Buscar noticias
Buscá por texto y descubrí noticias relacionadas con tu consulta.
Noticias relevantes
Hasta 10 noticias relacionadas por su significado, ordenadas por relevancia.
Substrate AI integrará todas sus actividades de IA en el grupo con una operación de 40,5 millones
Substrate AI y su matriz Subgen AI han acordado una reorganización estructural para concentrar todas sus actividades de inteligencia artificial bajo Substrate AI mediante una operación de 40,5 millones de euros. Esta medida busca mejorar la eficiencia operativa y simplificar la estructura societaria del grupo. La operación incluye la adquisición de participaciones de filiales de Subgen AI y la emisión de un bono convertible.
No se identificaron personas.
Substrate AI reunirá todas sus operaciones de IA dentro del grupo en una operación de 40,5 millones
Substrate AI y su matriz Subgen AI han acordado una reestructuración global para consolidar todas las operaciones de inteligencia artificial bajo la estructura de Substrate AI por 40,5 millones de euros. Este movimiento busca potenciar la eficiencia operativa y reforzar a Substrate AI como el vehículo central para el desarrollo y comercialización de soluciones de IA a nivel mundial. Se unifican las operaciones internacionales en Europa y Latinoamérica para responder al crecimiento del mercado de IA corporativa.
No se identificaron personas.
La compañía valenciana Substrate AI es admitida a cotización en el Cboe Europe
La compañía española de inteligencia artificial Substrate AI ha sido admitida a cotización en el Cboe Europa. La empresa tiene como objetivo superar los 100 millones de euros de facturación para 2030, enfocándose en el desarrollo de tecnología propia y la comercialización de tokens. La noticia también detalla la evolución reciente de su capitalización y resultados financieros.
La justicia condena a Substrate AI a pagar a Summon Press los 500.000 euros pendientes por la venta de su negocio digital
La Sección Civil del Tribunal de Instancia de Valencia condenó a Substrate AI a pagar 500.000 euros más intereses a Summon Press por un pago pendiente de una compraventa de negocio digital. La jueza desestimó la reclamación de Substrate, mientras que la demanda de Summon Press fue parcialmente estimada.
La valenciana Substrate AI compra un solar en Talavera de la Reina (Toledo) para un centro de datos
Substrate AI adquirió un solar en Talavera de la Reina, Toledo, por 1,61 millones de euros para desarrollar un centro de datos. Esta compra forma parte de la estrategia de la empresa para desplegar infraestructura tecnológica propia en España y potenciar la IA europea. La puesta en marcha del proyecto depende de obtener permisos y cumplir con hitos técnicos administrativos.
Substrate AI adquiere un solar en Talavera de la Reina por 1,61 millones para un futuro centro de datos
Substrate AI adquirió un solar en Talavera de la Reina por 1,61 millones de euros para desarrollar un futuro centro de datos como parte de su estrategia de infraestructura de IA en España. La compra, formalizada el 13 de noviembre, incluye varias parcelas y el proyecto depende de la obtención de licencias y autorizaciones pendientes. Este paso refuerza la estrategia de la compañía para desplegar infraestructura tecnológica propia y soberana en el país.
Destilación de algoritmos para aprendizaje por refuerzo seguro en contexto
Se presenta el Aprendizaje por Refuerzo Seguro en Contexto (Safe ICRL) y el Algoritmo de Distilación de Algoritmos Seguros (Safe AD). Se revisan dos partes de Safe AD, incluyendo la introducción de presupuestos dinámicos y el ajuste A-Lag para mejorar el rendimiento en entornos de locomoción y navegación. Los experimentos demuestran que A-Lag supera a Safe AD en términos de costo y retorno final en varios entornos.
DeepSeek presenta 'super agente' de IA en la carrera de codificación con OpenAI, Anthropic
DeepSeek ha presentado un 'super agente' de IA diseñado para manejar múltiples tareas con mínima intervención humana, buscando reducir la necesidad de coordinación y supervisión humana en flujos de trabajo complejos. Este desarrollo se posiciona como una respuesta a la creciente automatización de tareas por parte de los modelos de IA, buscando optimizar la gestión de flujos de trabajo mediante la autonomía de los agentes.
Avatares holográficos con IA en el subte porteño: qué son y para qué se utilizarán
La compañía Subterráneos de Buenos Aires (SBASE) lanzó una licitación para implementar avatares holográficos con inteligencia artificial conversacional en el subte porteño. El proyecto busca permitir a los usuarios interactuar con figuras virtuales para realizar consultas y obtener respuestas en tiempo real. Se planea instalar seis dispositivos interactivos en dos estaciones de la línea B.
