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.

Periodista: Tyler Cross

Personas mencionadas

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.

Periodista: Simon Sharwood

Personas mencionadas

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.

Periodista: Simon Sharwood

Personas mencionadas

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.

Periodista: Abe Saca

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.

Periodista: Abe Saca

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.

Periodista: Richard Speed

Personas mencionadas

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.

Periodista: Tyler Cross

Personas mencionadas

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.

Periodista: Simon Travaglia

Personas mencionadas

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.

Periodista: Hamed Paydarfar

Personas mencionadas

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.

Periodista: Андрей Ставицкий

Personas mencionadas

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

DiSARM: Minería de reglas de asociación diversas y sorprendentes con Modelos de Lenguaje Grande

Se propone DiSARM, un marco híbrido que utiliza el conocimiento del mundo de los Modelos de Lenguaje Grande (LLMs) para evaluar el interés subjetivo de las reglas de asociación, manteniendo la fiabilidad estadística y la diversidad. Este enfoque busca mejorar la Minería de Reglas de Asociación (ARM) al integrar el conocimiento del mundo con la fiabilidad estadística. Los experimentos demuestran que DiSARM ofrece un método prometedor para el Análisis Exploratorio de Datos (ADE) con datos transaccionales.

Periodista: Lijia Liu, Hisashi Kashima

Personas mencionadas

Auto-Rubric como Recompensa: De Preferencias Implícitas a Criterios Generativos Explícitos

Se presenta el marco Auto-Rubric as Reward (ARR) para reformular el modelado de recompensas, pasando de la optimización de pesos implícitos a la descomposición explícita basada en criterios. Este método externaliza el conocimiento de preferencia del modelo (VLM) como rúbricas específicas, lo que permite una evaluación más interpretable y reduce sesgos. La optimización posterior (RPO) demuestra que este enfoque logra un alineamiento multimodal más fiable y eficiente en datos que los modelos basados en comparación por pares.

Periodista: Juanxi Tian, Fengyuan Liu, Jiaming Han, Yilei Jiang, Yongliang Wu, Yesheng Liu, Haodong Li, Furong Xu, Wanhua Li

Personas mencionadas

Explorando la especialización y sensibilidad de redes neuronales convolucionales bajo aumentaciones de imagen simultáneas

Se propone un marco para investigar la inferencia interna de redes neuronales convolucionales bajo múltiples alteraciones de entrada simultáneas. El estudio evalúa redes como AlexNet, VGG11 y ResNet18, buscando entender la sensibilidad a estas transformaciones para mejorar sistemas de toma de decisiones autónoma. El marco desarrollado busca transferir sus hallazgos al estudio de redes neuronales biológicas complejas.

Periodista: Pavel Kharyuk, Sergey Matveev, Ivan Oseledets

Personas mencionadas

GeneZip: Compresión consciente de la región para modelado de ADN de largo contexto

Se presenta GeneZip, un marco de compresión de ADN consciente de la región diseñado para reducir la longitud de secuencias de ADN de largo contexto. Este modelo combina objetivos de ratio consciente de la región con enrutamiento limitado para lograr una compresión eficiente mientras preserva la utilidad predictiva. GeneZip demuestra una compresión significativa y un mayor rendimiento en el modelado de largo contexto.

Periodista: Jianan Zhao, Xixian Liu, Zhihao Zhan, Xinyu Yuan, Hongyu Guo, Jian Tang

Personas mencionadas

Complejidad de punto de equilibrio: Una nueva perspectiva sobre solucionadores de ecuaciones diferenciales parciales neuronales

Se propone un marco de evaluación centrado en la complejidad de punto de equilibrio para solucionadores de ecuaciones diferenciales parciales neuronales. Este marco busca considerar los costos totales, incluyendo la generación de datos y el entrenamiento, para determinar cuándo un solucionador neuronal es más eficiente que uno tradicional. Los resultados sugieren que los solucionadores de PDE neural son más efectivos cuando los problemas son más complejos en términos de costo y dimensión.

