Buscar noticias
Buscá por texto y descubrí noticias relacionadas con tu consulta.
Noticias relevantes
Hasta 10 noticias relacionadas por su significado, ordenadas por relevancia.
Google quiere que la IA de video entienda lo que la gente necesita mientras trabaja
Un equipo de investigación de Google, en colaboración con universidades, ha desarrollado StreamVibe, un agente de video diseñado para entender intenciones vagas y decidir cuándo hablar durante tareas complejas como cocinar o armar muebles. Este sistema busca superar las limitaciones de los asistentes de video existentes, que fallan al interpretar peticiones no dichas o cambios en la tarea. StreamVibe-VL mejora el tiempo y la calidad de la respuesta en un 10.7% y reduce interrupciones innecesarias, demostrando una mejor comprensión de las necesidades del usuario.
Numa, que desarrolla un Sistema Operativo AI para concesionarios de automóviles, recaudó 45 millones de dólares en Serie C
Numa, empresa con sede en Silicon Valley, recaudó 45 millones de dólares en Serie C para desarrollar un Sistema Operativo AI dirigido a concesionarios de automóviles. Esta plataforma unifica la gestión de interacciones con clientes a través de llamadas, mensajes y chats, mejorando la eficiencia operativa y la satisfacción del cliente. La tecnología permite predecir la satisfacción y guiar a los compradores hacia vehículos adecuados, logrando mejoras significativas en la gestión de ventas y servicio postventa.
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.
VAKRA, el nuevo benchmark de IBM que evalúa la fiabilidad de los agentes de IA en entornos empresariales
IBM presentó VAKRA, un benchmark ejecutable que evalúa cómo los agentes de IA razonan y actúan en entornos empresariales, con más de 8.000 API locales en 62 dominios y tareas de 3 a 7 pasos. El benchmark se divide en cuatro capacidades: encadenamiento de API, selección de herramientas, razonamiento de múltiples saltos y razonamiento multisource con adherencia a políticas. El análisis de errores muestra que los modelos fallan en selección de herramientas, argumentos y síntesis final, y que les cuesta incorporar restricciones externas, una brecha crítica para el despliegue real.
Sarvam AI presenta el modelo de toma de decisiones Prism con un tiempo de respuesta de 44ms, permitiendo a las empresas personalizar y desplegar IA en su propia infraestructura
La compañía india Sarvam AI lanzó el modelo de toma de decisiones Prism, que ofrece respuestas en 44 milisegundos y permite a las empresas personalizar y desplegar la IA en su propia infraestructura. El modelo está diseñado para manejar decisiones estructuradas como el enrutamiento de soporte y el análisis de documentos. Prism muestra una baja tasa de error en comparación con sus estimaciones de confianza.
Ramificación Semántica Adaptativa: Regeneración de Trayectorias Cruzadas Localizadas por Desacuerdo para la Expansión de Candidatos de Razonamiento
Se presenta el método Adaptive Semantic Branching (ASB), un procedimiento de inferencia sin entrenamiento diseñado para convertir el desacuerdo entre trayectorias de razonamiento en generación de candidatos dirigidos. El método agrupa trayectorias por respuesta final y alinea sus pasos de razonamiento mediante un programa dinámico monótono. En una evaluación, ASB mejoró la cobertura de candidatos oráculo de 89.0% a 91.0%, recuperando candidatos correctos en problemas previamente no resueltos.
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.
Liquid AI presenta LFM3, una familia de modelos multimodales especializados de 2B parámetros
Liquid AI presentó LFM3, su nueva generación de modelos fundacionales que unifica texto, visión, audio, omni y decisión en una columna vertebral compartida de unos 2B parámetros. La familia incluye seis modelos entrenados desde LFM3-1.7B-Base, con nuevos codificadores propios de visión y audio y el tokenizador LiquidCodec, pensados para ejecutarse en el borde y ajustarse en una sola GPU. La compañía afirma mejoras de eficiencia y rendimiento frente a LFM2 y modelos mayores, y publicó los pesos en Hugging Face junto con cuadernos de ajuste.
