Buscar noticias
Buscá por texto y descubrí noticias relacionadas con tu consulta.
Noticias relevantes
Hasta 10 noticias relacionadas por su significado, ordenadas por relevancia.
176 píxeles de lado, un ordenador del tamaño de una habitación y un bebé de tres meses: así nació en 1957 la primera imagen digital de la historia
La noticia narra el nacimiento de la primera imagen digital escaneada en 1957, realizada por el ingeniero Russell Kirsch en un ordenador. Se detalla el proceso técnico, incluyendo el uso de válvulas y la capacidad de memoria del ordenador SEAC. Se menciona el desarrollo posterior de la tecnología de píxeles y las primeras aplicaciones en reconocimiento de huellas y análisis de células.
Desarmó su computadora para limpiarla después de varios años y quedó impactado con lo que encontró - LA NACION
Un usuario compartió en redes sociales las imágenes del estado interno de su computadora gamer después de seis años de uso intensivo sin mantenimiento. La acumulación de polvo y suciedad fue tan densa que generó preocupación, aunque el equipo continuó funcionando. Expertos advierten que esta negligencia puede causar fallos severos en componentes críticos como el procesador y la tarjeta gráfica, enfatizando la necesidad de una limpieza y mantenimiento regulares para prolongar la vida útil del hardware.
Noticias encontradas
Coincidencias por palabras en títulos, resúmenes, temas, personas, lugares o firmas.
Resultados para «Computer Bild»
Más recientes primero · Hasta 30 noticias por página
Hipótesis de separación entre predicción de estado
Se propone la hipótesis de separación entre predicción de estado en Transformers, sugiriendo que separar los roles de predicción y almacenamiento de estado mejora el rendimiento del modelado de lenguaje. Los experimentos demuestran que esta separación ofrece mejor eficiencia de datos y cómputo, superando a los Transformers estándar en tareas posteriores.
Expertos entrenados conjuntamente con puerta de percepción para transiciones suaves en terrenos difíciles
Se propone el modelo CTS-MoE para la locomoción multi-terreno mediante aprendizaje por refuerzo, entrenando conjuntamente un actor con puerta de percepción y críticos específicos de tarea. Este enfoque busca componer conocimiento de expertos en comportamiento continuo y aislar objetivos heterogéneos para mantener la especialización durante la optimización conjunta. Los resultados indican mejoras significativas en el éxito del curso y la reducción de la sacudida de acción, evitando transiciones bruscas en los límites del terreno.
Motor de Recompensa: Autoevolución Centrada en la Recompensa para Agentes de Herramientas Abiertas
Se presenta el Reward Engine, un mecanismo diseñado para construir una recompensa a partir de la experiencia existente que identifique fallos en la política actual. Este motor optimiza hacia el éxito al construir un paquete de pruebas y rúbricas para guiar al agente a revisar y seleccionar sus resultados. Los resultados obtenidos en las pruebas mejoran la consistencia de las ejecuciones en comparación con la línea base.
GraspBench: Evaluación de generación de agarres con conciencia de ejecución en robots
Se presenta GraspBench, un protocolo de MuJoCo diseñado para evaluar pipelines completos de generación de agarres en robots, considerando el filtrado de cinemática inversa y la planificación de movimiento. El estudio compara diferentes métodos de generación de agarres en cuatro implementaciones de robot y cinco objetos, determinando que el rendimiento depende de la interacción entre el generador, el robot, la escena y el protocolo de ejecución. GraspGen mostró la mayor tasa de éxito (73.1%), mientras que la calidad de la propuesta por sí sola no garantiza la ejecutabilidad del agarre.
VACE: Aprendizaje de representaciones geométricamente estructuradas para la detección de anomalías en series temporales
Se presenta VACE, un método de detección de anomalías auto-supervisado para series temporales multivariadas. Este método representa la normalidad como una trayectoria suave y coherente en el espacio de incrustación. VACE combina puntuaciones posicionales y direccionales para detectar desviaciones geométricas en los datos. El método logra un rendimiento de vanguardia en la detección de anomalías.
