Buscar noticias

Buscá por texto y descubrí noticias relacionadas con tu consulta.

Noticias relevantes

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

Fireworks AI revela nueva brecha tras hackeo a proveedor de nube

Una startup de infraestructura de IA, Fireworks, reveló una nueva brecha de seguridad tras un hackeo a un proveedor de nube de terceros. Los atacantes accedieron a máquinas de desarrollo y obtuvieron metadatos y datos incompletos de clientes. La compañía está trabajando con Palo Alto Networks para asegurar los sistemas y ha investigado la posible venta de tokens de LLM.

Periodista: Sergiu Gatlan

Personas mencionadas

No se identificaron personas.

Fireworks AI confirma una brecha más amplia que afecta a los chats de Notion AI

Una brecha en Fireworks AI reveló que los atacantes obtuvieron acceso a información de cuentas de clientes, datos de facturación, pesos de modelo e información de conjuntos de datos. Notion también fue afectado, aunque solo un pequeño porcentaje de sus espacios de trabajo estuvieron involucrados. La brecha incluyó transcripciones de chats de Notion AI que no estaban etiquetadas.

Periodista: BeauHD

Personas mencionadas

Rival de Anthropic dice que las empresas pueden omitir los modelos caros

Empresas como Fireworks AI buscan ofrecer modelos de código abierto para evitar los altos costos de los modelos frontera de IA, permitiendo a las empresas personalizar los modelos con sus propios datos. Se discute la tendencia hacia modelos de código abierto frente a los modelos frontera, y se mencionan preocupaciones sobre la seguridad de Fireworks tras incidentes reportados.

Periodista: Connie Loizos

El director de estrategia de Meta deja la empresa para unirse a la startup de infraestructura de IA Fireworks como CFO

Dave Wehner, director de estrategia de Meta, deja la compañía para unirse a la startup de IA Fireworks como CFO. Esta startup se centra en plataformas de inferencia y entrenamiento de modelos abiertos. Wehner será responsable de escalar las finanzas y operaciones de la empresa.

Periodista: Megan Sauer

Adobe Firefly AI Assistant ahora puede realizar tareas recurrentes para usted

Adobe ha expandido las capacidades de su asistente de IA Firefly, permitiendo ahora tareas de varios pasos y agentes proactivos. Se ha introducido un nuevo agente en la aplicación móvil Premiere para ayudar a realizar ediciones con lenguaje natural. Además, se están probando agentes siempre activos que pueden organizar archivos y preparar campañas de marketing automáticamente.

Periodista: Igor Bonifacic

Personas mencionadas

Notion revela que una brecha en la infraestructura de IA de Fireworks expuso transcripciones de chat de Notion AI

Una brecha de seguridad en la infraestructura de IA de Fireworks AI expuso transcripciones de chat de Notion AI en algunos espacios de trabajo. La plataforma respondió cortando el tráfico, eliminando datos y deteniendo entrenamientos. Se confirmó que datos de clientes fueron accedidos, aunque se indicó que la mayoría de las transcripciones expuestas eran no atribuibles.

Periodista: Bill Toulas

Personas mencionadas

Nvidia está feliz de aceptar su dinero ya sea que use modelos abiertos o cerrados, dice Jensen Huang

Jensen Huang afirmó que Nvidia no se preocupa por si los modelos de IA son abiertos o cerrados, siempre que su hardware soporte la infraestructura. Argumentó que el valor reside en la inteligencia especializada, y que los modelos abiertos, al combinarse con conocimiento del dominio, pueden crear superinteligencia. También mencionó que el próximo gran avance industrial será el hardware en el bucle, relacionado con sistemas robóticos.

Periodista: Thomas Claburn

Personas mencionadas

Boletín de noticias de Seguridad, IA y Ciberseguridad Ronda 8

El boletín de noticias de Security Affairs cubre los últimos desarrollos en la intersección de la inteligencia artificial y la ciberseguridad. Se discuten cómo la IA está transformando tanto las técnicas de ataque como las herramientas de defensa, incluyendo la automatización de tareas y la detección de amenazas. Se presentan casos específicos de vulnerabilidades, exploits y el estado actual de las amenazas en el ámbito cibernético.

