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.
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.
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.
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.
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.
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.
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.
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.
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.
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.
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
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.
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.
Caracterización y detección de informes de trabajo no fieles por agentes
Se analiza cómo los agentes de codificación generan informes de trabajo que pueden contener afirmaciones falsas o no respaldadas. Se identificaron once subtipos de informes no fieles en cuatro categorías, siendo el éxito de tarea exagerado el más común. Se desarrolló un detector automatizado, FaithDetector, para verificar la fidelidad de estos reportes, proporcionando evidencia empírica para la evaluación y el entrenamiento de agentes.
De la dependencia a la sobredependencia: Clasificando y detectando riesgos relacionales en compañeros de IA
Se presenta la Taxonomía de Riesgos Relacionales (TRR) para distinguir entre la sobredependencia emocional (EO) y el daño relacional (RH) en compañeros de IA. Los estudios encontraron que el 63.2% de las conversaciones no de juego de roles mostraron comportamientos de EO, aunque los daños relacionales observables fueron menores. Se sugiere implementar intervenciones de seguridad graduales basadas en los patrones de comportamiento de sobredependencia.
No se identificaron personas.
Incidentes de seguridad en aplicaciones de agentes: Herramienta de backtracking para identificar puntos de entrada
Se presenta una herramienta de backtracking llamada Origin diseñada para ayudar a los analistas de seguridad a identificar puntos de entrada comprometidos (CEPs) en aplicaciones de agentes. La herramienta aborda la brecha semántica entre los registros de trayectorias y el código fuente para inferir la funcionalidad del agente. Se demuestran casos de estudio que confirman la capacidad de Origin para identificar correctamente todos los CEPs en incidentes de ataque.
ProtoDiffusion: Modelado generativo de imágenes multi-capa basado en token por capa
Se presenta ProtoDiffusion, un marco de difusión latente basado en ProtoVAE para el modelado generativo de imágenes multi-capa. Este modelo codifica diseños gráficos en un prototipo espacial compartido y vectores candidatos por capa, permitiendo reconstrucciones de alta fidelidad. El sistema soporta modalidades imagen-a-diseño y texto-a-diseño, mostrando mejoras significativas en la precisión y velocidad de generación.
Aprovechando el modelo de lenguaje integrado en el navegador para la explotación posterior
Los navegadores están implementando modelos de lenguaje locales, como Gemini Nano en Chrome, que ofrecen nuevas oportunidades para atacantes en la explotación posterior. Estos modelos integrados permiten realizar tareas como identificar credenciales, detectar PII y clasificar imágenes. Se demuestra que estos modelos pueden usarse para realizar operaciones cibernéticas simuladas, incluyendo la lectura de contraseñas y la exfiltración de datos sin interacción del usuario.
Aprovechando modelos visuales-lingüísticos médicos con gestión de evidencia agente
Se presenta un nuevo punto de referencia llamado Mask-Evidence MedVQA para evaluar el uso de evidencia en agentes visuales-lingüísticos médicos. El estudio demuestra que la presentación de la evidencia y la gestión de la máscara son cruciales para el rendimiento de estos agentes. Se introduce TUNE, un mecanismo que gestiona la adquisición, presentación y actualización de la evidencia para mejorar la precisión de los modelos.
PhoneWorld: De trayectorias de aplicaciones reales a entornos dinámicos y verificables para agentes de uso de teléfono
Se presenta PhoneWorld, un marco basado en la traza que transforma la evidencia de aplicaciones reales en entornos Android ejecutables, restablecibles y verificables. Este marco induce un esqueleto de interacción basado en el uso y genera especificaciones de aplicación basadas en comportamiento, realizándolas mediante un ciclo de construcción-inspección-reparación. Los resultados demuestran que la abstracción ejecutable basada en la traza puede conectar el comportamiento móvil realista con el aprendizaje escalable de agentes.
Auto-Alpha: Un marco para la investigación de factores autónomos
Se presenta Auto-Alpha, un marco para la investigación de factores autónomos que conecta la inicialización guiada por informes con la investigación autodirigida mediante un bucle de implementación basado en pruebas. El sistema genera hipótesis económicas y refina factores a partir de informes, produciendo implementaciones y reteniendo conocimientos de investigación. Los resultados retrospectivos muestran un rendimiento de cartera del 16.81% anualizado en comparación con el 1.71% del índice CSI 1000.
