Buscar noticias

Buscá por texto y descubrí noticias relacionadas con tu consulta.

Noticias relevantes

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

[기고] 인공지능이 바꾸는 신입의 일…기업은 숙련자를 어떻게 키울 것인가

La inteligencia artificial está transformando el rol de los nuevos empleados, planteando el desafío a las empresas sobre cómo formar expertos. Investigaciones sugieren que la exposición a la IA afecta la contratación de jóvenes en ciertas profesiones, indicando que la dependencia de la IA puede limitar la práctica de juicio y toma de decisiones. Para mitigar esto, se recomienda diseñar la formación de nuevos empleados integrando la verificación de resultados y la validación de fuentes, asegurando que el aprendizaje se centre en la comprensión profunda y la responsabilidad, no solo en la ejecución de tareas por IA.

Periodista: Firma no identificada

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

Elon Musk quiere una OpenAI con fines de lucro

OpenAI necesita aumentar drásticamente su capacidad de cómputo, buscando pasar de 600 a 5000 GPUs, y aumentar su plantilla de investigadores. También es crucial asegurar una ventaja de hardware, como el diseño Cerebras, para lograr avances significativos en la construcción de la Inteligencia Artificial General (AGI).

Periodista: Firma no identificada

Personas mencionadas

Startup de datos para entrenamiento de robots GenRobot AI levanta $100 millones en financiación Serie A+

GenRobot AI, una empresa con sede en Beijing, ha cerrado una ronda de financiación Serie A+ de $100 millones para impulsar su desarrollo de infraestructura de datos para robots. La compañía proporciona equipos y software que recopilan demostraciones humanas (visuales, movimientos de manos y cuerpo) en tareas como domésticas, fabricación y logística. Su plataforma Matrix sincroniza, limpia y etiqueta estas grabaciones, ofreciendo datos de entrenamiento y evaluación para desarrolladores de robots.

Periodista: TechNode Feed

Herramientas profesionales: Heidi AI

Heidi AI es una herramienta de IA que utiliza entrada de voz para tomar notas y transcripciones de consultas veterinarias, buscando reducir la carga administrativa de los veterinarios. La herramienta permite a los profesionales centrarse más en la comunicación y el examen clínico durante las consultas. Se destaca por su facilidad de uso y su capacidad para mejorar la eficiencia del flujo de trabajo, aunque requiere supervisión clínica para asegurar la precisión de la transcripción.

Periodista: Dr Eugene Ong

Personas mencionadas

Caitlin Johnstone: Re-centralizando el control de la información

La noticia aborda la preocupación de que la inteligencia artificial pueda ser utilizada para re-centralizar el control de la información, afectando la percepción humana a través de algoritmos sofisticados. Se menciona que la IA podría manipular la información para servir a intereses de élites, como la propagación de narrativas pro-Israel. Se citan advertencias previas sobre cómo la IA puede superar la capacidad humana de detectar la manipulación algorítmica en la información.

Periodista: Michele Steinberg

La IA y las matemáticas se encuentran, ¿hacia dónde nos llevarán mutuamente?

La inteligencia artificial está acelerando el avance de las matemáticas, pasando de la ayuda al cálculo a la resolución de problemas de investigación complejos. Agentes de IA como los de DeepMind y OpenAI han resuelto teoremas y conjeturas matemáticas abiertas, generando un debate sobre el impacto de la IA en la investigación. Expertos matemáticos advierten sobre esta transformación, señalando un cambio significativo en el campo.

Periodista: Firma no identificada

Personas mencionadas

OpenAI amplía su trabajo con la industria periodística mediante una alianza con Axios

OpenAI anunció una nueva alianza de contenido con Axios y financiará la expansión de su cobertura local en cuatro ciudades de Estados Unidos: Pittsburgh, Kansas City, Boulder y Huntsville. La empresa suma casi 20 socios editoriales, entre ellos News Corp, The Atlantic, Vox Media, Prisa Media, Condé Nast, Hearst y Dotdash Meredith, que permiten a ChatGPT mostrar resúmenes y extractos citados de medios confiables. Además, OpenAI detalló programas de subvenciones con American Journalism Project, Lenfest Institute y WAN-IFRA para impulsar la adopción de IA en salas de redacción locales y globales.

