturbación para descriptores a nivel de ensayo para evaluar la sensibilidad de clasificadores de trayectoria de escaneo a diferentes propiedades. Se realizaron pruebas en tres conjuntos de datos públicos (lectura, comprensión de programa y visualización de video/juego) para medir cómo la manipulación de propiedades como el orden de fijación afecta el rendimiento del clasificador. Los resultados indican que la sensibilidad del pipeline a ciertas propiedades es medible mediante la caída del AUC.
Evaluación de la clasificación y la explicabilidad en el análisis de imágenes petrograficas multimodales
Se evalúan los clasificadores automatizados de imágenes petrográficas multimodales que combinan luz planeada-polarizada y cruzada-polarizada. El estudio analiza cómo los errores de clasificación y los mapas de atribución revelan aspectos del rendimiento del modelo que la precisión de la clasificación no muestra. Se encontraron diferencias en la sensibilidad a la modalidad y el comportamiento de atribución entre las diferentes vistas ópticas.
Localización de región con evidencia mediante destilación auto-distilada contrastiva selectiva
Se propone el método SPN-OPSD para mejorar la capacidad de los modelos de lenguaje grandes multimodales en tareas visuales de grano fino. Este método considera tanto las regiones de evidencia como las de fondo para mejorar la resistencia a la interferencia de regiones irrelevantes. La aplicación de SPN-OPSD mejoró la precisión en varios benchmarks de visión por computadora en modelos Qwen3.5.
Decodificación especulativa de nivel de frase en un objetivo congelado
Se presenta una mejora en la decodificación especulativa para aumentar el rendimiento al permitir que más candidatos sobrevivan a la verificación. Se describe una técnica donde una cabezal MLP predice frases de una a tres palabras en un vocabulario de borrador separado, optimizando el uso de parámetros y manteniendo la coherencia con el vocabulario del modelo base. Los resultados demuestran una ventaja en métricas de razonamiento matemático frente a otros modelos.
Escalado en tiempo de prueba para modelos de lenguaje de difusión con remasquillado consciente de la frecuencia
Se propone un escalado en tiempo de prueba para modelos de lenguaje de difusión mediante una asignación adaptativa de cómputo y estrategias de decodificación. El método utiliza un muestreador rápido para preguntas fáciles y remasquillado consciente de la frecuencia para preguntas difíciles. Los experimentos demuestran mejoras en precisión y cobertura en benchmarks como MATH-500 y HumanEval.
De la conexión de herramientas al control de ejecución: Evaluación de invariantes de seguridad en *runtimes* de agentes estilo MCP
El artículo presenta la formulación de ocho invariantes de ejecución (I1-I8) para agentes conectados a herramientas, diseñados para asegurar la integridad incluso ante instrucciones adversarias. Se compara el rendimiento de estos invariantes en dos arquitecturas de *runtime*: HCP (runtime en memoria) y una ACL de *gateway*/servidor independiente (B3). Los resultados demuestran que aplicar los invariantes I1-I8 asegura la ejecución segura de herramientas independientemente del diseño del *runtime* utilizado.
Spatial-IQ: Descomponiendo la inteligencia espacial mediante pruebas de capacidad jerárquica
Se presenta Spatial-IQ, un marco de diagnóstico jerárquico diseñado para evaluar el razonamiento espacial de los modelos de lenguaje grandes (MLLMs). Este marco descompone el conteo de objetos en estructuras 3D, analizando subtareas perceptuales y cognitivas basadas en etapas de la cognición humana. Se demuestra que entrenar estos modelos con supervisión de cadena de pensamiento y aprendizaje por refuerzo mejora la consistencia y la precisión del rendimiento espacial.
Cuando la experiencia se convierte en una puerta trasera: Envenenamiento de agentes de LLM autoevolutivos mediante optimización de tareas consciente del fallo
Se estudia un problema de ataques de puerta trasera a nivel de tarea en agentes de LLM autoevolutivos, donde el atacante inyecta tareas de evolución envenenadas. Se proponen BadEvolve, un marco que diagnostica fallos en cuatro etapas de evolución y utiliza reversión para preservar el progreso y evitar actualizaciones ineficaces. Los experimentos demuestran la efectividad de este marco contra diversos marcos de autoevolución.
Predicción temprana de memecoins fraudulentos en Solana mediante aprendizaje automático
Un estudio utiliza aprendizaje automático para detectar fraudes de "rug pull" en memecoins de Solana. La investigación analiza un conjunto de datos de 6.4 millones de tokens para identificar características de rug pull en la plataforma. Se demuestra que modelos de aprendizaje automático como XGBoost son efectivos para predecir estos fraudes basándose en datos de negociación iniciales. El estudio sugiere que la fusión de datos de múltiples fuentes mejora la fiabilidad de la detección en este ecosistema.
PEARL: Modelado de optimización interactivo Solver-in-the-Loop a partir del lenguaje natural
Se presenta PEARL, un sistema para el modelado de optimización interactivo de solucionador que utiliza ejecución de Python y solucionadores de programación matemática en un ciclo iterativo. Este sistema aprende a probar modelos parciales y revisar diagnósticos del solucionador para mejorar las formulaciones y el código antes de la finalización. PEARL demuestra un mejor acuerdo objetivo ejecutable y es competitivo con modelos de referencia existentes.