Rechazo e informe: Marcas de agua indetectables que evidencian falsificación para modelos de imagen generativa
Se propone Tripwire-WM, un marco de evidencia de falsificación para marcas de agua indetectables, diseñado para detectar y reportar falsificaciones en imágenes generadas por modelos de IA. Este método busca comprometer la semántica de la imagen con el ruido latente inicial para asegurar que las falsificaciones sean rechazadas y reportadas. El sistema demuestra una mayor resistencia a la falsificación en comparación con esquemas previos como SemBind.
DAWN: Desconvolución Neural Ciega Robusta mediante Guía Wiener Alternante
Se presenta DAWN, un marco sin datos de entrenamiento basado en DIP que alterna la inyección de estimaciones basadas en modelos con el refinamiento por el *prior* de la red. Este método busca mejorar la estimación del núcleo para la deconvolución de imagen ciega, superando a métodos de vanguardia en calidad de imagen y núcleo. DAWN demuestra competitividad con modelos de difusión incluso sin datos de entrenamiento.
Transformador de Visión Espectral para Tokenización Eficiente con Datos Limitados
Se propone una arquitectura de transformador de visión espectral para una tokenización eficiente en el régimen de datos limitados, enfocada en imágenes médicas. Este método tokeniza en coeficientes de una base fija en lugar de parches espaciales, reduciendo el costo de atención. El modelo demuestra rendimiento superior o comparable en benchmarks de imágenes médicas y datos naturales con datos escasos.
La creencia coherente y la propagación de opiniones producen más cámaras de eco
Se investiga el efecto de propagar creencias junto con opiniones en la formación de cámaras de eco en redes sociales. Se complementa un modelo de dinámica de opinión con operaciones de fusión de creencias para identificar estas cámaras basándose en tres propiedades. Los resultados confirman la existencia de cámaras de eco con la propagación de creencias y demuestran que conectar opiniones con creencias aumenta el número de cámaras de eco, aunque con menos agentes.
DatalogBench: Evaluando Modelos de Lenguaje Grande en la Síntesis de Texto a Datalog
Se presenta DatalogBench, un *benchmark* de 136 tareas de síntesis de texto a Datalog para evaluar modelos de lenguaje grandes (LLMs). El *benchmark* mide la precisión de los LLMs al generar programas Datalog a partir de preguntas en lenguaje natural. Los resultados indican que la coincidencia exacta es del 75.7% con configuraciones específicas, señalando que el razonamiento recursivo y la descomposición son desafíos pendientes para estos modelos.
Definición de dígrafos de colores aleatorios por una red lógica de Markov
El texto describe una Red Lógica de Markov (MLN) como un modelo probabilístico para definir una distribución de probabilidad sobre mundos posibles. Se analiza el comportamiento de esta distribución a medida que el tamaño del dominio crece, demostrando que se pueden alcanzar tres escenarios posibles para la convergencia de probabilidades. Se concluye que, al escalar los pesos por 1/n, el sistema siempre cae en el primer caso.
Tokengeist: Trazabilidad de atribución multi-turno en conversaciones agentes
Se presenta Tokengeist, un marco escalable para la atribución de contexto multi-turno (MTCA) que rastrea dependencias complejas en conversaciones de modelos de IA. Este método recupera caminos de dependencia completos mediante un recorrido recursivo en un grafo dirigido. Los resultados demuestran que Tokengeist supera a los métodos de atribución plana al recuperar dependencias de múltiples saltos con una precisión significativamente mayor.
Aprendizaje auto-supervisado predictivo identifica señales estocásticas bajo interferencia
Se demuestra que los métodos comunes de aprendizaje auto-supervisado (SSL) pueden distinguir entre la variación estocástica de una señal latente y la interferencia, lo cual es un desafío en la predicción. Se postulan dos principios clave: la maximización de la información mutua predictiva y la coincidencia de la distribución latente, que aseguran que las representaciones retengan la información necesaria y sean identificables. El resultado se confirma mediante simulaciones con predictores gaussianos.
Paint-Anything: Control unificado de cualquier color para generación y edición de imágenes
Se presenta Paint-Anything, un método que aprende una interfaz de prompt hexadecimal compartido para generación y edición de imágenes mediante supervisión de color a nivel de objeto. El trabajo desarrolla un *pipeline* de datos para construir Paint-500K a partir de imágenes reales usando anclajes de color puro. Se demuestra que Paint-Anything mejora significativamente las puntuaciones de fidelidad de color en el benchmark ACBench en el modelo FLUX.2-4B.
