Buscar noticias

Buscá por texto y descubrí noticias relacionadas con tu consulta.

Noticias relevantes

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

No encontramos noticias relacionadas por su significado.

Noticias encontradas

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

Resultados para «Wang Minzai»

Más recientes primero · Hasta 30 noticias por página

VerifierBench: Evaluación de la generación de verificadores ejecutables para agentes de LLM

Se presenta VerifierBench, un benchmark diseñado para evaluar la generación de verificadores ejecutables por agentes de LLM. El estudio analiza la fiabilidad de estos verificadores para aceptar soluciones válidas y rechazar las inválidas en tareas complejas. Los resultados indican que los verificadores generados son más fiables al rechazar soluciones incorrectas, aunque existen fallos relacionados con suposiciones erróneas en el formato de solución.

Periodista: Jianing Yin, Ziyi Chen, Hao Wang, Yiyou Sun, Zijian Jin, Dawn Song, Daoan Zhang

Personas mencionadas

Can Test-Time Reconstruction Cierra el Bucle en el Razonamiento Latente?

Se presenta ReLAT, un método de entrenamiento por prueba auto-supervisado que cierra el bucle del razonamiento latente utilizando la consulta como referencia. Este enfoque busca asegurar que un estado latente fielmente represente la consulta original, permitiendo la recuperación de la consulta a partir del estado latente. ReLAT mejoró la precisión AIME 2024 en Qwen3-8B de 56.7% a 73.3%, superando a la mejor línea base de colaboración latente en bucle abierto.

Periodista: Xiaopeng Yuan, Haibo Jin, Ye Yu, Peng Kuang, Lijun Yu, Yushun Dong, Haohan Wang

Personas mencionadas

Razonamiento de nivel de inundación guiado por conocimiento para monitoreo colaborativo en la nube y el borde

Se propone HydroReasoner, un marco de razonamiento visual para la detección de niveles de agua de inundación, diseñado para la colaboración en la nube y el borde. Este modelo mejora el rendimiento de detección en comparación con métodos convencionales al incorporar un grafo de conocimiento para supervisar el proceso de razonamiento. Se implementan optimizaciones como la cuantización de 4 bits para reducir el uso de memoria y la latencia en el despliegue en el borde.

Periodista: Zhengshu Zhou, Shaoyu Wang, Ziyi Geng, Lu Tao, Qian Long

Personas mencionadas

Ajuste por fases de MLLM para generación de código WebUI multi-framework

Se estudia el ajuste fino supervisado para la generación de código WebUI en múltiples frameworks (React, Vue, Angular) utilizando un método de ajuste por fases para MLLMs. El método propuesto utiliza señales de compatibilidad y heterogeneidad para derivar grupos de entrenamiento y su orden. Los experimentos demuestran que este método mejora la calidad de generación y la tasa de éxito de compilación en comparación con los métodos de referencia.

Periodista: Haoran Ma, Linxiao Li, Chenyue Wang, Haochen Sui, Jiechao Gao

Personas mencionadas

Usando cabezales de OCR para verbalizar semántica de imágenes

Se investiga cómo los Modelos de Lenguaje Visual (VLMs) realizan el reconocimiento de caracteres ópticos (OCR) al identificar cabezales de atención necesarios. Se demuestra que estos cabezales son cabezales de propósito general que generan características semánticas interpretables en las representaciones de imagen. El estudio sugiere que las representaciones de imagen están alineadas con el lenguaje en las capas iniciales de los modelos.

Periodista: Sheridan Feucht, Benno Krojer, Sarah Wang, Henry Abrahamsen, Byron C. Wallace, David Bau

Personas mencionadas

Investigadores de Inteligencia Artificial supervisada por humanos en sistemas de energía eléctrica: conocimiento, física, simulación y gobernanza para modelos de lenguaje grandes

Se revisan las aplicaciones de LLM en la investigación de sistemas de energía eléctrica, enfocándose en la colaboración entre investigadores de IA supervisada por humanos y estudios de IA fundamentados en la física. Se propone un marco de conocimiento-física-simulación-gobernanza donde los LLM coordinan tareas y los expertos validan las conclusiones críticas. El objetivo es mejorar la eficiencia de la investigación científica asegurando trazabilidad y reproducibilidad de los resultados.