Periodista: Yijing Zhang, Nicholas Roberts, Tanya Marwah, Mikhail Khodak

Personas mencionadas

Taxonomía y marco de evaluación unificado para los desplazamientos distributivos en el aprendizaje por refuerzo

Se presenta una taxonomía unificada para el desplazamiento distributivo en el aprendizaje por refuerzo (RL), abordando la inconsistencia existente en la literatura. La taxonomía factoriza la interacción en cinco componentes y define el cambio según qué componentes y bajo qué régimen de interacción ocurre. Se complementa con un marco de evaluación que mide la adaptación y la generalización.

Periodista: Ardianto Wibowo, Paulo E Santos, Amer Baghdadi, Matthew Stephenson, Karl Sammut, Jean-Philippe Diguet

Personas mencionadas

Modelo de plegamiento guiado por proteómica estructural

Se presenta AIMS-Fold, una capa de guía para el modelo Boltz-2 que utiliza información de proteómica estructural positiva y negativa para mejorar la predicción de conformación en el diseño de PROTACs. Los resultados muestran que AIMS-Fold logra una recuperación de conformación del 86% en comparación con el 14% de Boltz-2 sin guía. Esto demuestra la importancia de integrar la señal estructural completa para mejorar los modelos generativos en el diseño de degradadores.

Periodista: Alon Shtrikman, Sagie Brodsky, Michal Ran Shchory, Nitzan Simchi, Yaron Ben Shoshan-Galeczki, Eran Seger, Kirill Pevzner

Personas mencionadas

Vision Transformers para el agrupamiento de cero disparos de imágenes de animales: Un estudio comparativo de evaluación

Un estudio compara modelos Vision Transformer (ViT) para reducir imágenes de animales sin etiquetar a clústeres a nivel de especie. Se encontró que las incrustaciones DINOv3 con t-SNE y HDBSCAN lograron un V-measure de 0.943 a nivel de especie. El agrupamiento basado en estos métodos redujo el etiquetado manual en un 98.3%, acercándose a la precisión de la anotación manual.

Periodista: Hugo Markoff

Personas mencionadas

Puzles a paradigmas: Un estudio de la colaboración humano-agente en la innovación científica

Se presenta un estudio que analiza la colaboración entre humanos y sistemas de IA agenticos en flujos de trabajo científicos como la síntesis de literatura y la generación de hipótesis. El estudio propone un marco para examinar cómo varían las demandas de coordinación y los riesgos de fallo en diferentes contextos científicos. Se identifican cinco modos de fallo recurrentes y se sugiere enfocar las evaluaciones hacia la fundamentación y la fiabilidad científica a largo plazo.

Periodista: Zhenni Liang, Haoxuan Zhang, Haihua Chen, Ting Xiao, Junhua Ding, Yang Zhang

Personas mencionadas

Predicción Conformal para Regresión de Distribución a Distribución

Se estudia la Predicción Conformal (CP) para la Regresión de Distribución a Distribución, un área de creciente interés. Se propone un nuevo marco conformal que genera conjuntos de predicción interpretables manteniendo las garantías de cobertura. Los resultados empíricos validan la efectividad del enfoque propuesto en datos sintéticos y reales.

Periodista: Trung-Khang Tran, Tuan A. Hoang, Viet-Hoang Tran, Tan M. Nguyen

Personas mencionadas

Aprendizaje de jerarquías biológicas en modelos fundacionales de célula única

Se presenta un modelo fundacional llamado scOntoFM que integra la ontología celular jerárquica en el aprendizaje de representaciones. Este modelo utiliza distancias LCA para preservar la estructura de la ontología biológica en la geometría de incrustación. El modelo muestra mejoras consistentes en benchmarks y fortalezas en configuraciones de cero-shot.

Periodista: Xiangyu Guo, Ricardo Henao

Personas mencionadas

HiLo-Token: Compresión de tokens de alta y baja frecuencia adaptativa de entrada para servir modelos de edición de imágenes eficientes

Se presenta HiLo-Token, un marco de compresión de tokens adaptativo para reducir la latencia en modelos de IA generativa para edición de imágenes. El método asigna tokens de manera diferente a regiones de alta y baja frecuencia para mejorar la eficiencia. Los experimentos validan que este método logra aumentos significativos en la velocidad sin afectar la calidad de la generación.