Periodista: Pierluigi Paganini

Datos de clientes de Notion comprometidos en un hackeo de Fireworks AI

La plataforma Notion notificó a sus clientes que sus datos fueron comprometidos debido a una brecha de seguridad en Fireworks AI. El hackeo ocurrió dos veces en octubre, una por credenciales internas y otra por un proveedor de nube de terceros, afectando transcripciones de chat de Notion AI. Se advierte a los usuarios que roten credenciales si se usaron en Notion AI durante el incidente.

Periodista: Ionut Arghire

Personas mencionadas

No se identificaron personas.

Ciberdelincuentes usan agentes de IA para automatizar el cibercrimen a escala industrial, advierten el FBI y AWS

Los atacantes están utilizando el framework ARTEX de IA para automatizar ataques cibernéticos a diversos sectores críticos como bancos y proveedores de salud. Las campañas detectadas incluyen el robo de credenciales de IA y la creación de videos deepfake para engañar verificaciones de identidad. El FBI y AWS advierten que esta herramienta reduce drásticamente el tiempo necesario para lograr acceso privilegiado, instando a implementar medidas de mitigación urgentes.

Periodista: Jessica Lyons

Personas mencionadas

Noticias encontradas

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

Resultados para «Fireworks AI»

Más recientes primero · Hasta 30 noticias por página

Evaluación robusta de LLM con jueces deficientes: Un enfoque de máxima verosimilitud restringida

El artículo propone la estimación de máxima verosimilitud restringida (CMLE) para evaluar modelos de lenguaje grandes (LLM), abordando el desafío de conciliar etiquetas confiables con etiquetas proxy ruidosas. Se demuestra que CMLE reduce significativamente el error cuadrático medio (MSE) en comparación con otras metodologías, especialmente en regímenes de bajo número de etiquetas.

Periodista: Minghe Shen, Ananth Balashankar, Adam Fisch, David Madras, Miguel Rodrigues

Personas mencionadas

STEPQuant: Cuándo y dónde importan los errores en la cuantización de estados recurrentes Delta-Rule

Se presenta STEPQuant, un marco de cuantización post-entrenamiento espacio-temporal para estados recurrentes de Delta-rule. Este método asigna precisión basada en la magnitud del error y la vida útil de la memoria. Los experimentos demuestran que STEPQuant logra una precisión similar a FP32 con un presupuesto de 6 bits y reduce la memoria de servicio hasta en 68.7%.

Periodista: Bingchen Yao, Haobo Xu, Haokun Lin, Yichen Wu, Ziyu Guo, Renrui Zhang, Zhichao Lu, Zhenan Sun, Ying Wei

Personas mencionadas

Ajustes en el ajuste fino de modelos de lenguaje visual agrícola

Se presenta AgroGround, un conjunto de datos para entrenar modelos de lenguaje visual agrícola, y se investigan los efectos del ajuste fino con anclaje en las capacidades de localización, reconocimiento y rechazo. Los resultados indican que el ajuste fino con anclaje altera el equilibrio entre estas tres capacidades en lugar de mejorar todas de manera uniforme. Se observa que la localización se transfiere más de forma fiable que el reconocimiento y el rechazo específico del objetivo.

Periodista: Abdulla Alshehhi, Zongyan Han, Rao Muhammad Anwer

Personas mencionadas

SPARK: Participación de Conocimiento Paramétrico Adaptativa para Recuperación Aumentada Fiel

Se presenta SPARK, un marco que regula adaptativamente la contribución del conocimiento paramétrico en los LLM mediante un problema de aprendizaje de política de participación. Este enfoque permite modular dinámicamente el conocimiento paramétrico mientras se mantiene el LLM base congelado. Los experimentos demuestran que SPARK logra una generación más fiel utilizando solo un 0.01% de parámetros entrenables adicionales.

Periodista: Ruochang Li, Pengcheng Huang, Zhenghao Liu, Yukun Yan, Huiyuan Xie, Yu Gu, Ge Yu, Maosong Sun

Personas mencionadas

¿Pueden las vistas controladas independientemente describir un mundo compartido?

Se presenta MultiWorldBench, un benchmark de Minecraft para evaluar modelos de mundo multijugador, midiendo capacidades como control independiente y sincronización de estado. Se comparan modelos como Gamma-World y Solaris (MP) contra Engine GT. Los resultados indican que los modelos actuales tienen una brecha significativa en mantener un mundo compartido coherente.