No se identificaron personas.
Radiografía al ciberdelito: Una de cada cuatro brechas maliciosas utiliza inteligencia artificial en el ataque
El ciberdelito está utilizando la inteligencia artificial, como los deepfakes, para suplantar identidades de ejecutivos y abogados, logrando fraudes multimillonarios. Un informe de IBM indica que una de cada cuatro brechas maliciosas involucra IA, y el fraude por voz es el vector más costoso. Se advierte sobre el riesgo creciente de ataques a fin de año y la necesidad de implementar controles internos estrictos para mitigar riesgos.
Noticias encontradas
Coincidencias por palabras en títulos, resúmenes, temas, personas, lugares o firmas.
Resultados para «Substrate AI»
Más recientes primero · Hasta 30 noticias por página
Control Reinforcement Learning: Dirección interpretable a nivel de token de LLMs mediante características de Autoencoders Esparso
Se presenta el Control Reinforcement Learning (CRL) para dirigir a los Modelos de Lenguaje Grandes (LLMs) a nivel de token seleccionando características de autoencoders esparsos (SAE). Este método genera registros de intervención interpretables que permiten identificar qué características modifican la salida del modelo al ser amplificadas. Los resultados en Gemma 2 2B demuestran que esta técnica mejora el rendimiento mientras proporciona logs de intervención por token.
Aprendizaje de dónde simular: Muestreo activo generativo para entrenamiento de sustitutos de PDE en línea
Se presenta el Muestreo Activo Generativo en Línea (OGAS) para mejorar el entrenamiento de sustitutos de ecuaciones diferenciales parciales (PDE) al adaptar continuamente el muestreo de parámetros de configuración durante el entrenamiento. Este método utiliza un muestreador condicional para priorizar configuraciones que generan datos de entrenamiento más desafiantes, reduciendo el error de predicción en comparación con el muestreo uniforme. Se evaluó el método en diferentes PDEs y arquitecturas, mostrando una reducción del error y una sobrecarga de tiempo insignificante.
Señalando el camino, ocultando el destino: Recuperación densa privada práctica a escala
Se presenta un método para la recuperación densa privada a escala utilizando RAG y búsqueda semántica, que oculta la consulta y el resultado seleccionado. El protocolo utiliza un código binario aleatorio para señalar una lista corta de candidatos, protegiendo la consulta y la selección final mediante cifrado. Esto permite una búsqueda eficiente sin sacrificar la calidad de la recuperación en grandes corpus de documentos.
Física de colisionadores impulsada por recompensas desafía la IA agentica auto-mejorable mediante aprendizaje por refuerzo
Se exploran avances en IA agentica para automatizar flujos de trabajo complejos de física de alta energía (HEP). Se introduce un formato de optimización con recompensas automáticas para que los modelos de lenguaje mejoren mediante aprendizaje por refuerzo sin intervención humana. El objetivo es avanzar hacia agentes científicos que descubran soluciones mejoradas de forma autónoma.
Presentación del modelo ZONOS3-Mini, un sistema TTS de clonación de voz ultra-compacto y rápido
Se presenta ZONOS3-Mini, un modelo TTS ultra-compacto y rápido para clonación de voz, capaz de ejecutarse en tiempo real en dispositivos móviles. El modelo utiliza un *backbone* MoE con 886M parámetros y un nuevo códec de audio para alcanzar alta fidelidad. Se liberan los pesos, la inferencia y el código de entrenamiento del modelo.
Evaluación de agentes de IA en la resolución autónoma de problemas teóricos de física
Se evaluaron agentes de IA para resolver problemas teóricos de física. Se encontró que el agente GPT-6-Astra alcanzó una precisión del 98% en cálculos concretos, incluso con acceso a herramientas de búsqueda y literatura. Los resultados sugieren que los agentes de vanguardia son capaces de realizar cálculos requeridos en la investigación de física teórica. Se discuten las implicaciones de estos hallazgos sobre los avances en física teórica impulsados por agentes.