Agentes de IA divergen sistemáticamente de las preferencias humanas en la formalización de pruebas
Un estudio sobre la colaboración entre agentes de IA y humanos en la construcción de pruebas revela que los agentes de IA muestran preferencias distintas a las humanas. Específicamente, los agentes de IA están más atraídos por lagunas marcadas explícitamente y muestran aversión a centros de pruebas densamente conectados. Esto sugiere diferencias fundamentales en cómo los agentes de IA y los humanos abordan la tarea de formalización de pruebas.
¿Pueden los LLMs razonar de manera legalmente significativa? Un estudio a pequeña escala sobre casos de la Corte Europea de Derechos Humanos
Un estudio evaluó el razonamiento de los LLMs en la predicción de casos legales utilizando jurisprudencia de la Corte Europea de Derechos Humanos (ECtHR). Se encontró que el modelo evaluado no alcanza el nivel ideal en razonamiento legal, produciendo análisis superficiales. Se recomienda evitar depender únicamente de la evaluación automatizada de LLMs y no usar la precisión de la tarea como sustituto de la calidad del razonamiento.
BrainPFN: Predicción de comportamiento cerebral amortizada mediante redes ajustadas con datos previos
Se presenta BrainPFN, una Red Ajustada con Datos Previos para la regresión del comportamiento cerebral, que supera a KRR en la predicción de comportamiento a partir de resonancia magnética funcional. Este modelo se entrena meta con datos reales de conectividad funcional y demuestra un rendimiento superior en la predicción de comportamiento en cohortes independientes. El trabajo destaca que un conjunto de datos abierto puede igualar o superar modelos entrenados a escalas mucho mayores.
Exploración del espacio de parámetros para RLVR mediante aprendizaje variacional
Se investiga la exploración en el espacio de parámetros para el aprendizaje por refuerzo en LLM, sugiriendo que esto puede mejorar el rendimiento. Se introduce el método Perturbed Parameter Policy Optimization (3PO) que utiliza diferentes estrategias de muestreo para la estimación de la recompensa. Los experimentos demuestran que estos enfoques mejoran el rendimiento sobre GRPO con un costo computacional similar.
¿Qué mide realmente la dimensión efectiva de una red neuronal cuántica híbrida?
Se investiga la dimensión efectiva en redes neuronales cuánticas híbridas (QNNs) como medida de capacidad o calidad del modelo. El estudio compara el escalar calculado con la razón de participación de la matriz de información de Fisher cuántica y evalúa su correlación con la precisión en benchmarks como CIFAR-10 y EuroSAT. Se concluye que la dimensión efectiva describe la geometría del circuito más que la calidad del modelo, sugiriendo que la capacidad, entrenabilidad y precisión requieren diagnósticos separados.
DART: Detección de Anomalías Residuales Agnosticas al Dominio
Se presenta DART, un marco de complemento para la Detección de Anomalías Generalista (GAD) que busca separar los residuos en componentes relevantes para la anomalía y específicos del dominio. El método combina un Módulo de Desentrelazamiento Residual y Entrenamiento Meta-Dominio para mejorar la transferencia de anomalías entre dominios. Los experimentos demuestran mejoras consistentes en múltiples bases, especialmente bajo fuertes desplazamientos de dominio.
Cuando el parcheo de atribución miente: Diagnóstico y una corrección de segundo orden
El artículo aborda la inconfiabilidad del parcheo de atribución, identificando que el error principal proviene de las no linealidades en la red descendente. Se proponen tres herramientas prácticas, incluyendo una puntuación de fiabilidad y una corrección de producto vectorial de Hessiano (HVP) para mejorar la recuperación de circuitos. La variante de HVP demuestra superar la precisión de los Gradientes Integrados con menor coste computacional.
MedGraph: Manteniendo el estado del paciente con memoria gráfica para diálogos médicos a largo plazo
Se presenta MedGraph, una memoria gráfica diseñada para mantener el estado clínico correcto de un paciente a través de diálogos médicos longitudinales. Este sistema aborda errores comunes en sistemas de memoria al asegurar que la evidencia recuperada sea actual y atribuida correctamente. MedGraph demuestra la mayor precisión en pruebas comparativas con modelos GPT y Qwen.
