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.
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.
Sarvam AI lanza el modelo de decisión Prism con tiempo de respuesta de 44 milisegundos
Sarvam AI ha lanzado Prism, un modelo de toma de decisiones diseñado para ofrecer respuestas en 44 milisegundos, permitiendo a las empresas personalizarlo y desplegarlo en su propia infraestructura. El modelo se basa en el modelo base Sarvam 105B y está optimizado para decisiones estructuradas como el enrutamiento de soporte y el análisis de documentos. Se destaca su capacidad para proporcionar estimaciones de confianza confiables y su bajo índice de error en comparación con las predicciones.
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
Control de activación basado en el tiempo: De la puerta de token por token a la dirección de activación consciente de la trayectoria
Se presenta un método para controlar el comportamiento de modelos de lenguaje grandes mediante el direccionamiento de activación, enfocándose en el momento preciso de la intervención. Se introducen dos métodos: Proyección de Características Contrastivas (CFP) y Direccionamiento Bernoulli Adaptativo de Bucle Cerrado (CLABS). CLABS es especialmente efectivo bajo presupuestos ajustados, buscando mantener la fluidez mientras se corrige la desviación de la trayectoria.
CarryOn: Aprendiendo qué guardar en contexto para agentes LLM a largo plazo
Se presenta CarryOn, un gestor de contexto ligero diseñado para agentes LLM de horizonte largo, que gestiona la evidencia de manera eficiente. El sistema utiliza un selector aprendido y una política de retención adaptativa para mantener la evidencia relevante sin requerir llamadas adicionales al LLM. CarryOn demostró un éxito de tarea del 75.7% en pruebas comparado con la mejor línea base.
Descubrimiento causal de series temporales con desfases variables
Se presenta un método para el descubrimiento causal de series temporales que aprende conjuntamente el orden temporal y el desfase dominante para pares de variables. El método utiliza una puntuación de objetivo BIC-style descomponible que penaliza los desfases más recientes. Las simulaciones demuestran que este método supera a otros aprendices en la recuperación de estructuras causales, incluso cuando se consideran desfases mayores.
Suites de evaluación generadas como búsqueda impulsada por la diversidad para regresiones de agentes reales
El texto describe la generación de suites de evaluación a partir de la especificación de un agente mediante una búsqueda impulsada por la diversidad. Se inyectan defectos controlados en un agente para medir la cobertura y el rendimiento de la suite generada. Se analizan dos regímenes de defectos, incluyendo defectos alineados con el rastro y ortogonales al rastro, para evaluar la capacidad de detección de la suite.
ARCHER: De la imitación de la racionalización al razonamiento ejecutable en modelos de lenguaje pequeños
Se presenta ARCHER, un marco de dos etapas para entrenar modelos de lenguaje pequeños (SLMs) a generar trayectorias de razonamiento ejecutables y auditables. El método transforma la supervisión de imitar texto a aprender una política de razonamiento fundamentada en herramientas. Los resultados muestran mejoras significativas en benchmarks matemáticos como MATH-500, AIME-2024 y AIME-2025.
Detectores de noticias falsas están sesgados contra textos generados por modelos de lenguaje grandes
Un estudio evalúa detectores de noticias falsas y descubre un sesgo significativo: estos detectores tienden a marcar el contenido generado por Modelos de Lenguaje Grandes (LLM) como falso, pero clasifican erróneamente la desinformación escrita por humanos como genuina. Se propone una estrategia de mitigación mediante entrenamiento adversarial para mejorar la precisión de detección en ambos tipos de contenido. Se liberan dos conjuntos de datos para fomentar la investigación futura en el campo.
Hallucination-Free GUI Grounding mediante Correspondencia Consciente del Diseño sin Regresión
Se propone un marco sin regresión para el anclaje de GUI que desacopla la comprensión de instrucciones de la localización consciente del diseño. Este método utiliza un MLLM congelado para el análisis de instrucciones y un modelo dedicado para la localización precisa mediante coincidencia con candidatos basados en el diseño. Los resultados muestran mejoras significativas en la precisión del anclaje, superando al 20% en ScreenSpot-Pro y mejorando la tasa de éxito en más del 15% en Mind2Web.