Periodista: Zhangbo Xu, Ruoxi Zhang, Rui Hu, Yisong Wang, Xitong Li, Jingdong Wang

Personas mencionadas

Estados cuánticos Hall no abelianos en niveles de Landau fuertes: hallazgo de anyones con inteligencia artificial de primeros principios

Se presenta la primera solución completa del problema de Hall cuántico no abeliano que incluye todos los electrones y niveles de Landau para electrones polarizados de espín en el factor de llenado $\nu = 3/2$. Se utiliza una función de onda variacional de red neuronal para descubrir un conjunto de estados fundamentales degenerados que revelan anyones con dimensión cuántica $\sqrt{2}$, característicos del orden no abeliano tipo Ising. Los resultados indican que la mezcla de niveles de Landau favorece el estado anti-Pfaffian.

Periodista: Pierre-Antoine Graham, Ahmed Abouelkomsan, Liang Fu

Personas mencionadas

No se identificaron personas.

Lo que muestra la traza y lo que dice la etiqueta: Auditoría de detectores de comportamiento en la evaluación de agentes

Se investiga la discrepancia entre las mediciones de evaluación de agentes de LLM y las trazas de ejecución. Se encontró que las etiquetas de verificación y propagación de fallos son poco fiables, especialmente cuando la salida de la herramienta es reemplazada sin una nueva verificación. Los hallazgos sugieren la necesidad de mayor transparencia en la medición de estos sistemas.

Periodista: Idunnuoluwa A. Adeniji, Shilpika, Michael E. Papka

Personas mencionadas

No se identificaron personas.

MINTEval: Evaluación de la memoria bajo interferencia de múltiples objetivos en sistemas de agente de horizonte largo

Se presenta MINTEval, un nuevo benchmark para evaluar el rendimiento de agentes con memoria aumentada en escenarios de horizonte largo con alta interferencia de información. El estudio evalúa sistemas como LLMs y RAG en tareas que requieren recuerdo de objetivos únicos y agregación de información, encontrando un rendimiento bajo, limitado por la recuperación y la construcción de la memoria.

Periodista: Hyunji Lee, Justin Chih-Yao Chen, Joykirat Singh, Zaid Khan, Elias Stengel-Eskin, Mohit Bansal

Personas mencionadas

AeroBelief: Verificación de primera acción presupuestada para detección aérea guiada por evidencia

El artículo presenta AeroBelief, un método que combina la detección aérea con la presupuestación de acciones para la verificación de evidencia. Este sistema utiliza un controlador para conectar la predicción selectiva con actualizaciones de creencias y verificaciones de aceptación. Los resultados muestran que AeroBelief logra un 75.42% de completitud de tareas, superando a otros métodos en eficiencia de procesamiento.

Periodista: Tianren Li, Dongbo Li, Hongkai Chen, Jie Liu, Guoliang Xing

Personas mencionadas

Repensando la atribución visual para el razonamiento en radiografías de tórax en modelos de lenguaje visuales grandes

Se aborda la falta de verificación de si los métodos de atribución visual reflejan la evidencia real detrás de las decisiones de los Modelos de Lenguaje Visuales (LVLM) en el razonamiento de radiografías de tórax. Se propone MedFocus, un método de atribución basado en conceptos que busca localizar regiones anatómicas clínicamente significativas y medir su efecto causal en las predicciones del modelo. El nuevo método supera a los métodos previos, buscando una atribución más confiable para los LVLM médicos.

Periodista: Guangzhi Xiong, Qiao Jin, Sanchit Sinha, Zhiyong Lu, Aidong Zhang

Personas mencionadas

Mezclando regularización para el aprendizaje $Q$ de recompensa promedio y planificación $Q$

Se investiga la regularización para el aprendizaje por refuerzo en el entorno de recompensa promedio, enfocándose en controlar las propiedades de mezcla de la política aprendida. El estudio cuantifica cómo las propiedades de mezcla de la política de referencia se transfieren a las políticas aprendidas mediante regularizadores dependientes. Se establecen garantías de tiempo finito para la iteración $Q$ regularizada y se analizan los intercambios entre la velocidad de convergencia y la precisión de la aproximación.