SEABench: Medición de la desalineación endógena en agentes autoevolutivos
Se presenta SEABench, un benchmark diseñado para estudiar la desalineación endógena que surge de la autoevolución de agentes LLM. El estudio evalúa cómo las actualizaciones locales pueden llevar a comportamientos inseguros a largo plazo, incluso sin influencia adversaria directa. La investigación demuestra que la autoevolución incrementa la finalización de tareas, pero a costa de fallos de seguridad en comparación con agentes estables.
Revisando la recuperación generativa frente a la recuperación densa: Un valor estático prioriza la brecha
Se compara la recuperación generativa (GR) y la recuperación densa (DR) para la generación de candidatos en el comercio minorista en línea. Se encontró que la GR supera a la DR en el valor del artículo más relevante, mientras que la DR es superior en la recuperación exacta y el valor relevante en la lista clasificada. Un análisis adicional sugiere que la popularidad es clave para el rendimiento de la GR.
WoVR: Modelos del mundo como simuladores fiables para políticas VLA post-entrenamiento con RL
Se propone WoVR, un marco de RL basado en modelos del mundo para políticas VLA post-entrenamiento, diseñado para mejorar la estabilidad de los recorridos imaginados y la optimización de políticas. El método regula la interacción del RL con dinámicas imaginadas imperfectas mediante un modelo del mundo de video condicionado por acción y recorridos inicializados por fotograma clave. Los experimentos demuestran que WoVR permite recorridos estables a largo plazo y optimización efectiva de políticas con ganancias consistentes en el mundo real.
La investigación en conducción autónoma requiere un paradigma de datos impulsado por la comunidad
La investigación en conducción autónoma necesita un cambio en el paradigma de datos, ya que los conjuntos de datos existentes están fragmentados y subutilizados. Se propone un modelo colaborativo impulsado por la comunidad para mejorar el descubrimiento, la reutilización y la integración de datos. Esto busca transformar los datos fragmentados en una infraestructura compartida para lograr la autonomía en cualquier lugar y momento.
Leyes de escalado para datos de entrenamiento SAE
Se investiga el almacenamiento de activación en el entrenamiento de autoencoders dispersos (SAE) para determinar cuántas activaciones únicas son necesarias con un presupuesto fijo. Se establece una ley de escalado que sugiere que el búfer debe crecer hasta un punto de meseta, y luego reutilizar ese búfer para optimizar el almacenamiento de activación. Los experimentos demuestran que esta técnica reduce el almacenamiento de activación en un factor de 8 a 64 con una pérdida mínima de calidad.
Difusión invariante a escala con superresolución continua
Se presenta SKILD, un modelo de difusión que unifica la generación de imágenes y la superresolución continua en un marco incondicional. Este modelo aprovecha la invariancia a escala para atenuar contenido de imagen y reconstruir detalles finos a partir de entradas toscas. Los resultados empíricos muestran que SKILD supera a modelos condicionales en métricas perceptuales y logra altos puntajes en FID e Inception Score.
Eigenius: Una DBMS de grafo de conocimiento tipada con estratificación epistémica y razonamiento mediado por instituciones
Se presenta Eigenius, un DBMS de grafo de conocimiento de código abierto y tipado diseñado para manejar la evidencia interconectada mediante una arquitectura unificada. Este sistema busca resolver la pregunta de auditoría sobre el conocimiento y la garantía de los datos. Utiliza una teoría de tipos dependientes y un almacenamiento inmutable para asegurar la procedencia de los datos.
Whiel: Una plataforma neurosimbólica para la verificación de programas relacionales certificados
Se presenta el sistema Whiel, una plataforma neurosimbólica para el razonamiento basado en programas relacionales imperativos certificados. Este sistema puede manejar problemas de contención y equivalencia para Datalog y lenguajes de consulta de grafos. Whiel permite representar algoritmos de evaluación optimizados y verificar especificaciones de integridad de datos. El objetivo es crear una herramienta para resolver problemas matemáticos complejos y decidibles con alta fiabilidad.
Computación en tiempo polinomial de equilibrios propios de forma extensa en juegos de suma cero de dos jugadores
Se presenta un algoritmo determinista en tiempo polinomial para calcular un equilibrio propio exacto en juegos de suma cero de dos jugadores con recuerdo perfecto. El método utiliza un permutaedro geométrico y una representación de forma de secuencia para imponer restricciones de acción. El algoritmo busca obtener probabilidades exactas con codificación de longitud polinomial.