Periodista: Xiangrui Meng, Jingcheng Liu, Ke Wang, Miaopeng Yu, Zhengping Lin

Personas mencionadas

Dual Dimensionalidad para Atención Local y Global

Se propone la Representación Adaptativa a la Distancia (DAR) para arquitecturas de atención, donde los tokens locales reciben representaciones de alta dimensión y los distantes reciben representaciones de menor dimensión. Este enfoque busca preservar la capacidad de representación local mientras optimiza la memoria a largo plazo, reduciendo el tamaño de la caché KV durante la inferencia. Los resultados demuestran que este método mejora el rendimiento y reduce significativamente el tamaño de la caché KV en comparación con métodos que reducen la dimensionalidad uniformemente.

Periodista: Zhiyuan Wang, Xuan Luo, Sirui Zeng, Xifeng Yan

Personas mencionadas

Razonamiento basado en conceptos con localización impulsada por prompts para generación de informes estructurados

Se propone el marco CORAL para mejorar la generación de informes médicos mediante un proceso de razonamiento basado en conceptos con localización. Este marco integra la fundamentación espacial y la supervisión a nivel de concepto para lograr una mejor alineación con los procesos de decisión clínica. Los experimentos demuestran mejoras en la precisión diagnóstica y la calidad del informe en comparación con otros modelos MLLM.

Periodista: Xinyue Xu, Hongbin Lin, Juangui Xu, Hualiang Wang, Lehan Wang, Lijie Hu, Adrian Weller, Xiaomeng Li

Personas mencionadas

MOPDA: Destilación On-Policy para Detección de Anomalías Industrial Guiada por Lenguaje

Se presenta MOPDA, un marco que utiliza destilación propia on-policy para la detección de anomalías industriales (IAD) basada en modelos visión-lenguaje (LVLM). El método combina trayectorias del estudiante y del profesor para mejorar la detección y localización de anomalías. MOPDA supera a las líneas base existentes en métricas clave, manteniendo competitividad con métodos basados en CLIP.

Periodista: Shuimu Chen, Jing Jin, Nan Su, Hongbo Xu, Zebang Cheng, Wenming Yang, Fei Ma, Guijin Wang

Personas mencionadas

ClinFusion: Un sistema LLM multimodal centrado en la visión para la comprensión médica holística

Se presenta ClinFusion, un MLLM centrado en la visión diseñado para la comprensión médica holística, abordando desafíos en el manejo de imágenes médicas 2D y 3D. El sistema supera a modelos líderes en múltiples benchmarks médicos y demuestra capacidades multimodales superiores a modelos propietarios. La evaluación por radiólogos confirma que produce los informes mejor clasificados y valida su métrica de evaluación basada en la región de interés.

Periodista: Hangjie Yuan, Yichen Qian, Zhiwei Tang, Xianzhe Xu, Sicheng Yang, Lirong Wu, Jinwang Wang, Pengju Wang, Zhitao Zeng, Yizeng Han, Yan Xing, Shengxuan Luo, Tao Feng, Qing Xie, Weigen Yao, Yi Yang, Zuozhu Liu, Jiasheng Tang, Shaocheng Wang, Jitao Wang, Jiahong Dong, Weihua Chen, Feng Xu, Fan Wang

Replay Counterfactual: Entornos Forkables como Recompensas de Proceso Gratuitas para Agentes de Ingeniería de Software

Se presenta el Counterfactual Rollout Replay (CRR), un procedimiento de entrenamiento que utiliza entornos ejecutables forkables para obtener contrastes de retorno a nivel de paso en agentes de ingeniería de software. Este método mejora el rendimiento en benchmarks como SWE-bench Verified, logrando una mejora del 5.0 puntos porcentuales en comparación con métodos anteriores. El CRR no requiere etiquetas de proceso humanas ni modelos de recompensa aprendidos, enfocándose en la eficiencia del cómputo.

