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

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.

Periodista: David Wang, Mohammad Abdulaziz

Personas mencionadas

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.

Periodista: Fairoz Nower Khan, Nabuat Zaman Nahim, Peizhong Ju

Personas mencionadas

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.

Periodista: Haolei Xu, Xiaowen Xu, Haiwen Hong, Zixuan Ni, Hongxing Li, Yiwen Qiu, Weiming Lu, Yongliang Shen

Personas mencionadas

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.

Periodista: Rishabh Pande, Yu Zeng

Personas mencionadas

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.

Periodista: Jiatong Li, Samuel Yeh, Sharon Li

Personas mencionadas

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.

Periodista: Jaime C. Acosta, Anantaa Kotal, Aritran Piplai

Personas mencionadas

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.

Periodista: David Gibson (Curtin University), M. Elizabeth Azukas (Georgia Institute of Technology), Gerald Knezek (University of North Texas)

Personas mencionadas

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.

Periodista: Jeonghwan Cho, Minsu Kim, Junyoung Hong, Seon Joo Kim

Personas mencionadas

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.

Periodista: Xin Yu, Fei Xia, Jiaqi Pan, Youbao Tang, Chengzhi Liu, Adams Yu, Sicong Jiang, Yanfei Chen, Lingzhou Xue, Ting Yu

Personas mencionadas

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.

Periodista: Jiarui Gan, Debmalya Mandal

Personas mencionadas

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.

Periodista: Nabuat Zaman Nahim, Fairoz Nower Khan, Peizhong Ju

Personas mencionadas

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.

Periodista: Alexander G. Reisach, Antoine Chambaz, Gilles Blanchard, Sebastian Weichwald

Personas mencionadas

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.

Periodista: Ke Shen, Ankita Bhaumik, Li Dong, Shengjie Liu, Shuzhen Li, Naveed Ahmed Janvekar

Personas mencionadas

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.

Periodista: Jungang Zou, Alex Ziyu Jiang, Qixuan Chen

Personas mencionadas

¿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.

Periodista: Spandan Roy, Subhabrata Majumdar, Soudeep Deb

Personas mencionadas

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.

Periodista: Marius Funk

Personas mencionadas

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.

Periodista: Jie Li, Muxin Pu, Hongyi Cai, Mingkang Dong, Jianyuan Guo, Tao Huang

Personas mencionadas

¿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.

Periodista: Zhengxin Zhang, Maosen Tang, Ning Wang, Changhao Li, Jingren Zhou, Bo Dai, Sainyam Galhotra, Alex Townsend, Claire Cardie

Personas mencionadas

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.

Periodista: Wenyuan Li, Guang Li, Keisuke Maeda, Takahiro Ogawa, Miki Haseyama

Personas mencionadas

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.

Periodista: Mahir Jain, Parshva Runwal, Aditya Ray Mishra, Raj Singh Bani, Arvasu Kulkarni, Sandeep Singh, Siddharth Panwar

Personas mencionadas

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.

Periodista: Jerrold Huang, Junwei Quan, Saiyue Lyu, Zihan Guo, Yingqiang Ge

Personas mencionadas

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.

Periodista: Investing.com

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.

Periodista: Bangkok Post Public Company Limited

Personas mencionadas

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.

Periodista: Ролан Жунусов

Personas mencionadas

IA acústica detecta fallos en grúas, alcanzando 99.9% de detección

Una IA acústica diseñada para detectar fallos en grúas alcanzó una tasa de detección del 99.9% en una terminal portuaria nacional durante una prueba. El sistema 'Listen AI' analiza el sonido de las grúas para identificar anomalías, logrando cero falsos positivos. Esta tecnología permite una detección temprana de problemas, lo que se traduce en una reducción potencial del 70% en fallos y paradas, y una mejora del 20% en el tiempo de funcionamiento de las grúas.

Periodista: 김영호

Personas mencionadas

Universidad Sungkyunkwan organiza laboratorio vivo global sobre soluciones de tráfico impulsadas por IA

La Universidad Sungkyunkwan completó la presentación final de su proyecto de laboratorio vivo global sobre soluciones de tráfico impulsadas por IA y tecnología geoespacial. Veinticuatro estudiantes de dos universidades formaron ocho equipos para abordar desafíos de transporte urbano. Crosswalk Friends ganó el primer premio, y los ganadores obtendrán una oportunidad de estudio de campo en Bangkok.

Periodista: Park Yoon-bae

Personas mencionadas

OpenAI publica herramienta de detección de contenido de abuso sexual infantil (CSAM) en ChatGPT, con advertencias de suspensión de cuenta

OpenAI lanzó una nueva herramienta de clasificación de imágenes para detectar contenido de abuso sexual infantil (CSAM) en ChatGPT, que puede identificar imágenes generadas por IA. La herramienta busca reducir la cantidad de contenido dañino y ofrece advertencias y suspensiones de cuenta para quienes intenten buscar dicho material. OpenAI también publicó directrices para desarrolladores y abordó preocupaciones sobre el uso de ChatGPT por menores de edad.

Periodista: Firma no identificada

Ciencia y tecnología toman el centro de atención en la conferencia SRC

La 32ª Conferencia Nacional de Ciencia y Tecnología del SRC comenzó, reuniendo a expertos para discutir cómo la ciencia, la tecnología y la innovación pueden impulsar el desarrollo regional. Se enfatizó que la ciencia ofrece herramientas para resolver desafíos como la seguridad alimentaria y la inteligencia artificial. Se destacó la importancia de que el Caribe sea un participante activo en la producción de conocimiento y soluciones, no solo un consumidor de tecnología.

Periodista: Firma no identificada

'AI cheating' admitido por un abogado fiscal y policía |

Un ganador principal del examen de certificación de contador público admitió el uso de inteligencia artificial para cometer fraude y se presentó ante la policía. El individuo confesó su participación y ofreció disculpas a los estudiantes y personal del examen. La policía planea convertirlo en sospechoso y procederá con la investigación de los detalles del fraude.

Periodista: 김예슬

Personas mencionadas

Choi Yena lanza remake de 'Sakuranbo' el 17... apoyo de CUTIE STREET

La cantante coreana Choi Yena lanzó un remake de la canción japonesa 'Sakuranbo', reinterpretando la obra de Ootsuka Ai con su estilo. El sencillo se lanzará el 17 y contará con el apoyo del grupo japonés CUTIE STREET en su promoción. La canción fusiona la melodía original con la voz característica de Choi Yena para ofrecer una nueva versión.

Periodista: Firma no identificada