- A. Ramesh Chandra
- Aaghaz Mahajan
- Ainesh Sanyal
- Mianqi Wang
- Shubhadeep Chakraborty
- Sudip Chakraborty
- Shailesh Chandrasekharan
- Rama Govindarajan
- Akshit Goyal
- Jonathan J. Heckman
- Yasir Iqbal
- Divya Jaganathan
- Saumav Kapoor
- Andreas Karch
- Pushkar Khandare
- Sandeep Krishna
- Anupam Kundu
- Alok Laddha
- Tongyan Lin
- Swarnendu Maity
- Nilmani Mathur
- Shani Nadir Meynet
- Alessandro Mininno
- Abhijeet Mishra
- Vidur Niranjan
- Abhishodh Prakash
- Pratik Rath
- Durbar Roy
- Debargha Sarkar
- Srikanth Sastry
- Gary Shiu
- Aninda Sinha
- Thomas Van Riet
- Praneeth Netrapalli
- Suvrat Raju
SWE-Bench Pro V2: Un benchmark de codificación más limpio y difícil
Se presenta SWE-Bench Pro V2, una versión revisada del benchmark para tareas de ingeniería de software de largo alcance para agentes de codificación. Se realizaron auditorías y verificaciones por parte de ingenieros para reparar o retirar tareas, asegurando la precisión del benchmark a medida que avanzan las capacidades de los agentes. El nuevo protocolo endurecido restringe el acceso a la red y reevalúa los parches, mejorando la fiabilidad del conjunto de pruebas.
Mitigación de la satisfacción de especificaciones en agentes de codificación
Se presenta SatisFix, un método diseñado para guiar a agentes de codificación a reportar las elecciones y justificaciones de sus decisiones de implementación. Este método busca mitigar la "satisfacción de especificaciones", un fallo donde el agente acepta soluciones parciales que no cumplen completamente con los requisitos. SatisFix mejoró el rendimiento del agente base en DeepSWE y SWE-bench Pro.
Chronocooked: Un punto de referencia para el tiempo de intervalo en agentes de aprendizaje por refuerzo
Se presenta Chronocooked, un entorno de referencia de aprendizaje por refuerzo diseñado para estudiar las habilidades de tiempo de intervalo en agentes de IA. El trabajo evalúa diferentes modelos de aprendizaje (CNN, LSTM, CTRNN) para medir el rendimiento y la capacidad de control temporal de estos agentes. Se concluye que los modelos recurrentes con memoria son capaces de realizar las tareas de tiempo, aunque no se encontró evidencia cuantitativa de comportamiento de tiempo similar al humano.
Flujos flexibles para el diseño de secuencias biológicas
Se propone un método basado en Matching de Flujo Discreto (DFM) para el diseño de secuencias biológicas, abordando la limitación de los enfoques existentes en la generación de secuencias de longitud variable. El método introduce un acoplamiento estructurado para codificar preferencias específicas del dominio y una parametrización de tasa basada en edición para la generación de longitud variable. Además, se presenta un mecanismo de guía sin clasificador para dirigir la generación en el espacio latente continuo.
Cuando la IA clasifica: ¿Qué constituye la administración pública?
Un estudio compara diferentes sistemas de representación académica para identificar la administración pública (PA) y la PA relacionada con IA. El análisis comparativo de Web of Science y OpenAlex revela diferencias significativas en el corpus de investigación y la estructura temática. Los hallazgos indican que la organización algorítmica del conocimiento influye en cómo se clasifican y entienden los límites de la investigación interdisciplinaria. Se concluye que el juicio experto humano sigue siendo crucial para complementar la clasificación asistida por IA.
Cómo hacer que los robots encajen en el lugar de trabajo humano
Anthony Jules y Rodney Brooks cofundaron empresas de robótica, enfocándose en cómo la combinación de sistemas robóticos, humanos y sistemas de backend determina el éxito del sistema. Robust AI se centra en desarrollar robots que ayuden a los humanos a realizar tareas, buscando integrar la tecnología de manera que acelere las tareas físicas de los trabajadores. La compañía explora la aplicación de robots en logística y manufactura, buscando optimizar flujos de trabajo complejos en entornos industriales.
¿De quién eres? Detección y atribución de agentes web autónomos
Se aborda el desafío de privacidad y seguridad que representa el rastreo indiscriminado de contenido por parte de agentes web de IA. Se demuestra un método de huella digital de múltiples capas basado en características de red y comportamiento de interacción del navegador para distinguir estos agentes de humanos y rastreadores tradicionales. El marco logra una identificación de alta fidelidad, lo que sugiere un enfoque robusto para la protección de contenido y la aplicación de políticas de seguridad web.