IA agentiva para descubrir circuitos cuánticos tolerantes a fallos
Se propone un método basado en programación evolutiva agentiva utilizando un modelo de lenguaje grande y un verificador de circuitos para evolucionar programas que definan circuitos Clifford tolerantes a fallos. Este enfoque busca resolver limitaciones en la eficiencia de los circuitos cuánticos para tareas como la preparación de estados lógicos y el diseño de puertas lógicas. El método garantiza que los circuitos generados son verificados exhaustivamente para asegurar su tolerancia a fallos.
Planificación anticipatoria cortés para mejorar la planificación de tareas de larga duración en entornos compartidos persistentes
Se presenta una planificación anticipatoria cortés para robots que comparten un entorno persistente, buscando minimizar el costo total a largo plazo. Este enfoque propone que los robots consideren el impacto de sus acciones en las tareas futuras de otros robots para reducir el costo agregado. La planificación propuesta reduce el costo total en comparación con métodos anteriores en entornos simulados.
De bytes a comportamiento: Atribución a nivel de solicitud de estados ocultos de GPU en vivo
Se presenta un método para adquirir activaciones residuales por capa de un proceso de GPU en vivo utilizando un depurador no modificador. Este método permite analizar el comportamiento operativo de modelos de lenguaje grande (LLM) desplegados en tiempo real. La validación demuestra que los bytes recuperados son exactos y útiles para distinguir el rechazo del cumplimiento en pruebas.
Evaluación de cambios de estado inducidos por el movimiento en Go condicionado por instrucción
Se presenta la métrica TReC para comparar cómo dos movimientos diferentes de un modelo de Go cambian el embedding del estado del tablero. Los resultados experimentales indican que TReC muestra una correlación de rango débil con la distancia de coordenadas, con valores medianos de 0.88 a 1.33 para TReC.
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.
Ley de condensación de información de seguridad
Se presenta la ley de condensación de información de seguridad, que establece que la información de seguridad utilizable es unimodal en el tamaño del modelo. Esto implica que el error de generalización de seguridad es en forma de U y se minimiza en un tamaño de modelo óptimo finito. Los experimentos en LLMs validan esta ley, sugiriendo que existe un tamaño de modelo óptimo para resolver problemas de seguridad.
¿Pueden los LLMs mejorar su propio sistema de control? Estudio controlado sobre ARC-AGI-3
Un estudio controlado evaluó si los modelos de lenguaje frontera pueden construir y mejorar su propio sistema de control (harness) para tareas complejas. Se midió el rendimiento mediante la Eficiencia de Acción Humana Relativa (RHAE) y el costo de inferencia. Los resultados sugieren una brecha entre la construcción autónoma de sistemas de control y la adaptación fiable bajo el protocolo de dos revisiones.
Hay que reconsiderar: Aprender verificación de autoverificación multi-perspectiva para modelos de visión-lenguaje
Un artículo propone el marco MOTIVE para mejorar la fiabilidad del razonamiento multimodal en modelos visión-lenguaje mediante la autoverificación multi-perspectiva. El marco evalúa respuestas desde diferentes perspectivas de verificación y aprende una puntuación de fiabilidad para decidir si aceptar o reconsiderar una respuesta. Los experimentos demuestran que MOTIVE supera a métodos existentes y permite una autoverificación más fiable y eficiente sin depender de jueces externos.
CoPre-MoE: Consolidando y Preservando MoE para Instrucción Continua Multimodal
Se propone el MoE Consolidando y Preservando (CoPre-MoE) para mitigar la redundancia y el crecimiento de parámetros en modelos de lenguaje grandes multimodales durante el ajuste de instrucción continua. La propuesta incluye una arquitectura de experto compartido y privado y un mecanismo de enrutamiento con claves de recuperación para preservar el conocimiento histórico. Los experimentos demuestran que CoPre-MoE logra un rendimiento superior mientras reduce significativamente la sobrecarga de parámetros.