Periodista: Yuanhao Li, Hongbo Wang, Xuhong Chen, Yiming Cao, Xunzhu Tang

Personas mencionadas

Índice de Salud de Benchmarks: Un marco sistemático para comparar los puntos de referencia de los LLM

Se presenta el Índice de Salud de Benchmarks (BHI), un marco basado en datos para auditar la fiabilidad de los puntos de referencia utilizados para medir el progreso de los Modelos de Lenguaje Grande (LLM). Este índice evalúa la capacidad de discriminación, la anti-saturación y el impacto de estos benchmarks en los ecosistemas académico e industrial. El objetivo es proporcionar una base sólida para la selección de benchmarks y la gestión dinámica de los protocolos de evaluación.

Periodista: Longyuan Zhu, Hairan Hua, Linlin Miao, Wei Wang, Bing Zhao

Personas mencionadas

Reconstrucción como Evaluación Espacial: Diagnostizando la Inteligencia Espacial entre Múltiples Vistas en Modelos de Lenguaje-Visión Grandes

Se presenta RECONSPATIAL, un punto de referencia para evaluar la inteligencia espacial de los modelos de lenguaje-visión (LVLM) mediante la reconstrucción 3D de escenas multi-vista. Se investiga la brecha entre la estructura relativa de la escena y la precisión métrica de la reconstrucción. Los resultados indican que la consistencia relacional no asegura la exactitud métrica, limitando el éxito de la navegación.

Periodista: Junfei Wu, Qiuyue Wang, Xuhong Huang, Qihang Peng, Mingsheng Li, Jian Guan, Qiang Liu, Shu Wu, Liang Wang, Shuai Bai, Tieniu Tan

Skill++: Hacia agentes de aprendizaje permanente a través de la refinación de habilidades consciente del enrutamiento

Se presenta Skill++, una solución para el enrutamiento de habilidades en modelos de lenguaje grande (LLM) que aborda el problema del aprendizaje continuo incremental. Skill++ reescribe el nombre y la descripción de las habilidades entrantes para mantener la selectibilidad de habilidades anteriores mientras se incorporan nuevas. Este método logra una selección de habilidades significativamente mayor en comparación con enfoques previos.

Periodista: Hanrong Zhang, Minghao Liang, Jiawei Wu, Yankai Chen, Shicheng Fan, Zhiwei Liu, Enze Ma, Junwei Yuan, Tianyi Wang, Dehai Min, Kening Zheng, Xue Liu, Philip S. Yu

WebHarbor: Entornos de sitios web ejecutables para entornos de agentes GUI en evolución

Se presenta WebHarbor, un conjunto de 153 entornos de sitios web ejecutables y dockerizados diseñados para proporcionar entornos realistas y estables para el entrenamiento y evaluación de agentes GUI. Esta plataforma permite la reconstrucción fiel de interfaces y flujos de trabajo funcionales de servicios web reales bajo control determinista. Se demuestra que un agente GUI entrenado con RL en WebHarbor generaliza bien a tareas no vistas, superando a agentes de código abierto en varios benchmarks.

Periodista: Zhaoyang Wang, Qianhui Wu, Boyu Gou, Demi Wang, Jiacheng Zhang, Peichun Hua, Qize Li, Shi Qiu, Yifan Jiang, Yifan Zhang, Zexu Jin, Baolin Peng, Bolin Shen, Chetan Bansal, Dehan Kong, Deren Lei, Dongshen Peng, Fengqing Jiang, Hao Cheng, Haoqing Wang, Jiaming Shan, Jicheng Wang, Jingguang Zhou, Jixuan He, Kaide Zeng, Kangyu Zhu, Lama Moukheiber, Mufan Qiu, Peng Xia, Qihan Sun, Qingwei Lin, Qiushi Sun, Ruichen Zhang, Shuqing Luo, Si Qin, Sicheng Fan, Tao Xiong, Wenlin Yao, Xinyu Zhang, Xinyue Zeng, Xuanrui Li, Xuchao Zhang, Yian Wang, Yichao Liu, Yiming Liang, Yiyang Zhou, Yizhu Jiao, Yuetai Li, Yurun Chen, Yuxuan Zhang, Zheyuan Yang, Zhiyuan Yao, Zhongyang Li, Zihao Li, Zili Wang, Jianfeng Gao, Huaxiu Yao