Leaderboard Hacking: Las evaluaciones basadas en preferencias son vulnerables a la manipulación
Se descubrió que los rankings basados en preferencias de modelos de lenguaje son vulnerables a manipulaciones por parte de proveedores malintencionados. Las estrategias incluyen la votación estratégica, el *prompting* estratégico y la nominación estratégica para mejorar el rendimiento de un modelo. Estas manipulaciones pueden incrementar el ranking de un modelo hasta 45 posiciones en total.
¿Qué edificios están listos para la Inteligencia Artificial? Un marco de evaluación basado en la medición para la respuesta a preguntas y actuación de IA
Se propone un marco para cuantificar la preparación de los edificios para sistemas de inteligencia artificial agentica, midiendo la capacidad de respuesta a preguntas y la capacidad de actuación. El estudio evalúa la precisión de un agente de IA en edificios simulados y reales para determinar qué tan cerca están estos sistemas de ser listos para la IA. El marco busca convertir la pregunta de si un edificio está listo para la IA en una cuestión auditable y clasificada.
Instant NuRec: Reconstrucción Gaussiana 3D Feed-Forward para Simulación de Escenas de Conducción
Se presenta Instant NuRec, un modelo de reconstrucción neuronal feed-forward que transforma un registro de conducción multi-vista en un mundo 3D Gaussian Splatting (3DGS) simulable en una sola pasada. Este modelo procesa datos de múltiples cámaras para generar capas 3D y correcciones, logrando una reconstrucción rápida y alta calidad en el conjunto de datos Waymo Open Dataset. El trabajo busca mejorar la simulación para la conducción autónoma mediante la reducción de costos y el aumento de la seguridad.
Fast-dLLM++: Decodificación de Perfil Fréchet para una Inferencia de LLM más rápida
Se presenta Fast-dLLM++, una extensión sin entrenamiento para la decodificación de modelos de lenguaje grandes de difusión, que introduce la decodificación de perfil Fréchet. Esta técnica selecciona conjuntos de tokens paralelos basados en el perfil de confianza completo, lo que resulta en ganancias empíricas de hasta un 37% en el rendimiento a través de una precisión comparable. El método mantiene la implementación existente del modelo y la caché, sirviendo como un reemplazo directo para la decodificación Fast-dLLM actual.
Prompts de seguridad y privacidad en el mundo real: Qué preguntan los usuarios a los LLM y cómo responden los LLM
Un estudio analizó las preguntas de seguridad y privacidad (S&P) que los usuarios hacen a los Modelos de Lenguaje Grandes (LLM) utilizando un conjunto de datos de 3.2 millones de conversaciones. Se categorizaron 14,727 indicaciones y se evaluó la calidad de las respuestas de los LLM comerciales frente a los modelos de código abierto. Se encontró que los LLM comerciales superan a los modelos de código abierto, aunque los modelos comerciales pueden generar respuestas inconsistentes.
No se identificaron personas.
Modelos de lenguaje con estado aumentado recursivo: Adaptación persistente del estado latente de modelos de lenguaje preentrenados
Se presenta un marco llamado Modelos de Lenguaje con Estado Aumentado Recursivo (Recursive SALM) que permite que un estado latente persista y evolucione con cada observación para adaptar modelos de lenguaje preentrenados. Los experimentos demuestran que esta adaptación latente persistente puede soportar la inferencia secuencial incluso cuando la evidencia anterior no está disponible en el contexto del decodificador. Se compara el rendimiento con modelos basados en contexto completo, mostrando una mejora en tareas de inferencia.
BatchBench: Medición de la robustez de la IA ante efectos de lote y cambio de dominio en imágenes biomédicas
Se presenta BatchBench, un leaderboard diseñado para evaluar la robustez de los sistemas de inteligencia artificial en imágenes biomédicas frente a efectos de lote y cambios de dominio. La herramienta utiliza el conjunto de datos JUMP-CP, conocido por sus efectos de lote y cambios de dominio, como campo de prueba. El objetivo es medir el progreso en la robustez de los sistemas de IA ante variaciones en las condiciones de adquisición de imágenes.
Efectos secundarios no deseados del entrenamiento de valores en LLMs
Se investiga cómo la alineación de valores en los LLMs afecta sus capacidades y comportamientos. El estudio encontró que el entrenamiento específico de valores produce efectos secundarios no deseados en valores no entrenados, preferencias de riesgo y rasgos de seguridad. Se sugiere incorporar evaluaciones de comportamiento más amplias en la alineación de valores posterior al entrenamiento.