PoEM: Predicción de resultados de RL a partir de políticas existentes
Se presenta PoEM, un marco para predecir los resultados de Aprendizaje por Refuerzo (RL) utilizando modelos entrenados previamente con otras recompensas. El objetivo es predecir la política RL óptima para una nueva función de recompensa sin necesidad de un entrenamiento adicional. El método aprovecha la combinación lineal de políticas existentes para aproximar la política objetivo.
Hacia una detección de fraude auditable: Combinando características de grafos, explicaciones de modelos e investigación de casos agente
Se presenta un *pipeline* de detección de fraude por capas que integra clasificadores, características de grafos, señales de anomalía y un agente de investigación LLM. El estudio evalúa la contribución de cada componente en la detección de fraude, encontrando que la justificación de un agente de investigación no siempre resulta en una decisión mejor. Se concluye que cada parte del sistema solo es efectiva bajo condiciones específicas.
Ediciones Mecanísticas Certificadas: Garantías de Comportamiento para la Eliminación y Preservación de Habilidades
Se presentan ediciones mecánicas como herramientas estándar para eliminar capacidades dañinas de redes neuronales manteniendo otras útiles. Se certifica el efecto de estas ediciones, garantizando que la eliminación de una habilidad preserve otra en regiones continuas de entradas. Se demuestra que ninguna prueba de caja negra determinista puede certificar la eliminación, incluso con pruebas exhaustivas.
No se identificaron personas.
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.
Monitorización en tiempo de ejecución con validez válida de certificados de barrera aprendidos
Se propone un monitor en tiempo de ejecución con validez válida para auditar certificados de barrera aprendidos, detectando la pérdida de soporte estadístico de la condición de barrera desplegada. El sistema utiliza pruebas de hipótesis secuenciales y transforma incrementos de barrera en una supermartingala para controlar falsas alarmas. El monitor busca detectar evidencia estadística de que el certificado de seguridad no es consistente con las dinámicas observadas.
Modelos de lenguaje no reportan estados de dolor inyectados
Un estudio evaluó si los modelos de lenguaje podían reportar un estado de dolor inyectado. Los resultados indican que, aunque se pudo distinguir el dolor de la tristeza, los modelos no lograron reportar el dolor en las capas principales de inyección. Sin embargo, los reportadores entrenados lograron recuperar el estado de dolor en tareas específicas.
No se identificaron personas.
Marco orientado a agentes para el análisis reproducible de datos de termorreflectancia en el dominio de la frecuencia
Se presenta Vibe-FDTR, un marco orientado a agentes que permite a los agentes de LLM realizar análisis de termorreflectancia en el dominio de la frecuencia (FDTR) de manera reproducible a partir de solicitudes en lenguaje natural. Este marco combina un paquete de código configurado con habilidades de agente para traducir intenciones en pasos de análisis verificables. Los resultados muestran que los agentes con Vibe-FDTR alcanzan tasas de éxito del 100% y 98.9% en tareas controladas, reduciendo el costo computacional y el tiempo de ejecución.
El teorema Pokémon: los criterios de equidad no pueden atraparlos a todos
Se presenta el teorema Pokémon, que establece que es imposible satisfacer todos los criterios de equidad algorítmica simultáneamente. Se argumenta que cumplir con un conjunto finito de criterios no garantiza la equidad total, ya que el modelo puede violar otros criterios. Se explora la posibilidad de lograr una equidad aproximada al encontrar la frontera de Pareto entre la equidad y el señal predictivo.
Muestreo estocástico consistente con SDE para el post-entrenamiento de RL en modelos de Flow-Matching
Se propone Precise, un nuevo muestreador estocástico que equilibra la exploración efectiva y la estabilidad en modelos de flow-matching. Este método mantiene la consistencia SDE de la trayectoria de eliminación de ruido mediante una aproximación que resuelve el problema del exceso de ruido. Los experimentos demuestran que esta formulación resulta en una optimización de recompensa más rápida y estable, logrando puntuaciones de alineación de vanguardia con menor tiempo de entrenamiento.
Señales tempranas de uso problemático de IA: Roles longitudinales de la motivación y el compromiso emocional
Un estudio longitudinal sobre 114 adultos reveló que la motivación para usar IA conversacional predice un uso problemático posterior de esta tecnología. Se encontró que la motivación para usar IA, especialmente para gestionar sentimientos y superar dificultades, se correlaciona con un uso problemático. Los resultados sugieren que la motivación de la IA puede servir como señal de advertencia temprana de un uso problemático.
No se identificaron personas.
Elsewise: Creación de narrativas interactivas abiertas con visualización del espacio de posibilidad
Se presenta Elsewise, una herramienta de autoría para narrativas interactivas basadas en LLM que utiliza un concepto de Trama Agrupada para mejorar la comprensión del espacio de posibilidad narrativa por parte del autor. El estudio de usuario indica que este enfoque mejora la anticipación del autor sobre la experiencia narrativa del jugador, facilitando un mejor control y exploración de dichas posibilidades.