Periodista: Haoran You, Yotam Nitzan, Lingzhi Zhang, Yifan Gong, Mang-Tik Chiu, Connelly Barnes, Yan Kang, Yuqian Zhou, Haitian Zheng, Eli Shechtman, Sohrab Amirghodsi

Respuestas correctas de historias insuficientes: Un estudio controlado de la evaluación de memoria de agentes

Se estudia la evaluación de memoria de agentes mediante el análisis de registros de dispositivo ejecutables para distinguir entre acuerdo de referencia, suficiencia de evidencia y comportamiento contextual. Los resultados comparan el rendimiento de modelos como Qwen3-32B y DeepSeek-V4-Flash en la coincidencia de referencias. Los hallazgos sugieren un diagnóstico de evaluación en configuraciones específicas de lector, sin implicar mejoras generales en sistemas de memoria.

Periodista: Quan Xue, Zerui Yang, Chaorui Zhang, Haolin Ruan, Xueyan Niu, Xuanyu Zheng, Xiyuan Wang, Weixi Zhang, Wei Han, Bo Bai

Personas mencionadas

Red ramificada multilateral dual para segmentación multi-clase en angiografías cardiovasculares

Se presenta una arquitectura MLBNet de doble parte diseñada para la segmentación consciente de la clase en escenas de cateterización cardiovascular. El estudio utiliza datos de angiografías de modelos fantoma, simulaciones y modelos animales para entrenar y evaluar el modelo. Los resultados indican que los modelos son capaces de separar eficazmente el cable guía, el catéter, los vasos y el fondo con alta precisión.

Periodista: Olatunji Omisore, Ahmed Elazab, Ali Shahidinejad, Fariza Sabrina

Personas mencionadas

No se identificaron personas.

CWE-bench: Reenfocando la seguridad de agentes artificiales de la explotación a la defensa

Se presenta CWE-bench, una medida de referencia para evaluar las capacidades defensivas de los agentes de IA en ciberseguridad. La herramienta evalúa la capacidad de los agentes para reparar vulnerabilidades en repositorios de software. El objetivo es medir si las capacidades defensivas de los agentes están a la par con sus capacidades ofensivas.

Periodista: Gonzalo Gonzalez-Pumariega, Ajay Jagannath, Adit Jain, Guram Gogia, Soumyadeep Bakshi, Nazneen Rajani

Personas mencionadas

Fusión de modelos desbloquea la optimización de mezclas de datos multimodal

Se aborda el problema de optimización de mezcla de datos (DMO) en el ajuste fino supervisado de Modelos de Lenguaje Grandes Multimodales. Se propone una estrategia que combina la fusión de modelos con la interpolación de parámetros para estimar la eficacia de diferentes mezclas de datos. Los experimentos demuestran que los modelos proxy fusionados seleccionan mezclas casi óptimas, desacoplando la búsqueda de mezclas de la fase de entrenamiento.

Periodista: Davide Berasi, Matteo Farina, Massimiliano Mancini, Elisa Ricci

Personas mencionadas

Transferencia de explicabilidad visual de modelos Vision Transformer de autoexplicación a solo predicción mediante aritmética de tareas

Se propone un método para transferir la capacidad de explicación visual de modelos Vision Transformer (ViT) autoexplicativos de un dominio fuente a modelos solo de predicción en un dominio objetivo mediante aritmética de tareas. Este método añade un vector de explicabilidad basado en supervisión de explicación del dominio fuente, logrando mejorar la calidad de la explicación sin perder significativamente la precisión de clasificación.

Periodista: Yuya Yoshikawa, Ryotaro Shimizu, Takahiro Kawashima, Yuki Saito

Personas mencionadas

Hallucination-Guided Unlearning: Usando rastros de alucinación para revelar memorias sobreajustadas

Se presenta el Olvido Guiado por Alucinaciones (HGU), una técnica para el olvido selectivo en modelos de lenguaje grandes, utilizando fallos del modelo como señales diagnósticas. Esta técnica localiza segmentos no soportados y edita neuronas específicas para lograr un olvido efectivo manteniendo la utilidad general. Los resultados demuestran que esta aproximación ofrece un mejor equilibrio entre la eficacia del olvido y la utilidad general sin necesidad de un reentrenamiento completo.

