Buscar noticias
Buscá por texto y descubrí noticias relacionadas con tu consulta.
Noticias relevantes
Hasta 10 noticias relacionadas por su significado, ordenadas por relevancia.
El nuevo Flipper One es un PC Linux portátil que puedes llevar en tu bolsillo y se vende a cero beneficio
Se lanzó el Flipper One, un ordenador portátil basado en Linux, a través de una campaña de crowdfunding con un precio de $399. El dispositivo utiliza el sistema operativo Flipper OS y puede funcionar como PC de escritorio o dispositivo portátil, ofreciendo capacidades como VPNs y conectividad múltiple. La compañía afirma que el precio cubre el costo de producción y no genera margen de beneficio.
Hospital entrega PC especial a doctor muy enfermo para uso personal
Un doctor investigador, conocido por su consumo de entretenimiento para adultos, causó una infección de malware en su PC, lo que llevó a una investigación interna. El hospital finalmente implementó una política para restringir el uso de PCs para asuntos personales y, posteriormente, los estudiantes del doctor interpusieron una demanda.
Tecnólogo manipula un ventilador defectuoso cerca de líquido inflamable y una placa base expuesta, y lo deja funcionar por días
Un lector llamado Axl manipuló una PC en una gasolinera que dejó de funcionar, sospechando sobrecalentamiento. Él instaló una solución temporal con un ventilador de extracción para mantener el sistema operativo durante varios días. El ingeniero de soporte llegó y reemplazó el componente fallido, y no hubo víctimas, asegurando que los turistas regresaron satisfechos.
Veredicto final de Slayyyter: un disco saturado e industrial que le da identidad propia
El tercer disco de Slayyyter, WOR$T GIRL IN AMERICA, utiliza una producción saturada e industrial para darle identidad propia, marcando un giro respecto al sonido anterior. Aunque la segunda mitad del álbum presenta temas con letras débiles, los momentos donde el ruido se retira permiten que la voz se exprese de manera más suave y expresiva. El álbum es calificado como el más ambicioso y logrado hasta la fecha, combinando la intensidad sonora con una vulnerabilidad en su desenlace.
Kim Gordon – PLAY ME
Kim Gordon lanza su tercer disco, PLAY ME, utilizando canciones cortas y producción industrial para desafiar al algoritmo del streaming. El álbum explora temas políticos y opresivos, criticando la tecnocracia y la manipulación del sistema. La obra demuestra cómo la brevedad y la suciedad de la producción pueden ser una estrategia efectiva para contestar las reglas del sistema digital.
Linux se une a la flota de pantallas de información inoperativas de Heathrow
Linux ha demostrado ser tan capaz como Windows en términos de fallos, y Heathrow está explorando el uso de hardware basado en Raspberry Pi para sus nuevas pantallas. Se destaca la flexibilidad en la distribución de contenido y la eficiencia energética de las nuevas soluciones de hardware.
Linux está obteniendo una herramienta que causa fallos en el sistema de forma intencionada
Se presenta una nueva herramienta en el kernel de Linux llamada hwpoison-panic diseñada para inducir fallos de memoria intencionales. Esta herramienta permite a los desarrolladores probar la respuesta del kernel ante errores de memoria irrecuperables, simulando fallos de hardware para verificar la estabilidad del sistema. El objetivo es que el kernel realice un pánico inmediato, lo cual es crucial para el desarrollo y la depuración de sistemas operativos.
La mejor manera de detener la propagación de una idea es un incendio controlado
El texto describe una situación de crisis en un edificio donde se sospecha la propagación de un virus, desencadenada por una idea impulsiva. Los personajes intentan detener la situación mediante la desactivación de sistemas y la destrucción de dispositivos. Finalmente, se confirma que el fuego se originó por un acelerante desconocido, aunque la idea inicial no fue la causa directa.
Alguien usó Claude para construir un chatbot que cabe en un disco flexible
Se presenta Tiny-2.1, un chatbot construido con Claude que se ejecuta en DOS con una memoria muy limitada. Aunque puede realizar tareas básicas como trivia y aritmética, su precisión disminuye significativamente al responder preguntas con redacción nueva. El texto concluye que es más una prueba de concepto que un modelo práctico para uso diario, aunque es útil para probar la capacidad de modelos pequeños.
Descubierta la causa inesperada del ruido de la computadora
Se reveló que el ruido de la computadora puede deberse a la carga de la tarjeta gráfica y la acumulación de polvo en el sistema de refrigeración. El aumento de temperatura provoca que los ventiladores trabajen más rápido, y la vibración de componentes puede generar ruidos. Se recomienda limpiar el dispositivo de polvo y revisar si el ventilador está desgastado.