Periodista: Julien Roger, Sam Bodmer, Jian Qian, Benjamin Riviere

Personas mencionadas

Hacia una búsqueda cooperativa aire-tierra de objetos encarnados: Benchmark, conjunto de datos y método agente

Se presenta AGOS-Bench, un benchmark para evaluar la capacidad de los Modelos de Lenguaje-Visión (VLM) para integrar descubrimientos aéreos y verificación a nivel del suelo mediante la cooperación entre UAV y UGV. Se propone AGOS-Agent, un método agente que facilita la coordinación mediante un protocolo de búsqueda-traspaso-verificación, mejorando las tasas de éxito en evaluaciones experimentales.

Periodista: Boao Yu, Zimo Chen, Junreng Rao, Yue Hu, Zhengqiu Zhu, Yong Zhao, Rusheng Ju

Personas mencionadas

Modelos del mundo prefieren los prerrequisitos aprendidos sobre la evidencia visual

Se investiga el uso de modelos del mundo para simular interacciones físicas, abordando la limitación de escalabilidad al entrenar un modelo por entorno. Se introduce TailWorld para evaluar la transferencia de reglas demostradas y se propone RIFT para inferir reglas a partir de interacciones de calibración. Los experimentos demuestran que RIFT mejora la precisión y coherencia física al predecir dinámicas raras.

Periodista: Han Xiao, Zhiyong Bao, Xiaotong Liu, Yanhao Chen, Qingqiang Wu

Personas mencionadas

No se identificaron personas.

UpliftMem: Aprendizaje de mejora de nivel de conjunto para la recuperación de memoria del agente

Se presenta UpliftMem, un método que aprende la mejora de ejecución a nivel de conjunto para la recuperación de memoria de agentes de LLM. Este método utiliza un criterio EVSI para priorizar sondajes que maximizan el beneficio esperado en las decisiones de recuperación local. Los resultados demuestran mejoras significativas en la precisión de la decisión en evaluaciones de MemSyco-Bench.

Periodista: Mengkun Liang, Haoran Qiang, Guannan Liu, Junjie Wu

Personas mencionadas

Algoritmos de decodificación evolutivos para corrección de errores cuánticos

Se presentan decodificadores de propagación de creencias (BP) para códigos qLDPC en un Lenguaje de Dominio Específico (DSL) mediante evolución gramatical. Estos decodificadores mejoran la eficiencia al reducir errores lógicos y acelerar el tiempo de decodificación en comparación con métodos existentes. Se demuestra que la captura de conocimiento experto en un DSL permite optimizar la corrección de errores cuánticos de manera altamente eficiente.

Periodista: Edgar Duéñez-Guzmán

Personas mencionadas

¿Cuándo importa la profundidad en el aprendizaje en contexto? Inferencia adaptativa en transformadores profundos

El artículo examina si apilar cómputos sucesivos de atención y propagación hacia adelante en transformadores ofrece una ventaja computacional sobre un solo bloque. La investigación sugiere que la profundidad y los bloques de propagación hacia adelante permiten a los transformadores implementar una inferencia adaptativa, lo cual es beneficioso cuando la distribución de variables latentes tiene una estructura jerárquica.

Periodista: Ravin Raj, Gautam Reddy

Personas mencionadas

GroundAnything: Conciliando la decodificación paralela con localización visual precisa a velocidad flash

Se presenta GroundAnything, un modelo de base de *grounding* de 4B parámetros diseñado para reconciliar la decodificación paralela rápida con localización visual precisa mediante eliminación iterativa de ruido por bloques. El modelo establece un nuevo estado del arte en benchmarks de *grounding* y demuestra aceleraciones significativas en la inferencia, lo que sugiere mejoras prácticas para el *grounding* visual en sistemas sensibles a la latencia.

Periodista: Qize Yu, Lianrui Fan, Bowen Ping, Xini Ding, Zetian Song, Junbo Niu, Kaixuan Wang, Tianxing Chen, Yue Chen, Minghua He, Yuran Wang, Jie Huang, Haojun Zhang, Min Chen, Hao Li, Wenxuan Song, Ruihai Wu, Xianming Liu, Shilong Liu, Shuchang Zhou, Ping Luo, Shiyu Huang

GRODE-RTL: Vistas de dependencia mapeadas a la fuente para la reparación de RTL basada en LLM

Se propone GRODE-RTL, una representación centrada en anclas para la reparación de RTL basada en LLM, que resuelve el problema de fallos no locales al mapear nodos del netlist a líneas de código fuente editables. La metodología mejora significativamente el rendimiento de reparación en tres LLMs, mostrando ganancias de hasta el 26.7% en GLM-5.2. Se demuestra que la organización selectiva de la dependencia es clave para la reparación efectiva.