A$^3$: Marco de agente de audio adaptativo para computación en el borde colaborativa
Se presenta A$^3$, un marco de agente de audio adaptativo diseñado para la computación en el borde colaborativa. Este marco gestiona la colocación de etapas del *pipeline* en el servidor, mantiene un agente de respaldo en dispositivos locales y utiliza un límite de tiempo consciente del enlace para gestionar fallos de conexión. El sistema demuestra rendimiento en dispositivos Jetson y servidores RTX A4500.
IA local en el desarrollo de software: Prueba en sistemas AMD económicos
Se reportan avances significativos en la IA local para el desarrollo de software, donde modelos como Qwen3.8-27B y Qwen3.8-Flash-Next de Alibaba pueden construir software de manera agentiva en hardware AMD. Estos modelos locales demuestran una calidad comparable a los grandes modelos en la nube, aunque los modelos en la nube son más rápidos. Se destaca que los modelos locales pueden superar a algunos modelos de la nube en pruebas de razonamiento.
Noticias encontradas
Coincidencias por palabras en títulos, resúmenes, temas, personas, lugares o firmas.
Resultados para «AVM AI Sambo»
Más recientes primero · Hasta 30 noticias por página
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.
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.
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*.
Certificación formalmente verificada de la insolubilidad de problemas de planificación temporal
Se presenta un enfoque para certificar la insolubilidad de problemas de planificación temporal mediante la codificación del problema en una red de autómatas temporales. El método utiliza un verificador de modelos y un verificador de certificados para asegurar la fiabilidad de la certificación. La implementación se verifica formalmente con el proyector de teoremas Isabelle/HOL.
Discrete Flow Matching para Aprendizaje por Refuerzo Offline-a-Online
Se presenta DRIFT, un método de ajuste fino en línea que actualiza una política de Markov de tiempo continuo (CTMC) preentrenada offline usando una pérdida de matching de flujo discreto ponderada por ventaja. El método incluye una penalización para preservar el conocimiento preentrenado y una aproximación de conjunto candidato para manejar espacios de acción discretos grandes. Los resultados demuestran que DRIFT supera a su contraparte solo en línea en juegos MinAtar y logra un rendimiento superior.
Distilación On-Policy Relay: Trayectoria Relacionada con la Política
Se presenta la Distilación On-Policy Relay (Relay-OPD) para abordar el fallo de prefijo en la destilación on-policy (OPD). Este método introduce un mecanismo donde el maestro interviene brevemente en puntos clave para redirigir la trayectoria, permitiendo al estudiante continuar optimizando la generación. Los resultados demuestran que Relay-OPD supera a OPD estándar y FastOPD en benchmarks de razonamiento matemático.
Certificación consciente de la selección de portafolios de reglas de fraude con restricciones de cliente bajo un cambio de distribución sintética
El estudio evalúa la certificación de familia finita para portafolios de reglas de fraude con restricciones de cliente, comparando diferentes métodos de selección. Los resultados indican que la certificación completa mejora significativamente la reducción de la tasa de violación del piso y disminuye el despliegue de los portafolios, aunque los resultados varían según las condiciones.
Agentes de Memoria Recurrente Multi-Cabeza
Se presenta el marco Multi-Head Recurrent Memory (MHM) para extender los LLMs a contextos de memoria arbitrariamente largos, abordando el problema de la retención de memoria que afecta a los agentes de memoria recurrentes. Se propone MHM-LRU, una implementación que mejora significativamente la retención de memoria en benchmarks de contexto largo, logrando una tasa de retención del 73.96% en RULER-HQA a 896K tokens. Esto sugiere que la optimización arquitectónica es una vía práctica para lograr memoria recurrente fiable en contextos extensos.
ScenarioForge: Generación y validación de ejercicios de ciberseguridad basados en recursos
Se presenta ScenarioForge, una herramienta diseñada para convertir requisitos de alto nivel en topologías y servicios basados en recursos para ejercicios de ciberseguridad. El sistema valida 226 escenarios materializados y sus pasos, asegurando la verifiabilidad de los objetivos de desafío. Los resultados demuestran un alto éxito en la generación de topologías y campos de intención mediante modelos de lenguaje avanzados.