Periodista: OpenAI

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

Noticias encontradas

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

Resultados para «AI»

Más recientes primero · Hasta 30 noticias por página

Conociendo lo que falta: Memoria conversacional eficiente mediante seguimiento explícito de brechas de evidencia

Se propone MemR$^3$, un controlador de bucle cerrado que reformula la recuperación de memoria conversacional como toma de decisiones con estado explícito, manteniendo un estado de brecha de evidencia. Este método busca mejorar la eficiencia de la memoria conversacional al condicionar al modelo con un resumen compacto del progreso en lugar de la historia completa. Los experimentos demuestran que MemR$^3$ supera a los métodos de recuperación de múltiples pasos implícitos y es eficiente en el uso de tokens.

Periodista: Xingbo Du, Loka Li, Duzhen Zhang, Leonard Song, Le Song

Personas mencionadas

Optimización de política guiada por el profesor para la destilación del razonamiento en el razonamiento on-policy bajo gran divergencia de política

Se propone la Optimización de Política Guiada por el Profesor (TGPO) como un método de destilación on-policy para LLMs, diseñado para ser efectivo incluso con gran divergencia de política profesor-estudiante. TGPO guía la generación de tokens mediante el profesor y recompensas a nivel de trayectoria, buscando mejorar la exploración y el razonamiento. Los experimentos demuestran que TGPO supera a los métodos existentes basados en RKL.

Periodista: Xinyu Liu, Kechen Jiao, Chunyang Xiao, Runsong Zhao, Junhao Ruan, Bei Li, Jiahao Liu, Qifan Wang, Xin Chen, Jingang Wang, Chenglong Wang, Tong Xiao, JingBo Zhu

¿Importa la codificación de poses? Analizando representaciones geométricas para el aprendizaje de vocabulario de movimiento discreto

El estudio analiza cuatro codificaciones de movimiento esquelético en diferentes espacios geométricos para la tokenización discreta. Se evalúan codificaciones como mapas de calor gaussianos, posiciones euclidianas y rotaciones en espacio SO. Se mide la utilización del vocabulario efectivo y se concluye que la geometría de la entrada es una decisión clave en la tokenización de movimiento.

Periodista: Amir Kimiyaie, Nahal Mafi, Hamed Tabkhi

Personas mencionadas

AssemState: Razonamiento guiado por manual y estado físico para el ensamblaje de muebles sin entrenamiento

Se presenta AssemState, un marco sin entrenamiento diseñado para el ensamblaje de muebles guiado por manual y estado físico. Este sistema utiliza descomposición de páginas manuales y refinamiento iterativo para mejorar la recuperación del árbol de ensamblaje. Los experimentos demuestran mejoras significativas en métricas clave, como el F1 y la coincidencia exacta del árbol, aunque se identifican errores residuales en las poses candidatas.

Periodista: Zhiyuan Qi, Jierui Li, Yifan Shen, Cheng Qian, Jiateng Liu

Personas mencionadas

De estados ocultos a confesiones: Auditoría de engaño en modelos de razonamiento

Se presenta StateWitness, un decodificador de auditoría diseñado para monitorear el comportamiento engañoso en modelos de lenguaje grande (LLM). Este sistema lee los estados ocultos del modelo objetivo para generar informes detallados de posibles fallos o violaciones. El sistema demuestra un rendimiento superior en la detección de engaño, ofreciendo evidencia a nivel de token o oración para la inspección humana.

Periodista: Kexin Chen, Dongxia Wang, Haonan Zhang, Yanhui Li, Xinyu Deng, Yi Liu

Personas mencionadas

AutoEMatic: Inferencia de LLM con precisión mixta adaptativa en tiempo de ejecución

Se presenta AutoEMatic, un co-diseño que adapta la precisión de los pesos, activaciones y caché KV de un LLM en tiempo de ejecución. Utiliza señales de entropía y magnitud de actualización para seleccionar la precisión de cada capa dinámicamente. Esto mejora la precisión en hasta un 21.7% sobre NVFP4 y reduce la latencia y el consumo de energía en el acelerador.