Periodista: Jiayu Zhang, Ziqi Zhong, Yuliang Gai, Canran Xiao

Personas mencionadas

Desenfocadores Polinomiales en el Mapeo de Imagen: Redes Volterra para Difusión de Píxeles Autocontenidos

Se propone una arquitectura de difusión en espacio de píxeles que utiliza capas Volterra en cascada para lograr difusión autocontenida sin componentes preentrenados ni funciones de activación. El trabajo demuestra que estas capas pueden alcanzar tasas de aproximación gobernadas por la dimensión del manfoldo de datos. El modelo resultante es competitivo en términos de parámetros y FLOPs en comparación con otros modelos de difusión.

Periodista: Siddharth Roheda, Rohit Chowdhury, Amit Satish Unde, Aniruddha Bala

Personas mencionadas

Aprendiendo a hacer cubos

Se presenta un marco de post-entrenamiento neuro-simbólico para que los modelos basados en transformadores aprendan heurísticas efectivas para problemas de Satisfacibilidad Booleana (SAT). El método utiliza una pipeline de curación de datos basada en MCTS y optimización de preferencia directa (DPO) para lograr una puntuación pass@5 de 53 en benchmarks de competencia SAT. Esto demuestra que los transformadores pueden tomar decisiones de cubing efectivas en dominios dominados por métodos simbólicos.

Periodista: Ferhat Erata, Sam Kouteili, Thanos Typaldos, Timos Antonopoulos, Robert B. Jones, Byron Cook, Ruzica Piskac

Personas mencionadas

Aprendizaje por refuerzo eficiente en muestras para la mejora de políticas mediante anclas de acción reversadas por flujo

Se presenta AnchorQ, un método que utiliza la reversión del flujo para mejorar políticas de aprendizaje por refuerzo mediante una representación de acción latente estructurada. Este enfoque busca mejorar la eficiencia de muestras y la fiabilidad de las políticas de robot en tareas de manipulación. Los resultados demuestran una mejora del 37% en la tasa de éxito en el mundo real y un 97% mayor rendimiento en la tarea simulada.

Periodista: Carl Qi, Weijun Dong, Xiaojie Wang, Peiyi Chen, Rahul Sajnani, Mingyuan Zhang, Amy Zhang, Jose Barreiros, Manikantan Nambi, Lillian J. Ratliff, Dylan Randle

Acoplamiento introspectivo: Entrenamientos de autoexplicación logran cambio de comportamiento a pesar de supervisión fija

Se investiga si entrenar modelos de lenguaje (LM) para generar explicaciones de sus predicciones resulta en introspección fiel en lugar de imitación superficial. Los resultados indican que los LM entrenados con explicaciones contrafactuales fijas pueden producir explicaciones más fieles a sus comportamientos actuales. También se demuestra que el entrenamiento de explicaciones puede coincidir con cambios de comportamiento sin necesidad de supervisión actualizada.

Periodista: Zifan Carl Guo, Laura Ruis, Jacob Andreas, Belinda Z. Li

Personas mencionadas

¿Qué está frenando el razonamiento visual latente?

Un estudio sobre Modelos de Lenguaje-Visión investiga los problemas que limitan el razonamiento visual latente. Se encontró que los tokens latentes proporcionan información limitada y que los tokens generados en tiempo de inferencia se desvían de sus representaciones oráculo, lo que obstaculiza el progreso en esta área. Se sugiere que el futuro depende de conjuntos de datos de alta calidad y una predicción más precisa de tokens latentes.

Periodista: Firma no identificada

Personas mencionadas

VEX-Bench: Medición de la complejidad de verificación de desinformación generada por LLM

Se presenta VEX-Bench, un punto de referencia unificado para evaluar la complejidad de verificación de desinformación generada por LLM. El estudio mide cómo el contenido generado por LLM consume la capacidad de verificación, encontrando que estos modelos pueden producir desinformación con un costo significativamente menor que la verificación basada en agentes. Los hallazgos indican que no existe un método único que domine todas las dimensiones de complejidad de verificación, enfatizando la necesidad de una evaluación multidimensional.

