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
¿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.
Despliegue de un asistente de LLM de lógica de control en centrales eléctricas aisladas: Lecciones sobre autoridad de fuente y recuperación limitada
Se reportan lecciones aprendidas al implementar asistentes de LLM en entornos de tecnología operativa industrial, abordando restricciones como políticas de sitio y limitaciones de cómputo local. Se demuestran métodos para mitigar la incertidumbre generada por modelos generativos mediante la integración de software determinista para la recuperación de evidencia técnica. El diseño propuesto divide las tareas entre LLMs para interpretación de lenguaje natural y software determinista para la recuperación de evidencia fundamentada en fuentes autoritativas.
Más allá del alineamiento: Supervisando el generador para la reconstrucción de EEG a imagen
Se demuestra que mejorar el alineamiento cruzado en métodos de reconstrucción de EEG a imagen no resulta en ganancias comparables en la calidad. Se propone la supervisión derivada de la generación (GDS) para corregir la discrepancia entre generadores condicionados por EEG y objetivos fijos. Este nuevo enfoque logra una fidelidad de reconstrucción de vanguardia en comparación con los métodos basados en la condición.
VAMR: Razonamiento Multi-Pregunta Agéntico para una Comprensión Eficiente de Video de Formato Largo
Se presenta VAMR, un agente diseñado para el razonamiento multi-pregunta en comprensión de video de formato largo, que coordina todas las preguntas a través de una trayectoria de uso de herramientas compartida. Este enfoque busca mejorar la adquisición conjunta de evidencia y la construcción de una comprensión compartida. VAMR logró la mayor precisión y el menor número de rondas de razonamiento en las evaluaciones LVBench, superando a VideoARM.
EvoKnow: Evolución continua del conocimiento para la detección de imágenes generadas por IA
Se presenta EvoKnow, un marco libre de repeticiones para la detección continua de imágenes generadas por IA, abordando el desafío de la adaptación a nuevos modelos generativos. El método preserva una base forense y añade expertos residuales para evidencia relevante, logrando una adaptación continua a largo plazo con alta precisión. Los experimentos demuestran un rendimiento de vanguardia en el aprendizaje continuo.
El "Benchleaking" se acelera: La contaminación de los benchmarks empeora drásticamente en el último mes
La contaminación de los benchmarks se ha intensificado recientemente, afectando tanto al post-entrenamiento como al pre-entrenamiento de los modelos. Se ha detectado que los ejemplos de prueba de los benchmarks están filtrándose en los datos de entrenamiento, lo que afecta la capacidad real de los modelos. Se recomienda establecer informes de descontaminación y puntuaciones ajustadas para mitigar este problema.
Evidencia condicionada de finalización y síntesis de registros de salud electrónicos
Se presenta EHRDiB, un marco que unifica la finalización y síntesis de registros de salud electrónicos (EHR) al distinguir la omisión original de entradas retenidas. El estudio compara este método con otros enfoques en bases de datos MIMIC-IV y Duke Health, evaluando la utilidad predictiva y el riesgo de divulgación. EHRDiB mostró mejoras significativas en la utilidad predictiva y reducciones en los vacíos de AUPRC en las tareas de síntesis.
El lado humano de la ingeniería de ML: Analizando las habilidades de colaboración y comunicación en ofertas de trabajo de ML
Un estudio analizó ofertas de trabajo de Machine Learning (ML) y comparación con ingeniería de software (SE) para determinar la demanda de habilidades de colaboración y comunicación. Se encontró que la colaboración es requerida en el 88.6% de las ofertas de ML y la comunicación en el 72.2%, superando las estimaciones basadas en palabras clave. Se concluye que las ofertas de ML enfatizan la integración de roles y la interacción con la audiencia, diferenciándose de las prácticas de equipo de la ingeniería de software.
Contratos de tiempo de ejecución para agentes de codificación
Se investigó si la aplicación de contratos ejecutables durante el trabajo de agentes de codificación reduce las violaciones de reglas en comparación con las reglas dadas en el prompt. Los estudios indican que la aplicación durante la ejecución no detectó violaciones en la mayoría de los casos, mejorando significativamente la reducción de violaciones en comparación con el uso de reglas solo en el prompt.
FundingClaw: Sistema de agentes de redacción de propuestas de subvenciones automatizadas
Se presenta FundingClaw, un marco multiagente diseñado para automatizar la redacción de propuestas de subvenciones, superando el cuello de botella manual y la inconsistencia de formatos entre diferentes agencias de financiación. El sistema utiliza un analizador de plantillas para seleccionar habilidades de escritura específicas y una estrategia de plano-esqueleto para generar propuestas conformes. El sistema fue evaluado y demostró un rendimiento superior al de la línea base en la redacción de propuestas de financiación.
SmartThinker: Aprendizaje de razonamiento de alta densidad mediante asignación de tokens a nivel de paso
Se aborda la ineficiencia y redundancia en los procesos de razonamiento de modelos de razonamiento grandes (LRMs) al escalar la inferencia. Se propone SmartThinker, un marco que optimiza la asignación de tokens a nivel de paso para preservar pasos críticos y comprimir desviaciones de bajo valor. El método utiliza la Optimización de Política de Control de Longitud a Nivel de Paso (SCPO) para proporcionar retroalimentación sin etiqueta.