CUA-Master: Escalando Agentes de Uso de Computadora a través de Mejoras Recursivas de Mundo Abierto

Se presenta CUA-Master, un marco de mejora recursiva de doble bucle para abordar las limitaciones de los agentes de uso de computadora (CUAs) en diversidad y fiabilidad de datos. El sistema utiliza un modelo de datos del mundo exterior para guiar la construcción de datos, y un mecanismo interno para propagar semillas de mundo abierto. Los experimentos demuestran que CUA-Master-27B alcanza un rendimiento competitivo en varios benchmarks, mejorando la calidad y eficiencia de la síntesis de datos.

Periodista: Xinlei Yu, Gen Li, Ji Zhao, Zhangquan Chen, Congcong Wang, Shuai Dong, Zelin Peng, Yuqi Xu, Hongrui Wu, Kaiwen Tuo, Cheng Yang, Kaituo Feng, Yifan Wu, Jiayi Zhang, Dongming Wu, Wenqi Shao, Jiaqi Wang, Xiangyu Yue

Transferencia de conocimiento funcional urbano a través de representaciones globales ante datos desiguales

Se investiga la transferencia de conocimiento funcional urbano a través de representaciones globales, dado que las observaciones funcionales están distribuidas de manera desigual. Se presenta el Embedding Urbano alineado con POI (PURE), que mejora el rendimiento en tareas de análisis urbano en 142 países y territorios. Los resultados indican que la transferencia de conocimiento es selectiva, favoreciendo contextos físicamente similares y geográficamente cercanos.

Periodista: Junyuan Liu, Xinglei Wang, Guangsheng Dong, Hao Sha, Zichao Zeng, Zhicheng Deng, Jiazhuang Feng, Xiang Wang, Tao Cheng

Personas mencionadas

¿Martillo o bisturí? Un marco adaptativo de grano fino para la detección implícita de discurso de odio

Se presenta un marco adaptativo novedoso llamado FAID para la detección de discurso de odio implícito, que clasifica y luego se adapta a categorías específicas. El sistema utiliza Prompt-Tuning para muestras superficiales, aumentación de conocimiento para comentarios dirigidos y un marco agente para comentarios dependientes del contexto. Los experimentos demuestran que FAID supera a las líneas de base SOTA en cuatro conjuntos de datos de referencia.

Periodista: Han Wang, Hanqing Tao, Xuesong Wang, Yi Zhu

Personas mencionadas

Aprendizaje por Refuerzo Guiado por Optimización Evolutiva de Políticas para Programación de Satélites de Observación Terrestre Heterogéneos Ajustables por Preferencia

Se propone un marco de optimización de política evolutiva para la programación de satélites de observación terrestre ágiles (AEOS) heterogéneos, abordando las dificultades de modelar restricciones dependientes del satélite. El método utiliza aprendizaje por refuerzo para seleccionar operadores de búsqueda, logrando una utilidad ponderada mayor y una convergencia más estable que los métodos metaheurísticos. Este enfoque busca optimizar la asignación de tareas y la secuenciación de observaciones bajo múltiples restricciones operativas.

Periodista: He Wang, Junyu Wu, Hui Li, Yanjie Song, Witold Pedrycz, Liang Li

Personas mencionadas

Pensar globalmente, generar personalmente: Pensamiento multi-vista con generación adaptativa para recomendación

Se presenta el marco MV-Thinker, un enfoque para la recomendación generativa basado en ID semántico (SID) que aborda problemas de modelado de contexto y adaptación personalizada. El método coordina vistas de historial completo y reciente para generar contextos complementarios y utiliza adaptadores residuales para transformar adaptativamente los estados del decodificador. Los experimentos demuestran que MV-Thinker supera a las líneas base existentes en métricas de clasificación.