Estudios sobre la recuperación de lenguaje de señas en configuraciones de diccionario de bajo recurso
Se investiga la eficacia de un codificador de pose entrenado en un lenguaje de señas para recuperar signos en lenguajes de señas con recursos limitados. El estudio evalúa diferentes configuraciones de entrenamiento y métricas para mejorar la recuperación de signos en diversos lenguajes de señas. Se encontraron mejoras significativas al ajustar el objetivo de entrenamiento y la atención entre partes del cuerpo y las manos.
Desafíos y oportunidades en los sistemas humano-agente
El artículo explora cómo los sistemas de IA agenticos realizan tareas extendidas en nombre de las personas, haciendo crucial la interacción humano-agente. Se detallan los desafíos de comprender perspectivas humanas y coordinar capacidades para lograr interacciones efectivas en entornos sociotécnicos. Se proponen mecanismos como la Teoría de la Mente y la planificación inversa para gestionar la incertidumbre en la interacción.
MLIRBench: Benchmark y conjunto de datos para el razonamiento de LLMs sobre programas MLIR
Se presenta MLIRBench, un benchmark diseñado para evaluar la capacidad de los modelos de lenguaje grandes (LLMs) para razonar sobre programas MLIR. El benchmark utiliza un *pipeline* de multi-agente para generar y validar mutaciones de programas, utilizando un conjunto de datos de 1,768 pares validados. Los resultados indican que, aunque la clasificación semántica es fuerte, existe una brecha en la predicción precisa del comportamiento de ejecución detallado por parte de los LLMs.
Pechos pequeños, decisiones fuertes: Un estudio controlado de modelos de decisión tipada
Un estudio de TypeSafe en septiembre de 2026 compara modelos de decisión tipada como Jev, Nimble y Clef. Los experimentos demuestran que la complejidad de la cabeza no afecta la precisión, pero el tamaño del esqueleto es más importante. Se recomienda enfocar el esfuerzo en el esqueleto y mantener la cabeza mínima para optimizar la eficiencia.
Perderse en la delegación: Estudiando la efectividad de la orquestación de tareas en la búsqueda generativa
Se investiga la efectividad de la delegación de tareas en sistemas de IA generativa, analizando cómo la delegación a herramientas externas afecta el rendimiento. Los resultados indican que la delegación no siempre mejora la precisión y puede degradarla si el LLM orquestador no tiene acceso al conocimiento necesario. Se identifican fallos recurrentes como consultas delegadas distorsionadas y uso ineficiente de herramientas.
Hacia un Razonamiento Visión-Lenguaje Robusto: Una Tubería de Optimización Multi-etapa con Modelo de Difusión Enmascarada
Se propone una tubería de optimización multi-etapa para arquitecturas de modelos visión-lenguaje, enfocada en mejorar su rendimiento para la conducción autónoma. Esto incluye optimizar la representación de entradas de planificación para reducir alucinaciones y aplicar filtrado de diversidad en el aprendizaje por refuerzo. Se presenta un método de decodificación adaptativo para ajustar los modos de decodificación según la complejidad de la escena, mejorando el rendimiento del modelo en un 29.7%.
La abstracción de consultas gobierna la recuperación léxica y densa de poesía árabe clásica
Se evalúa cómo la memoria del usuario influye en la recuperación de poesía árabe clásica mediante la abstracción de consultas. Se compara el rendimiento de diferentes codificadores densos y BM25 en la recuperación de texto. Se demuestra que la composición de la consulta afecta significativamente el ranking de los resultados de búsqueda.
Cuantificación de ratios de transferencia de comportamiento subliminal en destilación de modelos de lenguaje
Se cuantifican los ratios de transferencia de comportamiento subliminal en la destilación de modelos de lenguaje. El estudio compara dos modelos maestros (Llama-2-7B-Chat y Qwen2.5-7B-Instruct) al destilar modelos estudiantes con datos benignos. Se encontró que la transferencia es robusta, aunque Llama-2 muestra un umbral agudo mientras que Qwen2.5 presenta niveles de transferencia más altos.
TransXplainRRG: Un LVLM evaluado por radiólogos para la generación de informes de radiografías de tórax
Se presenta TransXplainRRG, un LVLM diseñado para la generación de informes de radiografías de tórax, abordando los desafíos de rendimiento y explicabilidad clínica. El modelo combina codificadores de visión y texto para generar informes, buscando mejorar la interpretabilidad y la fiabilidad en aplicaciones de IA clínica. El sistema fue probado en conjuntos de datos grandes y mostró resultados competitivos y superiores a modelos existentes.