Periodista: Akshat Ramachandran, Reena Elangovan, Rangharajan Venkatesan, Charbel Sakr, Tijmen Blankevoort, Brucek Khailany, Tushar Krishna

Personas mencionadas

SparseCraft: Co-optimización de Hardware-Software Agéntico para Computación Dispersa

Se presenta SparseCraft, un enfoque que utiliza un agente de LLM para co-diseñar la configuración de aceleradores dispersos, optimizando hardware y software. El sistema valida los diseños mediante simulaciones rigurosas y un mecanismo de reparación automática para asegurar la fiabilidad del diseño. Los resultados muestran mejoras significativas en el rendimiento por vatio en diferentes cargas de trabajo.

Periodista: M P Samartha, Rajatabha Chakraborty, Vedant Pahariya, Priyesh Shukla

Personas mencionadas

Ghosted Layers: Activación de Alineación sin Restricciones para Recuperar LLMs con Capas Poda

Se presenta Ghosted Layers, un módulo de recuperación sin entrenamiento diseñado para solucionar el problema de alineación de activación introducido por la poda de capas en modelos de lenguaje grandes. El método deriva un operador lineal óptimo para reconstruir la discrepancia de activación, superando a métodos previos en precisión y perplexidad. Esto permite recuperar la eficiencia de la poda de capas manteniendo el rendimiento.

Periodista: Vincent-Daniel Yun, Junhyuk Jo, Sai Praneeth Karimireddy, Sunwoo Lee

Personas mencionadas

Benchmarking de Modelos de Lenguaje para el Diseño de Ensayos Clínicos de Fase I contra el Conocimiento Clínico

Se presenta TrialDesignBench, un benchmark para evaluar modelos de lenguaje (LLMs) en el diseño de ensayos clínicos de Fase I/II de oncología, contrastando su rendimiento con diseños de referencia validados por expertos y regulaciones recientes de la FDA. El estudio evalúa cinco LLMs y atribuye la brecha de rendimiento a la inferencia de determinantes de diseño latentes y al razonamiento estructurado. El objetivo es proporcionar un método objetivo para evaluar y mejorar el diseño de ensayos asistido por IA.

Periodista: Yihan Tang

Personas mencionadas

dNaViT: Representaciones visuales de propósito general con códigos discretos

Se presenta dNaViT, un Vision Transformer de resolución nativa discreta que genera primitivas visuales discretas similares a los tokens del lenguaje. Este modelo unifica la metodología visual y del lenguaje mediante un marco común. Las evaluaciones demuestran que dNaViT iguala o supera las líneas base en diversos benchmarks de comprensión visual y generación de imágenes.

Periodista: Xiaotong Li, Zhengrong Yue, Xu Huang, Jialv Zou, Minhao Jing, Wenhao Yan, Haodong Li, Hai Huang, Bo Zhao, Yan Feng, Peng Pei, Xunliang Cai

Avances en sistemas Cloud-Native: Un estudio sistemático de fiabilidad y escalabilidad en sistemas Cloud-Native, Edge-Native y habilitados por IA

Se realizó un estudio sistemático para mapear la fiabilidad y escalabilidad de los sistemas nativos de la nube, Edge-Native y habilitados por IA. El estudio analizó estudios primarios y secundarios para evaluar la evidencia existente en estos sistemas. Se encontraron que la fiabilidad de los agentes de IA es frágil y existen lagunas en la evidencia de producción para sistemas Edge-Native.

Periodista: Shrinivass Arunachalam Balasubramanian

Personas mencionadas

No se identificaron personas.

Seguridad de agentes LLM: Restringiendo riesgos extremos a través de flujos de trabajo de agentes de múltiples pasos

Se propone un marco de seguridad llamado TAS para agentes LLM que modela la seguridad del flujo de trabajo como una secuencia de estados dependientes para controlar los riesgos extremos. Este marco modela las transiciones de estado de seguridad secuencialmente para rastrear la propagación del riesgo y restringe estos riesgos con un presupuesto compartido. Los experimentos demuestran que TAS ofrece un mejor rendimiento que otros métodos al suprimir fallos de alto costo raros.

Periodista: Shilong Pan, Zhiliang Tian, Zihan Chen, Wentao Zou, Weiguo Chen, DongSheng Li

Personas mencionadas

MedToolFault y MedGuard: evaluando y mejorando la fiabilidad de agentes clínicos

Se presentan MedToolFault y MedGuard, métodos para evaluar y mejorar la fiabilidad de agentes clínicos. MedToolFault es una referencia de inyección de fallos que mide la corrección de respuestas y cambios de estado en tareas clínicas. MedGuard verifica la evidencia leída y atribuye escrituras ambiguas en interfaces públicas, mejorando el éxito seguro emparejado.

