Buscar noticias

Buscá por texto y descubrí noticias relacionadas con tu consulta.

Noticias relevantes

Hasta 10 noticias relacionadas por su significado, ordenadas por relevancia.

CEO de Tempus AI vende acciones por $645,720

El CEO y Director de Datos de Tempus AI, Ryan Fukushima, vendió acciones el 17 de noviembre de 2026 para cumplir con obligaciones fiscales. La venta ocurrió en un momento de caída de la acción, aunque el análisis sugiere que el stock podría estar sobrevalorado. Además, Tempus AI ha renovado un acuerdo financiero con AstraZeneca y varios analistas han emitido nuevas recomendaciones y objetivos de precio.

Periodista: Investing.com

Director de contabilidad de Tempus AI vende acciones por $97,045

El Director de Contabilidad de Tempus AI, Ryan Bartolucci, vendió 1,540 acciones de la compañía el 17 de noviembre de 2026 por un valor total de $97,045. Estas ventas se realizaron para cubrir obligaciones de retención de impuestos relacionadas con el vesting de acciones restringidas. Además, Tempus AI anunció un acuerdo revisado con AstraZeneca por $200 millones y varias firmas analistas han ajustado sus perspectivas sobre la empresa.

Periodista: Investing.com

Personas mencionadas

Inteligencia Artificial revoluciona la predicción meteorológica y la investigación del cambio climático

La inteligencia artificial está revolucionando la predicción meteorológica y la investigación del cambio climático al hacer los modelos más rápidos y útiles. La IA permite analizar datos con mayor rapidez y facilita la creación de gemelos digitales para simular impactos climáticos futuros. Sin embargo, se señala que las herramientas de IA están limitadas por el conocimiento previo, y se necesita seguir experimentando con modelos fisicoquímicos complejos.

Periodista: Redacción La Hora

La inteligencia artificial, una herramienta cada vez más presente en clima y meteorología

La inteligencia artificial está generando grandes avances en la predicción meteorológica y la investigación del cambio climático, permitiendo simulaciones más rápidas y análisis de datos complejos. Se observa que los modelos de IA compiten con los modelos físicos, ofreciendo predicciones más precisas a corto plazo, aunque se reconoce que el futuro climático presenta incertidumbres y que los modelos deben seguir evolucionando.

Periodista: Waldir Bofinger

La inteligencia artificial, una herramienta cada vez más presente en clima y meteorología

La inteligencia artificial está generando grandes avances en la predicción meteorológica y la investigación del cambio climático, permitiendo simulaciones más rápidas y análisis de datos complejos. Se está utilizando en gemelos digitales climáticos y se debate su rol como complemento o sustituto de los modelos numéricos tradicionales. Sin embargo, se advierte que las herramientas de IA están limitadas por el conocimiento previo, ya que el futuro climático puede presentar escenarios muy diferentes a los simulados.

Periodista: Agencia EFE

La inteligencia artificial, una herramienta cada vez más presente en clima y meteorología

La inteligencia artificial está generando grandes avances en la predicción meteorológica y la investigación del cambio climático, permitiendo simulaciones más rápidas y análisis de datos más complejos. Se observa que los modelos de IA están compitiendo con los modelos físicos y que las predicciones a largo plazo son menos deterministas. Sin embargo, se advierte una limitación en que las herramientas de IA están entrenadas con datos pasados, sugiriendo la necesidad de seguir experimentando con modelos fisicoquímicos complejos.

Periodista: EFE

La inteligencia artificial, una herramienta cada vez más presente en clima y meteorología

La inteligencia artificial está transformando las previsiones climáticas, permitiendo hacer simulaciones más rápidas y obtener resultados más utilizables en modelos tradicionales. La IA también se usa en gemelos digitales del clima para simular impactos futuros y en la predicción meteorológica a corto plazo. Sin embargo, se señala que las herramientas de IA están limitadas por el conocimiento previo, ya que el futuro climático puede ser diferente a lo experimentado.

Periodista: Redacción ÚH

Adaptación en tiempo de prueba a través de interacción humano-agente

Se propone la adaptación en tiempo de prueba a través de la interacción humano-agente (TAHI) para mejorar el rendimiento de los agentes de IA. Esta técnica integra señales de interacción para cristalizar los criterios de entrenamiento y evaluación de cada usuario. Los agentes adaptados muestran mejoras en el éxito de la tarea, y el módulo de rúbrica ayuda a detectar más fallos que los métodos tradicionales.