Periodista: Hanxun Huang, Yutao Wu, Qizhou Wang, Silvia Montaña-Niño, Yige Li, Xiang Zheng, Elif Buse Doyuran, Phoebe Matich, Xiao Liu, Xingjun Ma, Sarah Erfani, Christopher Leckie

Prism: Autoenseñanza bidireccional para modelos multimodales unificados

Se presenta Prism, un método post-entrenamiento de autoenseñanza bidireccional para Modelos Multimodales Unificados (UMMs). Este método deriva supervisión de la auto-generación de trayectorias intercaladas, evaluando la fiabilidad de las cadenas de texto e imagen para construir objetivos de entrenamiento. Los experimentos demuestran mejoras en la comprensión y generación en modelos como SenseNova-U1 y BAGEL.

Periodista: Peng Zhang, Qian Chen, Xianyin Zhang, Yimin Tian, Ruite Fei, Dongyi Lv, Lifan Guo, Chi Zhang, Shuai Liu

Personas mencionadas

Aprendizaje de trayectorias inspirado en cuántica consciente de la tasa para redes multi-UAV con interferencia limitada

Se presenta un marco de dos etapas llamado RA-QAGC para optimizar la colocación de vehículos aéreos no tripulados (UAVs) en redes, buscando mejorar el rendimiento de *throughput* por nivel de prioridad. El método optimiza el conjunto de posiciones candidatas y luego aprende trayectorias descentralizadas para mejorar la eficiencia de la red. Este enfoque logra mejoras significativas en el rendimiento comparado con otros esquemas conocidos.

Periodista: Khaoula Khaled, Muhammad Afaq, Zeeshan Kaleem

Personas mencionadas

Cuantización de Precisión Amortizada para Vision Transformers con Salida Temprana

Se presenta la Cuantización de Precisión Amortizada (APQ) y el marco MOQEE para Vision Transformers, buscando mejorar la estabilidad de la inferencia mediante la optimización conjunta de umbrales de salida y anchos de bits. Este enfoque establece una frontera de Pareto superior en el equilibrio entre precisión y eficiencia para tareas de clasificación y detección. Los modelos probados muestran mejoras significativas en el rendimiento de la GPU en diferentes benchmarks.

Periodista: Rui Fang, Hsi-Wen Chen, Ming-Syan Chen

Personas mencionadas

El envejecimiento de los agentes de IA es demasiado: Ingeniería de la vida útil para sistemas desplegados

Se presenta AgingBench, un punto de referencia longitudinal para medir la fiabilidad de agentes de IA desplegados. El estudio analiza cuatro mecanismos de envejecimiento (compresión, interferencia, revisión y mantenimiento) para determinar cómo se degrada la fiabilidad de estos agentes a lo largo del tiempo. Se utilizan grafos de dependencia temporal para diagnosticar fallos en las etapas de memoria del agente.

Periodista: Jianing Zhu, Yeonju Ro, John Robertson, Kevin Wang, Junbo Li, Haris Vikalo, Aditya Akella, Zhangyang Wang

Personas mencionadas

LoMASA: Asistente de ventas multiagente local con delegación con puerta de confianza para cotizaciones B2B

Se presenta LoMASA, un sistema multiagente diseñado para asistir a vendedores en la gestión de cotizaciones B2B. El sistema utiliza modelos de mezcla-de-expertos y modelos densos para calcular precios y gestionar decisiones, con una tasa de resolución automática del 38.0% en pruebas simuladas.

Periodista: Yu Liu, Xingbang Du

Personas mencionadas

No se identificaron personas.

La brecha narrativa: ¿Pueden los LLM ayudarnos a navegar narrativas diversas a través de diferentes idiomas?

Los modelos de lenguaje grandes (LLM) median cómo las personas consumen información, incluyendo cuentas diversas en diferentes idiomas y regiones sobre temas controvertidos. Se definen capacidades necesarias para que los modelos ayuden a navegar estas narrativas diversas. Se presenta NarrativeBench, un *benchmark* para evaluar si los LLM actuales pueden manejar esta diversidad de narrativas. Se concluye que los modelos actuales carecen de las capacidades necesarias para navegar de manera confiable narrativas diversas.

Periodista: Nikhil Sharma, Kelly Marchisio, Kenton Murray, Ziang Xiao

Personas mencionadas