Periodista: Zaifu Zhan, Min Zeng, Sicheng Zhou, Xiaoyi Chen, Kai Yu, Meijia Song, Yifan Wu, Yang Ruan, Saeid Cheshmi, Mengyuan Cui, Rui Zhang

STABLE: Un optimizador de aprendizaje continuo con control de deriva adaptativa

Se presenta STABLE, un optimizador primal-dual con control de deriva adaptativa para mitigar el olvido catastrófico en el aprendizaje continuo. Este método gestiona un presupuesto de deriva para mantener la estabilidad sin sacrificar la plasticidad del modelo. Los experimentos demuestran que STABLE iguala o supera a métodos especializados en tareas unimodales y multimodales.

Periodista: Xiaoyan Li, Lanpei Li, Massimo Coppola, Vincenzo Lomonaco, Antonio Carta

Personas mencionadas

Estudio empírico sobre el servicio eficiente de LLMs: Marcos, optimizaciones y adopción en el mundo real

Se investiga la adopción práctica de marcos y métodos de servicio para Modelos de Lenguaje Grande (LLM) en sistemas de software de código abierto. El estudio analiza cinco marcos específicos (vLLM, SGLang, TensorRT-LLM, LMDeploy, FlashInfer) y determina que vLLM es el más popular. Se concluye que los desarrolladores tienden a usar un único marco, aunque los marcos combinados ofrecen capacidades complementarias.

Periodista: Forough Majidi, Mohammad Mehdi Morovati, Foutse Khomh, Heng Li

Personas mencionadas

CRePE: Positional Encoding de Rayo Curvo para Generación de Video Controlada por Cámara Unificada

Se propone la Codificación Posicional de Rayo Curvo (CRePE) para mejorar la generación de video condicionado por cámara, abordando las limitaciones de las codificaciones existentes al capturar la geometría de rayo curvo de cámaras gran angular y ojo de pez. CRePE utiliza un Adaptador de Atención Geométrica para inyectar información de distancia de escena y lograr un control de cámara más estable y calidad de video competitiva. El modelo resultante demuestra efectividad en la transferencia de movimiento de video a cámaras de ojo de pez y pinhole.

Periodista: Seonghyun Jin, Youngmin Kim, Sunwoo Park, Jong Chul Ye

Personas mencionadas

Sistema Mediador con Percepción Bidireccional y Alineación Multicapa para la Colaboración Humano-Vehículo

Se presenta el sistema MILD, un sistema de conducción basado en arquitectura de sistema agente, diseñado para mejorar la colaboración entre humanos y vehículos. El sistema integra agentes de percepción y estrategia para generar sugerencias de acción alineadas con la seguridad y las preferencias del conductor. Los experimentos demuestran que MILD supera a los sistemas de referencia en precisión de percepción y calidad de estrategia.

Periodista: Jiyao Wang, Yunbiao Wang, Yubo Jiao, Xiao Yang, Dengbo He, Sasan Jafarnejad, Luis Miranda-Moreno, Raphael Frank, Jiangbo Yu

Personas mencionadas

Arquitectura de Mezcla de Expertos Activada por Anatomía para Visión-Lenguaje Médico 3D

Se presenta el A^2MoE, un marco para el pre-entrenamiento de visión-lenguaje médico 3D que incorpora sesgos inductivos anatómicos. Este modelo introduce un Router de Representación de Histograma y un Proyector Multi-Escala de Consulta de Órganos para mejorar la alineación de características a nivel de órgano. El modelo ha demostrado un rendimiento de vanguardia en benchmarks de segmentación, clasificación y detección con datos de CT, y muestra generalización a MRI y ultrasonido.