BigCodeArena: Revelando preferencias humanas más fiables en la generación de código mediante la ejecución
Se presenta BigCodeArena, una plataforma de evaluación humana para la generación de código que permite la ejecución de código generado por LLM. La plataforma utiliza datos de más de 14,000 sesiones de conversación para evaluar las preferencias humanas en la codificación. Se identifican diferencias en el rendimiento de los LLM al juzgar preferencias de codificación cuando se dispone de resultados de ejecución.
- Terry Yue Zhuo
- Xiaolong Jin
- Hange Liu
- Juyong Jiang
- Tianyang Liu
- Chen Gong
- Bhupesh Bishnoi
- Vaisakhi Mishra
- Marek Suppa
- Noah Ziems
- Saiteja Utpala
- Ming Xu
- Guangyu Song
- Kaixin Li
- Yuhan Cao
- Bo Liu
- Zheng Liu
- Sabina Abdurakhmanova
- Wenhao Yu
- Mengzhao Jia
- Jihan Yao
- Kenneth Hamilton
- Kumar Shridhar
- Minh Chien Vu
- Dingmin Wang
- Jiawei Liu
- Zijian Wang
- Qian Liu
- Binyuan Hui
- Meg Risdal
- Ahsen Khaliq
- Atin Sood
- Zhenchang Xing
- Wasi Uddin Ahmad
- John Grundy
- David Lo
- Banghua Zhu
- Xiaoning Du
- Torsten Scholak
- Leandro von Werra
ViroGym: Benchmarks realistas a gran escala para evaluar proteínas virales
Se presenta ViroGym, un conjunto de pruebas exhaustivo para evaluar modelos de lenguaje de proteínas (pLMs) en la predicción de variantes virales. El benchmark evalúa pLMs en tareas como escaneo mutacional profundo, neutralización de influenza y predicción de pandemias del SARS-CoV-2. Se encontró que la familia ProGen2 muestra el mejor rendimiento en todas las tareas.
Evaluación del Razonamiento de Cadena de Pensamiento a través de la Reutilización y Verificabilidad
Se investiga la transferencia de razonamiento entre modelos de IA, evaluando tres factores: fiabilidad, utilidad y seguridad. Se analiza cómo la naturaleza de la tarea, el modelo remitente y el modelo receptor afectan la transferencia de razonamiento. Se encuentran tendencias, como la fiabilidad siendo mayor en tareas aritméticas y la utilidad dependiendo de la naturaleza del receptor.
La precisión equilibrada no puede identificar en la decodificación de señales neuronales bajo adaptación en tiempo de prueba
El estudio evalúa la adaptación completa en tiempo de prueba para la clasificación de señales neuronales. Se encontró que la precisión equilibrada no puede distinguir una clase que deja de ser reportada, ya que el cambio agregado puede ocultar el daño individual. Se sugiere reportar el cambio a nivel de clase y a nivel de sujeto junto con el resultado agregado.
De los chats a los mercados: AgenticPay para negociación en comercio multiagente impulsado por LLM
Se presenta AgenticPay, un punto de referencia unificado para evaluar la capacidad de agentes multimodales para negociar y transaccionar en mercados comerciales realistas. El sistema evalúa la capacidad de los agentes para alcanzar acuerdos complejos mediante diálogos de lenguaje natural, analizando escenarios como comercio electrónico y alquiler. Los experimentos con modelos de lenguaje grandes mostraron limitaciones en la creación de valor y el razonamiento de mercado.
UltraBERT-JEV: Modelos codificadores para aplicaciones del Sistema Uno
Se presenta un informe técnico sobre modelos codificadores que seleccionan una opción de varias posibilidades en una sola pasada sin generar texto. El estudio compara recetas para ajustar UltraBERT-380M, mostrando mejoras en la precisión al utilizar diferentes métodos de puntuación y normalización. Se detallan los tiempos de ejecución y el uso de memoria en hardware específico.