Creencias y comportamientos de los profesionales en la educación mejorada por IA: Evidencia del Marco DOT
Un estudio con 72 profesionales de la educación examinó sus creencias y prácticas al integrar la inteligencia artificial en la enseñanza. Se identificaron tres factores principales: capacidades funcionales de la IA, supervisión y gobernanza, y colaboración del instructor. Los profesionales ven la IA como apoyo pedagógico, pero enfatizan la necesidad de supervisión humana y evaluación crítica. Se reportaron prácticas como el *prompting* iterativo, aunque existen barreras institucionales como la falta de políticas y formación.
La máscara no es el objeto: Supervisión volumétrica para segmentación Gaussiana 3D
Se propone VODA, un objetivo de supervisión plug-and-play que utiliza la estructura de profundidad local para supervisar directamente las gaussianas en clústeres de profundidad seleccionados. Este método mejora la segmentación volumétrica en benchmarks como Removal-3D, recuperando gaussianas de baja contribución. El trabajo fue aceptado en NeurIPS 2026.
Memoria de auto-mejora permite la auto-mejora recursiva continua
Se propone la Memoria de Mejora (SIM) para el optimizador de arneses, que agrupa ediciones por problemas recurrentes y registra su justificación y resultados. Los experimentos demuestran que SIM logra puntuaciones finales superiores a las de métodos anteriores en comparaciones cruzadas. Esto mejora las puntuaciones finales en un promedio de 2.36 puntos sobre la continuación solo con arnés.
Procesos de decisión de Markov con restricciones de subproceso
Se introducen los Procesos de Decisión de Markov con Restricciones de Subproceso (S-CMDPs) para abordar limitaciones en los CMDPs estándar. Estos nuevos procesos exigen que el costo esperado condicional a cualquier historial alcanzable cumpla con un límite determinado por el estado actual. Se demuestra que las políticas dependientes del historial pueden superar las dificultades de las políticas estacionarias, y se presenta un algoritmo de tiempo polinomial para calcular dichas políticas.
Revisión de Flow Matching en Aprendizaje por Refuerzo
Se presenta un estudio exhaustivo sobre Flow Matching (FM) como un marco generativo eficiente para el aprendizaje por refuerzo (RL). El artículo clasifica los enfoques de FM según la distribución objetivo y el mecanismo de integración de la señal de RL. También se comparan las técnicas con líneas base y se identifican problemas abiertos en el campo.
No se identificaron personas.
Criterio de ordenamiento topológico para grafos dirigidos acíclicos aleatorios
Se presenta un criterio de ordenamiento topológico para grafos dirigidos acíclicos (DAGs) aleatorios, basado en el conjunto de nodos alcanzables (relativos), que se demuestra que no disminuye en el orden causal. Este patrón puede ser utilizado para el descubrimiento causal mediante el ordenamiento por el número de relativos. Se propone una alternativa usando DAGs de series temporales para la generación de datos sintéticos.
ToolGraph como Q-Function para el escalado en tiempo de prueba del uso de herramientas
Se presenta ToolGraph, un grafo de dependencia dirigido y ponderado sobre un catálogo de herramientas, diseñado para modelar la cadena de llamadas interdependientes de los agentes de uso de herramientas. El estudio compara diferentes estimadores de valor para determinar si esta estructura puede proporcionar un valor multi-paso al componer caminos de grafos. Se demuestra que un estimador basado en LLM mejora significativamente el rendimiento en comparación con métodos puramente estructurales.
AI4BayesCode: De descripciones en lenguaje natural a muestreadores bayesianos modulares y validados
Se presenta AI4BayesCode, un sistema basado en LLM que convierte descripciones de modelos bayesianos en lenguaje natural a muestreadores MCMC validados y modulares. Este sistema busca mejorar la fiabilidad mediante validación de especificaciones y código generado. Además, introduce un paradigma de codificación recursivamente estado-dependiente para componer módulos de muestreo MCMC de manera coherente.
¿Puede la IA juzgarte? Auditoría empírica de la preparación para el despliegue en sistemas de contratación asistidos por LLM
Se presenta una auditoría empírica de la preparación para el despliegue de sistemas de contratación asistidos por LLM. El estudio evalúa la capacidad de estos sistemas para distinguir candidatos y su cumplimiento ante solicitudes no autorizadas. Se determina que el rendimiento operativo depende de la interfaz de evaluación utilizada y que la separación de reglas y contenido reduce el incumplimiento no autorizado.