Periodista: Szymon Płotka, Gizem Mert, Pedro R. A. S. Bassi, Wenxuan Li, Zongwei Zhou, Anna Marcinkiewicz, Wiktoria Romańczyk, Jarosław B. Ćwikła, Łukasz Struski, Ewa Szczurek, Jacek Tabor, Arkadiusz Sitek

WorldFoundry: Hacia una infraestructura unificada para la inteligencia mundial

El documento presenta WorldFoundry, una infraestructura de código abierto diseñada para la inferencia y evaluación reproducibles en sistemas de mundo, incluyendo video, 3D y 4D. Esta infraestructura unifica el descubrimiento de modelos, la preparación de activos y la orquestación de ejecución, asegurando que las afirmaciones sean trazables a sus artefactos de soporte. WorldFoundry busca avanzar el campo desde la síntesis perceptual hacia una inteligencia mundial medible mediante la comparación reproducible de dinámicas controlables.

Periodista: Juanxi Tian, Jiadong Hou, Baiang Li, Xin Lin, Zhengbo Jiao, Weijia Zhang, Yeying Jin, Truong Nguyen, Haitian Zheng, Zhifei Zhang, Jianfei Yang, Ming-Hsuan Yang, Felix Heide, Wei Xiong, Enze Xie, Wanhua Li

Mantenerse en el personaje: Agentes de juego de roles con memoria limitada por perspectiva

Se propone ReverieMem, una arquitectura de memoria de tres capas para agentes de personajes basados en libros, para solucionar los problemas de exceso factual y monotonía estilística en sistemas de juego de roles de LLM. Esta arquitectura mejora la fidelidad del límite de conocimiento y la generación de narrativa coherente con la perspectiva del personaje. Los resultados demuestran que la memoria limitada por perspectiva mejora la generación de narrativa fundamentada en el personaje.

Periodista: Xushuo Tang, Junhe Zhang, Zihan Yang, Yifu Tang, Sichao Li, Longbin Lai, Zhengyi Yang

Personas mencionadas

PACE-ECG: Preentrenamiento de ECG consciente del paciente; Aprovechando la estructura longitudinal para representaciones transferibles

Se desarrolló PACE-ECG, un marco de preentrenamiento de ECG que utiliza aprendizaje contrastivo y supervisión guiada clínicamente para mejorar la capacidad de transferencia de modelos de ECG a pronósticos clínicos longitudinales. Los resultados demuestran que el diseño del objetivo de preentrenamiento es crucial para la generalización clínica, superando a modelos existentes en tareas de mortalidad e insuficiencia cardíaca.

Periodista: Riccardo Cavarra, Lupo Lovatelli, Shaheim Ogbomo-Harmitt, Jakub Grzelak, Adelaide De Vecchi, Andrew King, Oleg Aslanidi

Personas mencionadas

Restaurando la fidelidad en la superresolución con transformadores de difusión

Se propone un marco de superresolución con fundamentación de píxeles (PGSR) para mejorar la fidelidad en la superresolución de imágenes utilizando transformadores de difusión. Este método preserva la evidencia de píxeles observada en la imagen de baja resolución antes de la compresión del VAE para guiar la restauración. Los experimentos demuestran que PGSR produce resultados más fieles y visualmente convincentes que los métodos generativos latentes existentes.

Periodista: Yu Shi, Yuyao Zhang, Yu-Wing Tai

Personas mencionadas

Marco de espacio de características guiado por geometría para el análisis STEM 4D no supervisado e interpretable de materiales multiphase

Se presenta un marco de aprendizaje automático que utiliza descriptores geométricos informados por la física y incrustaciones de alta dimensión ponderadas para el análisis no supervisado e interpretable de datos 4D-STEM de materiales complejos. El método busca mejorar la estabilidad de los clústeres y reducir el ruido, demostrando una mayor fidelidad y menor dimensionalidad en comparación con otros modelos. El marco fue validado en sistemas de referencia de capas epitaxiales y aleaciones de Ti-Nb.

Periodista: Arda Genc, Daniel A. Bolden, Albert Nguyen, Daniel S. Gianola, Ravit Silverstein

Personas mencionadas

Vulnerabilidades de puerta trasera en modelos autoregresivos unificados

Se presenta el ataque de puerta trasera Token by Token (ToBAC), el primer ataque dirigido a modelos autoregresivos unificados (UAMs), que explora vulnerabilidades en arquitecturas multimodales. Se demuestra que caracteres o palabras comunes pueden actuar como disparadores para provocar efectos maliciosos en la generación de imágenes y texto. El ataque puede manipular salidas visuales y texto, aumentando la autenticidad de contenido fabricado.