¿Exploran los LLMs multiagente entre sí?
Se investiga si los agentes de modelos de lenguaje grande (LLM) pueden explorar eficazmente al interactuar entre sí en sistemas multiagente. Se demuestra que los agentes actuales a menudo fallan en esta exploración, mostrando patrones de interacción que resultan subóptimos. Se propone un marco llamado MACE para promover la exploración mediante la selección estructurada de pares, mejorando el rendimiento de la tarea.
No se identificaron personas.
Modelos Fundacionales Tabulares como Emuladores para la Predicción de Dinámicas del Ecosistema Terrestre
Se compara el modelo TabPFN-3.5 con dos modelos base de DeepED ($DeepED_{LSTM}$ y $DeepED_{Transformer}$) para predecir dinámicas del ecosistema terrestre. El estudio evalúa el rendimiento de estos modelos en la predicción del estado de los ecosistemas bajo diferentes escenarios de forzamiento climático (SSP1-2.6 y SSP5-8.5) para el periodo 2021-2060. Se concluye que TabPFN-3.5 es el modelo más preciso para ciertas métricas bajo el escenario SSP5-8.5.
Conversar con un agente conversacional: una conversación real, no una simulada
El artículo debate si las conversaciones con agentes basados en modelos de lenguaje grande (LLM) son conversaciones genuinas o meras simulaciones. Se argumenta que estas interacciones son actividades conversacionales reales, aunque se debe evitar atribuir conciencia o intencionalidad humana a los sistemas artificiales. Se propone un marco teórico para distinguir la realidad de la interacción conversacional de la apariencia de subjetividad artificial.
SAMark: Marcado de agua autoanclado con robustez a paráfrasis a nivel de párrafo
Se presenta SAMark, un marco de marcado de agua autoanclado diseñado para mejorar la robustez contra modificaciones de texto, especialmente contra la paráfrasis a nivel de párrafo. El método introduce un mecanismo de puntuación hiperbólico multicanal y una estrategia de filtrado consciente de la diversidad para aumentar la detectabilidad. Los resultados experimentales demuestran que SAMark supera a la línea base anterior en más del 30% en términos de rendimiento, manteniendo una calidad de generación competitiva.
LEON: Evolución Latente Estructurada para Modelado Mundial
Se presenta el LEON, una red que adapta características visuales preentrenadas a observables aprendidos para evolucionarlas mediante una familia de operadores compartidos. Esta técnica mejora el éxito de la política en modelos de acción del mundo (WAMs) al permitir una mejor extrapolación más allá de las condiciones de entrenamiento. El método se basa en derivar una formulación de transición latente a partir de la evolución mecánica controlada.
Codificación de esqueleto a imagen: Habilitando el aprendizaje de representación de esqueletos mediante modelos preentrenados con visión
Se presenta la Codificación de Esqueleto a Imagen (S2I), una representación que convierte secuencias de esqueletos en datos similares a imágenes. Este método permite utilizar modelos de visión preentrenados para el aprendizaje de representación de esqueletos auto-supervisado, abordando la dificultad de manejar la heterogeneidad de los datos de esqueletos. Los experimentos demuestran la efectividad y generalización del método en diferentes configuraciones de evaluación.
CARE: Una capa de seguridad conformal para la resumización médica
Se presenta CARE, una capa de control de riesgo post-hoc diseñada para mitigar errores en la resumización médica generada por LLMs, como la omisión de información importante o la introducción de alucinaciones. CARE utiliza control de riesgo conformal para acotar la probabilidad de errores y pruebas para controlar la fracción de omisiones no detectadas. El sistema demuestra una mejora en la cobertura de omisión sin incrementar el tiempo de revisión, ofreciendo un marco para la revisión dirigida de resúmenes médicos.
Integración de canal dual-etapa posterior para comunicación de tokens asistida por MLM
Se propone un marco de integración de canal posterior de doble etapa en el lado del receptor para la reconstrucción de tokens asistida por modelos de lenguaje (MLM). Este método permite detectar posiciones de tokens poco fiables y construir un posterior del canal a nivel de vocabulario. Los experimentos demuestran una mejora de hasta el 67.2% en la similitud del coseno en comparación con la reconstrucción solo con contexto.
GAAMA: Memoria Asociativa Aumentada por Grafos para Agentes
Se presenta GAAMA, una memoria asociativa aumentada por grafos diseñada para mejorar la coherencia y personalización de los agentes de IA a través de conversaciones largas. Este método organiza las conversaciones en torno a temas, utilizando un LLM para destilar hechos y conceptos, y emplea técnicas de recuperación avanzadas como PageRank Personalizado. Además, se introduce GRAFT para reparar la información recuperada en caso de insuficiencia, logrando altos puntajes de rendimiento en comparaciones.
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.
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.
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.
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.
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.
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.