Evaluación crítica de la aplicación de LLM para el cumplimiento normativo asistido por IA en la industria
La UE establece regulaciones como el ESPR y el GDPR que exigen artefactos de cumplimiento como Pasaportes de Productos Digitales y Evaluaciones de Impacto en la Protección de Datos. Se investiga el uso de Modelos de Lenguaje Grande (LLM) para generar estos artefactos, analizando cómo la vaguedad regulatoria y la extracción de datos afectan la calidad y consistencia de los resultados. Los hallazgos indican que las directrices más estrictas producen resultados consistentes, aunque pueden generar más alucinaciones.
Modelos híbridos cuántico-clásicos para regresión de energía eficiente en muestras en duchas de calorímetro simuladas
Se comparan modelos clásicos y cuánticos mejorados para la reconstrucción de energía de positrones incidentes en datos de calorímetro simulados. Se encontró que los modelos que siguen el desarrollo longitudinal de la ducha alcanzan la mayor precisión, y el QLSTM híbrido mostró la menor tasa de error de reconstrucción. Esto sugiere que los modelos de secuencia cuántico-clásicos híbridos pueden ser más eficientes en muestras para la regresión en física de alta energía.
Alineando equipos de IA
Se investigan los mecanismos de fallo en la transferencia de alineación de agentes de LLM individuales a entornos de equipos multi-agente. Se identifican que la difusión de la responsabilidad contribuye a la brecha de seguridad, y se proponen soluciones como designar un agente líder de seguridad y un coordinador para restaurar la alineación. Se presenta un marco de experimentación para la orquestación de LLM multi-agente.
Prueba de sistemas de respuesta a preguntas constitucionales para hablantes de urdu con una referencia paralela inglés-urdu
Se presenta LEGAL-UQA, una referencia paralela inglés-urdu de 619 pares de preguntas y respuestas basados en la Constitución de Pakistán. El estudio evalúa la capacidad de sistemas de respuesta a preguntas para hablantes de urdu y compara métodos de recuperación y jueces automatizados con calificaciones humanas. Los resultados sugieren que la medición de la similitud de la respuesta afecta el rendimiento del modelo y se recomienda validar los sistemas con revisión humana.
Entre obligaciones y evidencia: Un estudio participativo de la traducción del Reglamento de IA de la UE a requisitos técnicos
Un estudio participativo examinó los desafíos de traducir los requisitos técnicos y organizativos del Reglamento de IA de la UE en sistemas de IA de alto riesgo. Se identificaron tensiones entre la traducción de obligaciones regulatorias en propiedades medibles, la aplicación de la supervisión humana y la validez de la evidencia de cumplimiento bajo diferentes condiciones operativas. Los resultados indican que el cumplimiento requiere atención a las evaluaciones técnicas, la gobernanza y la supervisión continua de los sistemas de IA.
Operacionalización de la Profundidad Serial Opaca
Se operacionaliza una medida llamada profundidad NLS como un proxy para la cognición serial no verbalizada en modelos de IA. Esta medida mide la longitud del camino más largo en el cómputo que no atraviesa un cuello de botella interpretable. Se argumenta que los desarrolladores de IA deben reportar esta profundidad como complemento a las mediciones directas de la supervisión de CoT.
TelePhysica: Reconstrucción Agéntica de Escenas Interactivas Físicamente
Se presenta TelePhysica, un marco de bucle cerrado diseñado para reconstruir un mundo físico ejecutable y multi-régimen a partir de una sola fotografía para guiar la interacción 3D y la síntesis de video. El sistema utiliza un agente de codificación visión-lenguaje para verificar modelos físicos y compilar un solucionador que acopla cuerpos rígidos y elementos de tela. Los resultados demuestran que la ejecución de bucle cerrado mejora la recuperación del mundo verificado de equilibrio en un 81% en comparación con la síntesis de pasada única.
EcoVGGT: Inferencia Clave Fijada para Reconstrucción 3D Eficiente y Transmisible a partir de Videos Largos
Se presenta EcoVGGT, un marco de inferencia sin entrenamiento que utiliza un Conjunto de Claves Fijadas de 31 fotogramas para reconstruir geometría y cámaras de videos largos de manera eficiente. Este método reduce el costo cuadrático de la atención entre fotogramas, logrando una reconstrucción de 4,000 fotogramas en una GPU y una transmisión de 1,000 fotogramas a 18.6 fps.