Periodista: Zora Zhiruo Wang, Apurva Gandhi, Rulin Shao, Aspen Chen, Jonas Mueller, Zhiqi Liang, Jett Chen, Michael Ryan, Qianou Ma, Luxi He, Zhoujun Cheng, Andre He, Seungone Kim, Jiayi Geng, Mingqian Zheng, Weiwei Sun, Zheyuan Zhang, Xinran Zhao, Yike Wang, Abe Hou, Liwei Jiang, Pang Wei Koh, Diyi Yang, Graham Neubig, Daniel Fried

¿Pueden los modelos frontera resolver problemas interactivos en tiempo real?

Se presenta Realtime-Bench, un conjunto de tareas dinámicas para evaluar la capacidad de los modelos de IA para interactuar en tiempo real bajo restricciones temporales. Los resultados indican que los costos temporales limitan el éxito en entornos cambiantes y que existe un compromiso entre la calidad del razonamiento y la ejecución oportuna. Se proponen mejoras futuras para modelos multimodales con conciencia temporal.

Periodista: Jingyu Tang, Xu Yang, Zhehao Zhang, Zheng Wang, Qi Cheng, Haozhe Zhao, Manling Li, Wenxuan Li, Xide Xia, Jiaxin Pei

Personas mencionadas

Repensando la alineación multimodal para eventos físicos

Se propone un enfoque para la inteligencia artificial física que supera el reconocimiento de objetos estáticos, enfocándose en cómo se desarrollan las mecánicas del mundo real a lo largo del tiempo. Se demuestra que el método actual falla al promediar dinámicas cruzadas transitorias, lo que reduce la alineación a reconocimiento de escenas estáticas. Se introduce CounterPoint para identificar eventos físicos mediante la medición de co-fluctuaciones sincrónicas a nivel de fotograma, mejorando la alineación de eventos físicos.

Periodista: Yiyang Zhu, Guangyuan Liu, Jingdi Lei, Li Wei, Chau Yuen

Personas mencionadas

Noticias encontradas

Coincidencias por palabras en títulos, resúmenes, temas, personas, lugares o firmas.

Resultados para «Tempus AI»

Más recientes primero · Hasta 30 noticias por página

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.

Periodista: Sangmin Jo, Wootaek Jeong, Heung-Il Suk

Personas mencionadas

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.

Periodista: Runquan Gui, Hanzhu Chen, Zehao Wang, Hanxin Zhu, Xin Li, Zhibo Chen

Personas mencionadas

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.

Periodista: Zhiheng Peng, Wenwei Jin, Yangshi Ge, Siyu Xia, Jiawei Li, Xu Tang

Personas mencionadas

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.

Periodista: Yiwei Qin, Muhang Xie, Xuefeng Li, Mohan Jiang, Dayuan Fu, Tiantian Mi, Qipeng Guo, Pengfei Liu

Personas mencionadas

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.

Periodista: Sicheng Shu, Parker Knight, Huitao Li, Yuan Luo, Yifan Peng, Shawn N. Murphy, Rui Yang, Chuan Hong

Personas mencionadas

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.

Periodista: Aidin Azamnouri, Phuong Thao Le, Justus Bogner, Stefan Wagner

Personas mencionadas

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.

Periodista: Reda Heddad

Personas mencionadas

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.

Periodista: Ruizhi Liu, Siru Ge, Siran Wang, Qianli Ma, Zhipeng Zhang

Personas mencionadas

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.

Periodista: Xingyang He, Xiao Ling, Jie Liu

Personas mencionadas

¿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.

Periodista: Hyeong Kyu Choi, Jiatong Li, Wendi Li, Xin Eric Wang, Sharon Li

Personas mencionadas

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.

Periodista: Zhihao Wang, Ruohan Li, Lei Ma, George Hurtt, Xiaowei Jia, Yiqun Xie

Personas mencionadas

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.

Periodista: Christophe Denis (UMMISCO, IHPST)

Personas mencionadas

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.

Periodista: Jiahao Huo, Wenjie Qu, Yibo Yan, Kening Zheng, Jiaheng Zhang, Xuming Hu, Philip S. Yu, Mingxun Zhou

Personas mencionadas

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.

Periodista: Xiaoxiao Lu, Jiahao Shi, Yunlong Dong, Ye Yuan

Personas mencionadas

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.

Periodista: Siyuan Yang, Jun Liu, Hao Cheng, Chong Wang, Shijian Lu, Hedvig Kjellstrom, Weisi Lin, Alex C. Kot

Personas mencionadas

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.

Periodista: Suhana Bedi, Bridget Lin, Anson Y. Zhou, Chloe O. Stanwyck, Jenelle A. Jindal, Sanmi Koyejo, David Stutz, Nigam H. Shah

Personas mencionadas

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.

Periodista: Hyelin Nam, Jihoon Lee, Seung-Woo Ko, Jinho Choi, Seong-Lyun Kim

Personas mencionadas

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.

Periodista: Swarna Kamal Paul, Shubhendu Sharma, Nitin Sareen

Personas mencionadas

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