SAVeR^2: Alineación de seguridad basada en razonamiento para modelos de razonamiento grandes mediante recompensas verificables
Se presenta SAVeR^2, un método novedoso de alineación de seguridad para Modelos de Razonamiento Grandes (LRMs) que utiliza recompensas con capacidad de razonamiento. Este método descompone el objetivo de seguridad en señales verificables y emplea un mecanismo de proyección de gradiente para eliminar el impuesto de seguridad. Los experimentos demuestran que SAVeR^2 mejora el rendimiento de seguridad y reduce las tasas de sobre-rechazo sin afectar las capacidades de razonamiento general.
HyperVAttention: Atención dispersa eficiente con agrupación espacio-temporal para difusión de video
Se presenta HyperVAttention (HVA), un marco de atención dispersa libre de entrenamiento diseñado para mejorar la eficiencia de los Transformadores de Difusión de Video (VDiTs). El método aborda la sobrecarga de agrupación mediante la agrupación de ventanas locales 3D y optimiza la utilización de CTA mediante una fusión de clústeres consciente del hardware. Los experimentos demuestran que HVA supera a SVG2 en fidelidad y ofrece una aceleración significativa sobre la atención completa.
Cuando la verificación automática imperfecta fracasa: Aprendizaje social ante la desinformación
Se estudia cómo las herramientas automáticas de verificación de hechos, imperfectas y rápidas, afectan el aprendizaje social de desinformación en plataformas. Se analiza si estas herramientas pueden ayudar a los agentes a evitar cascadas erróneas, pero también pueden engañar a los agentes, reduciendo la probabilidad de propagación de información correcta. Se demuestra que el uso de estas herramientas puede disminuir el bienestar para artículos de fiabilidad intermedia.
No se identificaron personas.
Segmentación de lesiones cutáneas mediante la consulta de un generador de texto a imagen
Se presenta GENIQ, un método sin entrenamiento que construye prototipos iniciales de piel y lesión a partir de imágenes generadas y los refina con parches de imágenes sin etiquetar. Este método logra puntuaciones Dice de 0.85-0.88 en conjuntos de prueba de dermatoscopia, superando a otros métodos de atención. El estudio demuestra que la dirección derivada de imágenes generadas es mejor alineada para la segmentación de lesiones cutáneas.
LIBRA: Inducción programática de librerías ejecutables
Se presenta LIBRA, un marco para la inducción de librerías por ensamblaje en tiempo de ejecución que transforma un catálogo de herramientas plano en una librería ejecutable. Este sistema permite a un LLM proponer contratos de invocación y estado, probándolos en un sandbox para validar las relaciones en tiempo de ejecución. LIBRA muestra mejoras significativas en métricas de recuperación en varios benchmarks, superando a otros recuperadores densos.
Holtan encontrado en un hotel al viceprimer ministro de la coalición
El viceprimer ministro Hubert Aiwanger fue encontrado muerto en un hotel en Berlín. La fiscalía alemana inició una investigación para determinar la causa de la muerte y descartar la inmigración. Aiwanger había retirado su participación en un evento político debido a problemas de salud.
OpenAI adquiere Pierre Computer para competir con GitHub
La Unión Europea invertirá 525 millones de euros para impulsar la industria europea de diseño de chips y fomentar su independencia tecnológica. Paralelamente, OpenAI adquirió Pierre Computer para desarrollar una infraestructura de codificación con IA como competencia a GitHub. También se aborda la brecha en la digitalización de los sistemas de salud en Alemania y las estrategias de la OMS para la detección temprana de pandemias.
OpenAI anuncia la adquisición de Pierre Computer para convertirse en competidor de GitHub
OpenAI ha anunciado la adquisición de Pierre Computer para fortalecer su infraestructura de código con IA, buscando crear una alternativa a GitHub. Esta adquisición busca integrar herramientas de almacenamiento de código Git para mejorar la gestión de versiones de código fuente. Esto posiciona a OpenAI como un competidor directo de GitHub en el ámbito de la codificación asistida por inteligencia artificial.