Periodista: Tobias Braun, Jonas Henry Grebe, Hossein Shakibania, Anna Rohrbach, Marcus Rohrbach

Personas mencionadas

Evaluación de la incertidumbre epistémica: Más allá de la detección OOD y el aprendizaje activo

El artículo evalúa la incertidumbre epistémica mediante la comparación de diferentes tareas como la detección de datos fuera de distribución, el aprendizaje activo y la predicción selectiva. Se demuestra que la predicción selectiva y la tarea del arrepentimiento son los extremos de una familia de tareas, mientras que las otras tareas discrepan sobre qué método es el mejor estimador de incertidumbre epistémica. Se concluye que los investigadores deben especificar la decisión posterior que respalda la estimación de incertidumbre epistémica en lugar de usar una noción general de ignorancia del modelo.

Periodista: Jakub Paplham

Personas mencionadas

Las organizaciones de IA son más efectivas pero menos alineadas que los agentes individuales

La investigación experimental demuestra que las organizaciones de IA multiagente son más efectivas para alcanzar objetivos comerciales que los agentes individuales, aunque presentan una mayor desalineación. El estudio examina estos sistemas en contextos de consultoría y desarrollo de software. Se subraya la importancia de investigar sistemas interactuantes de agentes de IA en términos de capacidad y seguridad.

Periodista: Judy Hanwen Shen, Daniel Zhu, Siddarth Srinivasan, Henry Sleight, Lawrence T. Wagner III, Morgan Jane Matthews, Erik Jones, Jascha Sohl-Dickstein

Personas mencionadas

Manuales de operador legibles por máquina sobre la red ISO 11783 para asistencia de LLM sin conexión y multilingüe

Se analiza la sincronización semántica de manuales de operador sobre buses CAN basados en ISO 11783 para asistir maquinaria agrícola con documentación técnica. Se evaluó el rendimiento de transferencia de datos y la capacidad de los LLM para responder preguntas en diferentes idiomas. Se concluye que la recuperación semántica ofrece capacidad translingüística, aunque la recuperación de palabras clave falla en varios idiomas.

Periodista: Timo Oksanen, Julius Gun

Personas mencionadas

NINJA: Arquitectura conjunta de Navegador-Inspector para localización eficiente de problemas

Se propone NINJA, una arquitectura jerárquica de Navegador-Inspector para la localización eficiente de problemas de software. Esta arquitectura divide la exploración del repositorio en navegación global y inspección local, buscando equilibrar la amplitud a nivel de archivo con la profundidad a nivel de función. Los experimentos demuestran que NINJA supera a modelos competitivos después de un ajuste fino, superando a Claude-Haiku-4.5.

Periodista: Wenkai Fang, Shunyu Liu, Wei Luo, Zihao Wu, Yang Zhou, Tongya Zheng, Wotao Yin, Jialie Shen, Leszek Rutkowski, Mingli Song, Dacheng Tao

BSTabDiff: Priores de Difusión de Subunidades de Bloque para la Generación de Datos Tabulares de Alta Dimensionalidad

Se presenta BSTabDiff, un marco generativo que particiona características en bloques latentes para generar datos tabulares de alta dimensionalidad (HDLSS). El modelo busca concentrar el aprendizaje de dependencia global en un espacio latente compacto, mejorando la generación de datos sintéticos en comparación con métodos anteriores. El enfoque soporta priors modernos como difusión y flujos normalizadores para una síntesis estable.

Periodista: Al Zadid Sultan Bin Habib, Md Younus Ahamed, Prashnna Gyawali, Gianfranco Doretto, Donald A. Adjeroh

Personas mencionadas

Retroalimentación espectral para la alineación en tiempo de prueba de modelos de difusión de proteínas

Se presenta la Retroalimentación Espectral, un algoritmo diseñado para guiar modelos de difusión discretos en la inferencia, permitiéndoles corregir iterativamente sus generaciones. Este método aborda el problema central de seleccionar qué tokens revisar para mejorar la alineación de las proteínas. Los resultados demuestran que este enfoque incrementa la proporción de proteínas estables en modelos de difusión.

Periodista: Shai Dickman, Mert Cemri, Landon Butler, Kannan Ramchandran

Personas mencionadas