Noticias encontradas
Coincidencias por palabras en títulos, resúmenes, temas, personas, lugares o firmas.
Resultados para «Bleeping Computer»
Más recientes primero · Hasta 30 noticias por página
DeCO: Composición de Evidencia Discriminatoria para Destilación de Conjuntos de Datos de Granularidad Fina
Se propone el método Discriminative Evidence Composition (DeCO) para la destilación de conjuntos de datos de granularidad fina, buscando preservar la evidencia localizada en lugar de solo estadísticas globales. DeCO utiliza atención para identificar parches informativos y organiza regiones por clase para crear imágenes compactas. Los experimentos demuestran que DeCO supera a los métodos existentes en diversas tareas de clasificación visual.
Simulación de Conjuntos de Datos Federados: Induciendo Heterogeneidad sin Etiqueta en Tareas
Se presenta la Simulación de Conjuntos de Datos Federados (FDS) para evaluar el Aprendizaje Federado, abordando la escasez de datos reales y la limitación de los métodos basados en etiquetas. Se proponen dos métodos sin etiqueta, geométrico y semántico, aplicables a tareas de clasificación y predicción densa. Los resultados muestran que estos métodos inducen una heterogeneidad comparable o superior a la del particionamiento por sesgo de etiqueta, afectando el rendimiento del FL.
WAXAL: Un corpus de habla multilingüe africana a gran escala
Se presenta WAXAL, un conjunto de datos de voz abierto y grande que cubre 27 idiomas africanos con más de 100 millones de hablantes. Este corpus incluye datos de ASR y TTS, y se realizaron pruebas comparativas de tres modelos de ASR, mostrando mejoras significativas en la precisión al ajustar con WAXAL.
- Abdoulaye Diack
- Perry Nelson
- MohamedElfatih MohamedKhair
- Emmanuel Asiedu Brempong
- Subhashini Venugopalan
- Tavonga Siyavora
- Vusumuzi Dube
- Kwaku Agbesi
- Angela Nakalembe
- Jason Hickey
- Uche Okonkwo
- Abhishek Bapna
- Isaac Wiafe
- Raynard Dodzi Helegah
- Elikem Doe Atsakpo
- Charles Nutrokpor
- Fiifi Baffoe Payin Winful
- Kafui Kwashie Solaga
- Jamal-Deen Abdulai
- Akon Obu Ekpezu
- Audace Niyonkuru
- Samuel Rutunda
- Boris Ishimwe
- Michael Melese
- Engineer Bainomugisha
- Joyce Nakatumba-Nabende
- Andrew Katumba
- Claire Babirye
- Jonathan Mukiibi
- Vincent Kimani
- Samuel Kibacia
- James Maina
- Fridah Emmah
- Ahmed Ibrahim Shekarau
- Ibrahim Shehu Adamu
- Yusuf Abdullahi
- Howard Lakougna
- Kode Niane
- Bob MacDonald
- Pooja Rao
- Hadar Shemtov
- Prince Mireku
- Aisha Walcott-Bryant
- Moustapha Cisse
- Avinatan Hassidim
- Jeff Dean
- Yossi Matias
Modelo teórico asistido por LLM para dispersión de ruido de instalación de motores aeroacústicos
Se desarrolló un modelo teórico para el ruido del ventilador de un motor aeroacústico que incide y se dispersa en una placa rígida. El modelo utiliza problemas de Wiener-Hopf y transformaciones espectrales para resolver la dispersión del ruido. Se utilizó un modelo de lenguaje grande (LLM) para asistir en la manipulación algebraica, demostrando que la IA puede acelerar el álgebra en mecánica de fluidos teórica.
Red de antena fluida de baja altitud con aprendizaje por refuerzo multiagente
Se presenta un marco de aprendizaje por refuerzo multiagente (MARL) para la reconfiguración rápida y de alto rendimiento de redes de antena fluida (FA) de baja altitud. El estudio demuestra que la optimización conjunta de posiciones y formación de haces puede incrementar la tasa de suma del sistema en un 118.5% comparado con una configuración fija. Esto se logra mediante la reconfiguración dinámica de los arreglos de antenas y la dirección adaptativa de haces hacia usuarios aéreos móviles.
PEIRA: Aprendizaje de codificadores predictivos a través de alineación de regresor inter-vista
Se presenta PEIRA, un método de aprendizaje auto-supervisado no contrastivo con un objetivo explícito basado en la traza del regresor lineal óptimo. El estudio demuestra que PEIRA es competitivo con métodos como VICReg y LeJEPA en benchmarks como ImageNet-1K y CIFAR-10. Los resultados empíricos confirman la teoría al recuperar subespacios de correlación canónica.