Periodista: Yuxuan Hu, Yingyi Zhang, Wenlin Zhang, Chao Zhang, Haotian Nan, Ziwei Liu, Jiancheng Dong, Tongzhou Wu, Beibei Kong, Lei Cheng, Chengxiang Zhuo, Zang Li, Wanyu Wang, Xiangyu Zhao

Modelos de lenguaje aprenden a mejorar modelos de lenguaje

Se propone LM2LM para entrenar LLMs con RL para generar propuestas de mejora efectivas de modelos de lenguaje. Se utiliza un modelo de mundo de investigación (RWM) como modelo de recompensa para proporcionar retroalimentación escalable. Evaluaciones muestran que LM2LM permite a Qwen3.8-27B superar a GPT-6-sol con un 33% menor costo de generación de datos.

Periodista: Minhua Lin, Zijun Wang, Zewen Liu, Zhaotian Weng, Bing He, Zhan Shi, Benoit Dumoulin, Xiang Zhang, Suhang Wang, Hanqing Lu

Personas mencionadas

¿Qué se transfiere del texto a la visión? Leyes de escalado de capacidad y dinámicas de transferencia para VLMs

Se propone la Ley de Escalado Multimodal Basada en la Capacidad para predecir la precisión de los Modelos de Lenguaje-Visión (VLM) basándose en la capacidad textual observable de los LLM. El estudio demuestra que esta ley extrapola con precisión la tasa de transferencia de modelos y predice trayectorias de entrenamiento de VLM con alta fidelidad. El marco busca transformar la selección de la base de modelo (backbone) en una decisión cuantitativa y fundamentada.

Periodista: Ziran Li, Qiang Wang, Zhengyu Chen, Shanglin Lei, Borun Chen, Jingang Wang, Xunliang Cai

Personas mencionadas

Spotter: El modelo encarnado lidera y el VLM refleja por ello

Se propone Spotter, un sistema que invierte los roles entre el modelo encarnado y el modelo vision-language (VLM). El modelo encarnado ejecuta continuamente mientras el VLM monitorea, interviene y corrige errores detectados. Los resultados muestran que la implementación con GPT mejora significativamente el rendimiento de los modelos encarnados en RoboCasa y RoboTwin 2.0.

Periodista: Long Li, Qichao Zhao, Yue Yang, Fan Xu, Zhe Wang, Alan Wee-Chung Liew, Chao Qu, Heng Tao Shen, Shirui Pan

Personas mencionadas

LaBraM a escala: Escalando datos y modelos para el preentrenamiento de EEG

Se demuestra que el preentrenamiento de EEG a gran escala con LaBraM puede generar representaciones robustas para diversas tareas. Se expandió la capacidad del modelo y los datos, logrando altos porcentajes de precisión en tareas evaluadas. Los resultados indican que escalar LaBraM es valioso, pero es crucial igualar la escala de preentrenamiento con la adaptación posterior.

Periodista: Jun-Yu Pan, Ruicheng Yin, Bao-Liang Lu, Dongsheng Li, Wei-Long Zheng, Yansen Wang

Personas mencionadas

NeuroPilot: Un sistema inteligente basado en agentes para procesar, control de calidad y gestionar imágenes neuronales

Se presenta NeuroPilot, un sistema multiagente impulsado por LLM diseñado para automatizar y orquestar el procesamiento, control de calidad y gestión de datos de imágenes neuronales. Este sistema estandariza flujos de trabajo y permite la adaptación dinámica de las modalidades de resonancia magnética para lograr alta escalabilidad. Se demuestra su capacidad para reducir significativamente el tiempo necesario para el entrenamiento de personal y el procesamiento de datos completos.

Periodista: Yiyao Chen, Yucheng Li, Jungong Tong, Shaoqi Wang, Kunhao Zhou, Ziquan Wei, Monica Murea, Marissa DiPiero, Tingting Dan, Guorong Wu

Personas mencionadas

RecGroupMemory: Memoria de Cohorte Sensible al Feedback para Recomendación en Comercio Electrónico

Se presenta RecGroupMemory, un flujo de trabajo que utiliza memoria de cohorte para la planificación de recomendaciones en comercio electrónico mediante LLMs. Este sistema permite actualizar la guía de decisión basándose en el feedback recibido, manteniendo la validez de las observaciones originales. Las pruebas mostraron aumentos en el número de usuarios de transacciones guiadas al incorporar la memoria con feedback.