PEEK: Corrección de sesgo de exposición con mirada hacia adelante de un paso para muestreo de difusión
Se propone PEEK, un plugin de muestreador determinista sin entrenamiento, para mitigar el sesgo de exposición en generadores de imágenes por difusión. PEEK realiza una actualización provisional de un paso y utiliza una predicción un paso adelante para mejorar la calidad de la imagen al mitigar el sesgo de exposición. Los experimentos mostraron reducciones en la Distancia de Percepción de Fréchet (FID) de hasta un 49.3% en varios modelos.
Deliberación No Recíproca de Tensor de Arista Tipada para Razonamiento Deductivo Contrafactual de Mundo Abierto
Se presenta una nueva arquitectura de razonamiento latente continuo de tiempo neuro-simbólica llamada TE-BPHD. Esta arquitectura combina conservación port-Hamiltoniana antisimétrica con transporte direccional no recíproco y amortiguamiento disipativo para mejorar el razonamiento deductivo. Los resultados demuestran que elimina la deriva de horizonte profundo y aumenta la precisión del razonamiento cíclico en benchmarks específicos.
Aprendizaje universal de incrustaciones voxel a voxel mediante síntesis aleatoria para localización de puntos de referencia
Se propone UNIVERS, un marco entrenable de extremo a extremo que aprende incrustaciones voxel a voxel universales mediante síntesis aleatoria para la localización de puntos de referencia en escaneos de volumen multimodales. Este método utiliza datos pseudo sintetizados con aleatorización para hacer el modelo robusto a variaciones en el contraste y resolución de la imagen. Los resultados demuestran que UNIVERS supera a los métodos de última generación en la localización de puntos de referencia, especialmente en escenarios de multimodalidad.
¿Cuántas exposiciones necesita un modelo mundial? Aprendiendo mecánicas de juego no vistas en el momento de la prueba
Se investiga cuántas exposiciones necesita un modelo del mundo para predecir las mecánicas de un entorno de juego desconocido. Se presenta el modelo WARC, un transformador de visión, que demuestra capacidad para predecir la mayoría de las mecánicas con alta precisión tras un entrenamiento específico. El trabajo también muestra que el entrenamiento en el momento de la prueba mejora significativamente la eficiencia de un explorador de grafos.
EarthJev: Adquisición de evidencia visual eficiente y toma de decisiones para la comprensión del teledetección UHR
Se presenta EarthJev, un marco diseñado para la respuesta a preguntas visuales (VQA) en teledetección UHR, enfocado en la adquisición eficiente de evidencia visual. El sistema separa la puntuación de regiones de la generación de respuestas, utilizando señales de decisión específicas para mejorar la precisión y reducir la latencia. EarthJev superó a ZoomSearch en cinco puntos de referencia, logrando una precisión media del 53.06% con el modelo Qwen3.5-9B.
Impacto algorítmico revela la estructura oculta de la elección social de alineación
El artículo aborda el problema de la elección social al alinear algoritmos de inteligencia artificial que afectan a múltiples personas. Propone una reformulación matemática que permite tratar el problema de alineación como una optimización lineal sobre un espacio de impacto convexo. Esto permite traducir protocolos de alineación en consecuencias de bienestar y viceversa, demostrando la viabilidad de mecanismos como la votación por temas.
¿Cuándo deberían reconsiderar los Modelos de Difusión de Lenguaje sus compromisos?
Se presenta el Aprendizaje Conjunto de Desenmascaramiento y Revisión Planificado (PURL) para Modelos de Difusión Enmascarados (MDMs) para unificar la generación paralela con la revisión selectiva de tokens. Este marco mejora la precisión en tareas como razonamiento matemático y generación de código, logrando mejoras de hasta 47.4% en precisión. El análisis sugiere que la generación paralela efectiva depende de hacer que los compromisos de tokens sean revisables en el momento adecuado, en lugar de revisar más tokens.
SkillDuet: Modelos y habilidades coevolutivos a través de feedback de respuesta
Se presenta SkillDuet, un marco que coordina la evolución de parámetros y habilidades mediante el feedback de respuesta del modelo. Este sistema extrae habilidades de trayectorias on-policy para guiar las actualizaciones de parámetros, consolidando las mejores habilidades en un conjunto global persistente. El framework demostró altas tasas de éxito en benchmarks como ALFWorld y WebShop, superando las líneas base existentes.
Inflación de tokens: Cómo los proveedores deshonestos pueden sobrecargar el uso de modelos de lenguaje grandes
El modelo de facturación por token es el estándar para los LLM comerciales, pero los proveedores pueden inflar sistemáticamente los recuentos de tokens facturados. Esto se debe a que ocultan componentes clave para proteger su propiedad intelectual y privacidad del usuario. Los resultados indican que la auditoría es defectuosa porque depende de la evidencia proporcionada por el propio proveedor. Se necesita verificación externa para asegurar la facturación honesta.