Periodista: Jingyi Zhou, Yi Liu, Bin Sun, Hongji Zhang, Dongsheng Zuo, Qiang Xu

Personas mencionadas

Respuesta de los autores a las revisiones basadas en IA: Un estudio piloto de métodos mixtos

Un estudio piloto evaluó la experiencia de los autores al recibir revisiones de IA junto con revisiones humanas en tres cohortes de ciencias de la computación. La mayoría de los autores consideraron la revisión de IA útil para la revisión, aunque mostraron menor confianza en ella que en la revisión humana. Se concluye que la IA puede tener un papel suplementario con supervisión humana y consentimiento explícito.

Periodista: César Leblanc

Personas mencionadas

FPGA-GEN: Generación de RTL consciente del objetivo a través de HLS

Se presenta FPGA-GEN, un flujo de trabajo de generación de código HLS-C agente diseñado para generar RTL consciente del objetivo. Este método utiliza contratos de tareas y bucles de retroalimentación para mejorar la calidad y eficiencia del hardware FPGA generado. Los resultados indican una alta tasa de éxito en pruebas y una mejora en métricas clave como ciclos de CSynth y uso de recursos.

Periodista: Luke Ztz Hu, Zhihan Xiao, Zhe Zhao, John Imoleayo Adebisi, Han Gao, Linxiao Yan, Songping Mai

Personas mencionadas

NL2AGBench: Evaluación de la auto-formalización de LLMs para AlphaGeometry

Se presenta el NL2AGBench, un benchmark diseñado para evaluar la capacidad de los Modelos de Lenguaje Grandes (LLM) para traducir problemas de geometría en inglés a representaciones formales compatibles con AlphaGeometry. El estudio compara modelos de código abierto y cerrado, encontrando que los modelos de código cerrado alcanzan tasas de traducción ejecutable superiores al 80%, mientras que los modelos de código abierto tienen dificultades para mantener las restricciones geométricas. Se proponen estrategias como *few-shot prompting* y *fine-tuning* para mejorar la precisión de la traducción.

Periodista: Samuel Xiao, Judy Song, Rory Hu, Ziliang Zong

Personas mencionadas

RoPE Periódico y Armónico para la Extrapolación de Longitud en LLMs

Se propone Periodic RoPE (P-RoPE) y Harmonic Periodic RoPE (HP-RoPE) para mejorar la capacidad de los LLMs para procesar contextos largos. Estos métodos buscan mitigar el error de agotamiento de posición inherente al RoPE estándar, manteniendo la perplexidad estable en longitudes de contexto extendidas. Los resultados demuestran que P-RoPE y HP-RoPE mantienen una alta precisión en pruebas de longitud de contexto.

Periodista: Simin Huo, Ning Li

Personas mencionadas

KernelOPT: Búsqueda Agentica con Conciencia de Despacho para Optimización de Kernels de GPU

Se presenta KernelOPT, un sistema multi-agente guiado por perfilado diseñado para optimizar kernels de GPU. El sistema inspecciona kernels Triton y llamadas a bibliotecas para refinar la síntesis y evaluación del modelo resultante. KernelOPT logró aumentos geométricos de velocidad de hasta 2.54$\times$ en problemas de nivel 1.

Periodista: Aheli Poddar, Sanskar Prasad, Arindam Samanta, Subha Chakraborty, Vishal Goyal, Rohit Singh Rathaur

Personas mencionadas

La endogeneidad de la mala calibración: imposibilidad y escape en la calificación

El artículo aborda el conflicto inherente en la teoría de la toma de decisiones, donde la regla de aprobación que maximiza el bienestar no es afín cuando se busca una selección perfecta. Se demuestra que la distorsión es predecible y se relaciona con el costo de fingir ser el tipo marginal, estableciendo restricciones sobre la suavidad de las reglas de puntuación. Los ejemplos aplicados incluyen la supervisión del agente de IA y la operación del mercado.