Periodista: Wendong Zhang, Weipeng Huang, Zhixin Ma, Bin Zhang, Dimin Wang

Personas mencionadas

Límites inferiores para el muestreo de difusión paralela

Se establecen los primeros límites inferiores polinomiales en la complejidad de ronda del muestreo de difusión con puntuaciones aproximadas. Se demuestra un límite inferior de ronda $\widetilde{\Omega}(d^{1/3})$ para mezclas gaussianas y un límite estricto de $\Omega(d)$ para el muestreo uniforme de cajas alineadas con ejes. Estos resultados aplican a algoritmos aleatorios con errores de puntuación de inversa polinomial.

Periodista: Yiwen Kou, Yimeng Wang

Personas mencionadas

Superresolución 4K en NPUs móviles: Informe del Desafío Mobile AI 2026

Se presenta un informe del desafío Mobile AI enfocado en el uso de superresolución de imagen en dispositivos móviles mediante unidades de procesamiento neuronal (NPU). Los participantes diseñaron soluciones para escalar imágenes de Full HD a resolución 4K en tiempo real utilizando NPUs de Qualcomm y MediaTek. Las soluciones destacadas lograron reconstruir imágenes 4K en menos de 5 milisegundos con una puntuación PSNR de 30 dB.

Periodista: Andrey Ignatov, Georgy Perevozchikov, Radu Timofte, Fubin Ren, Shihao Wang, Liwen Zhang, Zhe Xu, Zhipei Lei, Minjian Zhang, Kailing Tang, Dingyong Gou, Yanlin Wu, Cong Li, Xiaohui Cui, Kihwan Yoon, Ganzorig Gankhuyag, Heo MyeongCheol, Yonghyun Park, Juho Jung, Sungjei Kim, Phuong-Nam Nguyen-Pham, Nam-Tien Le, Tinh-Anh Nguyen-Nhu, Matin Fazel, Abdelhak Bentaleb, Xinrui Li, Xusheng He, Jianlong Wu, Mohsin Ikram, Dmitry Ignatov, Hao Chen, Long Sun, Jiangxin Dong, Jinshan Pan, Jinhui Tang, Siyue Teng, Yuxuan Jiang, Fan Zhang, David Bull, Zhe Xiao, Jun Xiao, Zhi-Song Liu, Jiayi Pei, Songtao Wu, Hong Shang, Kuanhong Xu

Conjunto de datos de colaboración humana de modelos mentales a nivel de acción para la colaboración de agentes

Se presenta ALMANAC, un conjunto de datos de anotaciones de modelos mentales a nivel de acción para la colaboración de agentes, diseñado para mejorar la comprensión de la colaboración entre humanos y agentes de LLM. Este conjunto de datos incluye 2,987 acciones de colaboración con anotaciones que registran el razonamiento, la intención y el objetivo de los participantes. Los resultados demuestran la utilidad de ALMANAC para evaluar la capacidad de los modelos de lenguaje grande para simular comportamientos colaborativos humanos.

Periodista: Jiaju Chen, Yuxuan Lu, Jiayi Su, Chaoran Chen, Songlin Xiao, Zheng Zhang, Yun Wang, Yunyao Li, Jian Zhao, Tongshuang Wu, Toby Jia-Jun Li, Dakuo Wang, Bingsheng Yao

Bridge Alliance API Exchange acelera la adopción de APIs de red regionales con clientes empresariales tempranos y expansión de mercado

Bridge Alliance anunció la materialización comercial de APIs de red regionales a través del Bridge Alliance API Exchange (BAEx), facilitando la adopción por parte de clientes empresariales en sectores como servicios en la nube, juegos móviles y fintech. Se han firmado alianzas estratégicas con nuevos socios para expandir la oferta de verificación de identidad y fraude, y BAEx está expandiendo su cobertura a nuevos mercados en Asia y Sudeste Asiático.

Periodista: Advertorial Desk