Fusión latente: Apilamiento de canales para edición de imagen que preserva la estructura
Se explora la concatenación por canal como una opción de menor costo para ediciones que preservan la estructura, modificando la apariencia sin alterar el diseño. Se compara con la concatenación de secuencia, que duplica la longitud de la secuencia y el costo de atención. Los experimentos indican que la concatenación por canal mantiene la alineación de píxeles con la fuente.
Más allá del monolito de parámetros: Memorias reconstructivas, habilidades ejecutables y ensamblaje residual para modelos de lenguaje
Se presenta la arquitectura FEM-ASM, diseñada para permitir que un sistema de modelo de lenguaje crezca su estado externo y utilice procedimientos ejecutables sin que todos los componentes compartan un proceso de optimización. Esta arquitectura separa la coordinación neuronal, la construcción de estado de documento y la ejecución determinista. Los experimentos demuestran que el almacenamiento recuperable y la recuperación exitosa son propiedades distintas, mejorando las interfaces de memoria y ejecución.
Contratos de asuncion/garantía para el aprendizaje por refuerzo multiagente composicional de equipos heterogéneos
Se introduce el aprendizaje por refuerzo multiagente (MARL) para equipos heterogéneos mediante contratos de asuncion/garantía (AGC-MAS) y un algoritmo iterativo (IHA-MARL). Este marco permite la colaboración de agentes heterogéneos mediante la definición de contratos que especifican requisitos y comportamientos. Los resultados experimentales demuestran la versatilidad de estos contratos para permitir la sustitución y reutilización de contratos en la asignación de tareas.
MoRAE: Latentes auto-supervisados amigables para el flujo para generación de texto a movimiento
Se presenta MoRAE, un enfoque para generar movimiento a partir de texto mediante latentes auto-supervisados. El método preentrena un codificador Motion-JEPA para predecir trayectorias ocultas y luego comprime sus características en un latente compacto. Esto resulta en una generación de movimiento más fiable y con mejor estructura de articulación cruzada, alcanzando resultados de vanguardia en benchmarks como HumanML3D y KIT-ML.
Hacia una VQA oftalmológica interpretable clínicamente mediante evidencia de lesiones espacialmente fundamentada
Se presenta FundusGround, un nuevo punto de referencia para VQA oftalmológica que incorpora evidencia de lesiones espacialmente fundamentada. El trabajo propone un *pipeline* de tres etapas para recolectar imágenes y lesiones anotadas, utilizando la rejilla ETDRS para mapear lesiones a regiones retinianas. Los experimentos demuestran que la inclusión de evidencia visual a nivel de lesión mejora el rendimiento y la transparencia de los modelos de visión-lenguaje para VQA oftalmológica.
Difusión informada por simulación para la planificación de movimiento descentralizada de múltiples robots
Se presenta el marco SID, un enfoque descentralizado para la planificación de movimiento de múltiples robots que utiliza modelos de difusión conscientes de restricciones (CADM). Este método simula las trayectorias futuras de los robots vecinos para guiar la planificación individual, permitiendo una coordinación mínima solo en escenarios congestionados. Los experimentos demuestran que SID supera a los métodos base en efectividad de planificación y satisfacción de restricciones.
Trabajo humano-IA a través de la lente de la calibración
Se estudia el trabajo en equipo entre humanos e inteligencia artificial utilizando la lente de la calibración estadística. El estudio analiza marcos que combinan o delegan la responsabilidad de la predicción entre el humano y el modelo de IA. Se demuestra que los métodos actuales de combinación no conservan la calibración del humano, y los métodos de delegación requieren que el modelo decisor sea muy preciso para determinar la superioridad de cada miembro.
La atribución de datos debe guiar el preentrenamiento
Se propone que la atribución de datos debe dirigir el preentrenamiento identificando propiedades de datos comprobables como criterios de curación reutilizables. Esto busca mejorar la calidad de los datos de entrenamiento al evaluar propiedades de los documentos en nuevos datos. Se especifica un bucle de retroalimentación para interpretar fuentes atribuidas y probar cambios en datos candidatos.
JaxMARL-BC: Aprendizaje por Refuerzo Multi-Agente para Modelado Macroeconómico, en Segundos
Se presenta JaxMARL-BC, un simulador acelerado por JAX diseñado para entrenar economías basadas en Aprendizaje por Refuerzo Multi-Agente (MARL) en segundos, superando las limitaciones de tiempo de entrenamiento de los modelos DSGE. El trabajo aborda la segunda limitación, demostrando la capacidad del simulador para escalar a 200,000 hogares de aprendizaje y verificando su precisión contra límites conocidos.