Fusión multimodal con modelos preentrenados para predecir resultados de psicoterapia a partir de dinámicas emocionales
La investigación evalúa el uso de modelos multimodales preentrenados para predecir resultados de psicoterapia utilizando dinámicas emocionales. Los resultados indican que las representaciones preentrenadas combinadas con modelos clásicos regularizados son más confiables que la agregación aprendida, especialmente bajo escasez de datos clínicos. Se comparan el rendimiento de modelos de aprendizaje profundo frente a modelos clásicos en la predicción de resultados.
No se identificaron personas.
ReMoVe: Refinando el movimiento de un modelo de video para la generación de video humano coherente
ReMoVe es un método que refina el movimiento generado por modelos de video para mejorar la coherencia humana. El sistema recupera y refina el movimiento subyacente, renderiza la malla 3D y transfiere la apariencia facial para mejorar la precisión y la consistencia de la identidad. Además, condiciona la generación con malla y profundidad para lograr coherencia espaciotemporal y trayectorias de cámara controlables.
¿Necesita la destilación on-policy completar cada despliegue?
Se presenta la Destilación On-Policy Truncada Estocástica (STOPD) para acelerar la destilación on-policy (OPD) al truncar aleatoriamente los despliegues del estudiante y corregir el sesgo de muestreo con ponderación de probabilidad inversa por bloques (IPW). Este método reduce los tokens generados entre un 25 y 48% manteniendo una precisión comparable a la OPD Vanilla, logrando aceleraciones de entrenamiento de 1.3 a 2.2 veces.
Predictivo pero no planificable: RC-aux para modelos de mundo latente
Se presenta el objetivo auxiliar de corrección de alcanzabilidad (RC-aux) para modelos de mundo latente, diseñado para corregir la discrepancia entre la predicción a corto plazo y la planificación a largo plazo. Este método añade supervisión alineada con la planificación a lo largo de los ejes temporal y espacial para mejorar la capacidad de los modelos de mundo latente para realizar búsquedas efectivas. Los resultados indican que la planificación con estos modelos depende de la estructura temporal y geométrica correcta codificada en la representación latente.
Atención Anisotrópica Adaptativa para Señales Estructuradas
Se presenta la Atención Anisotrópica Adaptativa (AAA) para manejar señales estructuradas con bajo SNR, dividiendo la atención en caminos temporal y espacial. El modelo resultante, AXON, mejora la precisión en tareas de EEG, demostrando que la combinación ponderada de ambos caminos es superior a elegir un solo camino. Los resultados sugieren que alinear la atención con los ejes naturales de las señales estructuradas ofrece un sesgo inductivo útil.
SkillScreen: Cribado de alta recuperación de habilidades de agentes maliciosos con modelos de decisión
Se presenta SkillScreen, un modelo de decisión compacto diseñado para evaluar la maliciosidad de habilidades de agentes en lenguaje natural. El modelo logró una alta recuperación (99%) al detectar el 20-25% de habilidades benignas en pruebas, superando a otros clasificadores. Esto subraya el valor de los modelos de decisión entrenados para tareas en el cribado de habilidades de seguridad.
Afiliados de Big Digital Energy compran $182,058 en acciones
Entidades afiliadas de Big Digital Energy realizaron compras de acciones por un total de $182,058 durante noviembre de 2026. Estas compras internas ocurren en un contexto de que las acciones de la empresa han caído significativamente, sugiriendo que la gestión considera que la acción está infravalorada. Además, la compañía reportó un aumento del 41% en los ingresos del tercer trimestre gracias a acuerdos de minería y busca alcanzar el punto de equilibrio en efectivo para finales de 2026.
Empresas de IA contratan exagentes de inteligencia para protegerlas de espionaje
Empresas de inteligencia artificial están contratando exagentes de inteligencia para protegerse del espionaje. Esto sugiere un aumento en los riesgos de ciberseguridad y espionaje dirigido a la tecnología de IA.
No se identificaron personas.
Hackers robaron datos de casi 150 mil conductores de Uber
Hackers robaron datos personales de casi 150 mil conductores de Uber tras un ciberataque a su contratista tecnológico Fireworks AI. La filtración incluyó nombres, direcciones y números de carnet de conducir de los afectados. Uber informó que 149,346 personas resultaron afectadas y que la causa fue el uso de credenciales internas del proveedor de servicios.