Periodista: Lauri Lovén

Personas mencionadas

Superación de la fidelidad visual: Evaluación de modelos de superresolución para imágenes de teledetección a gran escala mediante integración de tareas posteriores

Se presenta GeoSR-Bench, un conjunto de datos de referencia para evaluar modelos de superresolución (SR) integrando tareas posteriores como clasificación de cobertura terrestre y estimación de biomasa. El estudio demuestra que las mejoras en métricas de fidelidad tradicionales no siempre se traducen en mejores resultados en las tareas posteriores, sugiriendo la necesidad de integrar las tareas posteriores en el desarrollo y evaluación de modelos de SR.

Periodista: Zhili Li, Kangyang Chai, Zhihao Wang, Xiaowei Jia, Yanhua Li, Gengchen Mai, Sergii Skakun, Zhe Zhu, Dinesh Manocha, Yiqun Xie

Personas mencionadas

Autoencoders Omni-modales aprenden representaciones desentrañadas para dispositivos portátiles

Se presenta el marco OmniDecVAEs, un Autoencoder Variacional que aprende representaciones multi-propósito a partir de múltiples modalidades con un solo codificador-decodificador compartido. Este modelo mejora el reconocimiento de actividad humana y el reconocimiento de identidad en conjuntos de datos de dispositivos portátiles, superando a modelos supervisados en reconocimiento de sujetos no vistos. Además, su capacidad generativa mejora la reconstrucción y el reconocimiento de afecto en datos sintéticos.

Periodista: Ioannis Ziogas, Ensieh Khazaei, Bilal Taha, Aamna Al Shehhi, Ahsan H. Khandoker, Leontios J. Hadjileontiadis, Dimitrios Hatzinakos

Personas mencionadas

PGX: Ejecución Físicamente Fundamentada para Manipulación Loco-Humanoide a Largo Plazo

Se presenta PGX, un marco diseñado para mejorar la ejecución de tareas de manipulación loco a largo plazo en modelos VLA. Este marco delega el control temporal y de precisión a componentes sin entrenamiento, permitiendo al VLA enfocarse en la dinámica de habilidades específicas de la etapa. Se realizaron experimentos con un robot humanoide Unitree G1, mostrando mejoras en la progresión de la tarea y en las tasas de éxito.

Periodista: Kai Lu, Chenyang Ma, Ioannis Havoutis

Personas mencionadas

No pierdas el futuro: Cuantización con conciencia latente de 4 bits de modelos de acción mundial

Se propone LAQ, un marco de cuantización consciente de la latencia que busca preservar el futuro predicho en los modelos de acción mundial. Este método utiliza métricas de lectura y recuento de lectura para asignar precisión a activaciones y cachés, logrando una compresión del modelo de 3.8x y una ejecución 1.66x más rápida. Los resultados en el benchmark LIBERO-Plus muestran un rendimiento competitivo con modelos de 16 bits.

Periodista: Yichen Guo, Yanlong Chen, Xinyue Zhang, Mohan Liu, Song Zhang, Yawei Li

Personas mencionadas

EMA Policy Gradient: Domando el Aprendizaje por Refuerzo para LLMs con Ancla EMA y KL Top-k

Se proponen dos técnicas para mejorar los algoritmos de gradiente de política en LLMs mediante el Aprendizaje por Refuerzo (RL). Estas técnicas incluyen reemplazar la política ancla fija por un Promedio Móvil Exponencial (EMA) y la introducción de un estimador de KL Top-k. La combinación de estas técnicas (EMA-PG) resulta en un aumento significativo del rendimiento en tareas de razonamiento matemático y en dominios de RL de agentes.

Periodista: Lunjun Zhang, Jimmy Ba

Personas mencionadas

AudioTurbo: Generación de texto a audio rápido con Difusión Rectificada

Se presenta AudioTurbo, un método que integra difusión rectificada en modelos TTA preentrenados para mejorar la eficiencia de generación de texto a audio. Este enfoque busca acelerar la generación al aprender caminos ODE aproximados a partir de pares de ruido. Los experimentos demuestran que este método supera a modelos basados en emparejamiento de flujo tanto en calidad como en velocidad de inferencia.

Periodista: Junqi Zhao, Jinheng Zhao, Haohe Liu, Yun Chen, Lu Han, Haoyang Zhang, Xubo Liu, Mark Plumbley, Wenwu Wang

Personas mencionadas