Modelos del mundo, árboles y modelos fundacionales para la previsión minorista: Evidencia de cuatro conjuntos de datos públicos
El estudio compara diversos modelos de pronóstico para la previsión minorista en diferentes niveles de granularidad (producto, tienda, tiempo). Se evalúan modelos como World Model, LightGBM y Temporal Fusion Transformer utilizando cuatro conjuntos de datos públicos. Los resultados indican que el modelo adecuado depende de la granularidad utilizada para la planificación.
Más allá de la llamada de herramientas torpe: Cómo la indicación y la detección marcan la diferencia
Se presenta ToolPulse, un middleware que facilita el uso autónomo de herramientas en agentes basados en LLM mediante indicación y detección. Esta herramienta rastrea el estado de ejecución y los patrones de interacción para ofrecer asistencia proactiva, como recordatorios o consejos contextuales. Los resultados demuestran que la asistencia en tiempo de ejecución es beneficiosa para mejorar la autonomía de los agentes en el uso de herramientas.
Estimación e predicción en contexto para ODEs paramétricas
Se investiga la estimación de parámetros y la predicción de trayectorias para ecuaciones diferenciales ordinarias (ODEs) paramétricas utilizando Transformers. Se propone un método de máxima verosimilitud de dos etapas para estimar parámetros a partir de observaciones ruidosas y una aproximación neuronal para la predicción. Se demuestra que un único Transformer puede realizar ambas tareas simultáneamente, ofreciendo garantías no asintóticas.
Recomendación legible y direccionable a través de intereses naturales del lenguaje
Se presenta CLEAR, un sistema de recomendación construido con una capa de interés de lenguaje natural editable, implementado en Meta. Este sistema hace que un subconjunto de intereses inferidos sea legible y utiliza eventos históricos del usuario para fundamentar las recomendaciones. Los componentes de CLEAR han operado en producción por más de un año en Instagram y Facebook.
- Qi Guo
- Reza Mirghaderi
- Iordanis Fostiropoulos
- David Fan
- Yuchen Liu
- Shiliang Tang
- Lukasz Korycki
- Golnaz Ghasemiesfeh
- Xinzhu Bei
- Sasha Vorontsov
- Hanchao Yu
- Brendan Quinlivan
- Khoi Pham
- Jigar Gada
- Hao Yu
- Felix Li
- Hang Gao
- Boyu Fang
- Yang Gao
- Yale Thomas
- Xiaomeng Jin
- Avishek Dutta
- Hong Hong
- Janet Xia
- Ethan Zhu
- Ellie Pan
- Xiang Shen
- Jawwad Zakaria
- Jinfeng Lin
- Jonathan Rush
- Ruixue Lian
- Noah Kennedy
- Brian Vanover
- Jas Pyneni
- Daniel Thiyagu
- Apoorv Saxena
- Sanyogeeta Lawande
- Huayu Ding
- Hima Cherukuru
- Yang Liu
- Chen Kovacs
- Qunshu Zhang
- Lizhu Zhang
- Benyu Zhang
- Kate Chen
- Ashish Singal
- Danny Kanoff
- Zhiyu Liu
- Jiayi Liu
- Jianyu Wang
- Fei Liu
- Xiangjun Fan
- Abhishek Kumar
- Hong Yan
Ultra-CAN: Receptor ciego ligero para telemetry basada en caos y localización local de semilla en el Internet de Drones
Se presenta Ultra-CAN, un receptor neuronal ciego que utiliza una forma de onda basada en caos para realizar telemetría y detección de proximidad en el Internet de Drones. El sistema logra decodificar transmisiones de pares y medir ecos propios sin transceptor de radar adicional. Las variantes demuestran un rendimiento superior en escenarios de enjambre aéreo, mejorando la identificación de obstáculos y la respuesta a la interferencia.
Cuando la intención de edición se divide: Un ataque de jailbreak cruzado de modalidad para modelos de edición de imágenes grandes
Se formaliza una vulnerabilidad de seguridad en modelos de edición de imágenes grandes donde la intención dañina se distribuye entre entradas textuales y visuales. Se propone el Ataque de Jailbreak de Intención Dividida (SIJA) para explotar esta falla, demostrando que la intención insegura puede ser recuperada a pesar de las salvaguardas existentes. Se sugiere una defensa mediante la reconstrucción de la intención de edición para evaluar el contexto multimodal completo.
SAFER: Navegando el dilema exploración-explotación en la planificación basada en modelos del mundo para la conducción autónoma
Se presenta SAFER, un marco que aprende de fallos de otros y aprende en línea de su propia conducción para la conducción autónoma. El sistema utiliza un modelo del mundo para prever consecuencias y un planificador basado en muestreo para evaluar maniobras. SAFER logró los mejores resultados en rutas de la plataforma CARLA y MetaDrive.
Mejorando la segmentación de instancias de equipaje en rayos X con refinamiento de máscaras basada en puntos compartidas
Un estudio investiga el refinamiento de máscaras basado en puntos compartido para mejorar la segmentación de instancias en imágenes de rayos X de equipaje, utilizando la arquitectura Cascade Mask R-CNN. El método combina una columna vertebral ResNet-101 con una pirámide de características basada en atención y utiliza módulos transformador y MLP para refinar las ubicaciones de las máscaras. Los resultados mostraron mejoras en la precisión media de máscara (AP) en comparación con el detector sin refinar.
¿Cuándo debe un humano tomar el control? Delegación óptima bajo riesgo de IA turbulento
El artículo explora cuándo un humano debe tomar el control de un agente de IA autónomo, evaluando la cantidad de verificación necesaria y cuándo debe reanudarse la autonomía. El estudio utiliza modelos para determinar la delegación óptima entre operación asistida por IA y operación autónoma, considerando costos y riesgos. Los experimentos sintéticos demuestran que el método propuesto supera a otros modelos al predecir mejor los incidentes.
Despliegue de un asistente de LLM de lógica de control en centrales eléctricas aisladas: Lecciones sobre autoridad de fuente y recuperación limitada
Se reportan lecciones aprendidas al implementar asistentes de LLM en entornos de tecnología operativa industrial, abordando restricciones como políticas de sitio y limitaciones de cómputo local. Se demuestran métodos para mitigar la incertidumbre generada por modelos generativos mediante la integración de software determinista para la recuperación de evidencia técnica. El diseño propuesto divide las tareas entre LLMs para interpretación de lenguaje natural y software determinista para la recuperación de evidencia fundamentada en fuentes autoritativas.
Más allá del alineamiento: Supervisando el generador para la reconstrucción de EEG a imagen
Se demuestra que mejorar el alineamiento cruzado en métodos de reconstrucción de EEG a imagen no resulta en ganancias comparables en la calidad. Se propone la supervisión derivada de la generación (GDS) para corregir la discrepancia entre generadores condicionados por EEG y objetivos fijos. Este nuevo enfoque logra una fidelidad de reconstrucción de vanguardia en comparación con los métodos basados en la condición.
VAMR: Razonamiento Multi-Pregunta Agéntico para una Comprensión Eficiente de Video de Formato Largo
Se presenta VAMR, un agente diseñado para el razonamiento multi-pregunta en comprensión de video de formato largo, que coordina todas las preguntas a través de una trayectoria de uso de herramientas compartida. Este enfoque busca mejorar la adquisición conjunta de evidencia y la construcción de una comprensión compartida. VAMR logró la mayor precisión y el menor número de rondas de razonamiento en las evaluaciones LVBench, superando a VideoARM.
EvoKnow: Evolución continua del conocimiento para la detección de imágenes generadas por IA
Se presenta EvoKnow, un marco libre de repeticiones para la detección continua de imágenes generadas por IA, abordando el desafío de la adaptación a nuevos modelos generativos. El método preserva una base forense y añade expertos residuales para evidencia relevante, logrando una adaptación continua a largo plazo con alta precisión. Los experimentos demuestran un rendimiento de vanguardia en el aprendizaje continuo.
El "Benchleaking" se acelera: La contaminación de los benchmarks empeora drásticamente en el último mes
La contaminación de los benchmarks se ha intensificado recientemente, afectando tanto al post-entrenamiento como al pre-entrenamiento de los modelos. Se ha detectado que los ejemplos de prueba de los benchmarks están filtrándose en los datos de entrenamiento, lo que afecta la capacidad real de los modelos. Se recomienda establecer informes de descontaminación y puntuaciones ajustadas para mitigar este problema.
Evidencia condicionada de finalización y síntesis de registros de salud electrónicos
Se presenta EHRDiB, un marco que unifica la finalización y síntesis de registros de salud electrónicos (EHR) al distinguir la omisión original de entradas retenidas. El estudio compara este método con otros enfoques en bases de datos MIMIC-IV y Duke Health, evaluando la utilidad predictiva y el riesgo de divulgación. EHRDiB mostró mejoras significativas en la utilidad predictiva y reducciones en los vacíos de AUPRC en las tareas de síntesis.