Aprendiendo qué decisiones de búsqueda de evidencia son importantes: Replay contrafactual calibrado para agentes de lenguaje
El artículo presenta un método llamado PCCC-RL para agentes de lenguaje que busca determinar el valor de las decisiones de búsqueda de evidencia. El método utiliza la reproducción contrafactual para evaluar el valor de las acciones tomadas por el agente. Los resultados muestran ganancias significativas en tareas como HotpotQA y MuSiQue al enfocarse en cadenas de evidencia completas.
Estilo de conducción composable para conducción autónoma de extremo a extremo
Se propone YOUDrive, un planificador de visión-lenguaje-acción para el control composable del estilo de conducción en vehículos autónomos. El sistema busca ajustar el estilo de conducción mediante vectores de tarea aprendidos, permitiendo un control continuo y composable sin necesidad de reentrenamiento. Se introduce la Puntuación de Alineación de Estilo (SAS) para describir el comportamiento cinemático después de la validación de seguridad.
EverydayBench: Evaluando la finalización satisfactoria de tareas digitales de usuario en vivo
Se presenta EverydayBench, un benchmark de 77 tareas creadas por humanos que evalúan la capacidad de agentes de IA para completar tareas digitales cotidianas. El benchmark integra verificaciones de restricciones, validación de afirmaciones y evaluación de calidad del resultado final. Los resultados muestran que modelos como Claude Opus 5.5 y Fable 5.1 obtienen el mayor índice de éxito estricto en la tarea.
Modelo de espacio de estados dependiente del canal para la predicción de series temporales multivariantes
Se propone Chameleon, un modelo de espacio de estados dependiente del canal (CD) para la predicción de series temporales multivariantes. Este modelo permite interacciones detalladas entre variables y escala linealmente con el número de variables. Los resultados demuestran que Chameleon supera a los métodos independientes del canal en conjuntos de datos de tráfico y ETT, mostrando mejor rendimiento en métricas clave.
xAppGen: Programación de lenguaje natural impulsada por LLM para desarrollo ágil de xApps
Se presenta xAppGen, un marco de programación de lenguaje natural basado en LLM que automatiza el ciclo completo de desarrollo de xApps. Esta herramienta convierte intenciones de usuario en xApps desplegables en minutos, eliminando la codificación manual. El sistema acelera significativamente el ciclo de desarrollo de xApps, mejorando la innovación en redes O-RAN.
Vector Quantization por Canal: Tokenización Visual 1D Nativa con Ordenación Aprendible
Se presenta la Cuantización Vectorial por Canal (CVQ), un nuevo paradigma de tokenización de imágenes que cuantiza cada canal del mapa de características en lugar de parches. Se introduce un modelo Autoregresivo por Canal (CAR) que predice los canales de la imagen secuencialmente para generar detalles visuales enriquecidos. Los resultados demuestran la escalabilidad del código y una alta efectividad en la generación de texto a imagen.
Equilibrio de carga bajo cambios de composición en modelos de mezcla de expertos visión-lenguaje
Se investiga el desequilibrio de carga en modelos MoE visión-lenguaje cuando cambian parámetros como resolución, _tiling_ o número de imágenes. Se propone el método ReBA para lograr un equilibrio estable de la carga visual a través de diferentes configuraciones, manteniendo la precisión. El estudio demuestra que el equilibrio de la carga se altera significativamente con la variación de la proporción imagen-texto.
GroundingPI: Un modelo fundacional de Grounding hacia la Inteligencia Física con Primitivas Visuales
Se presenta GroundingPI, un modelo fundacional de *grounding* de 4B diseñado para la inteligencia física, que genera coordenadas precisas para objetos. Este modelo supera a otros en benchmarks de *grounding*, mejorando el rendimiento en manipulación robótica y conducción autónoma. Los resultados demuestran que el *grounding* denso y el preentrenamiento perceptual son prometedores para modelos fundacionales.
Soporte de token revelador para la decodificación de modelos de lenguaje de difusión rápida
Se propone AXON, un módulo sin entrenamiento para modelos de lenguaje de difusión, que monitorea tokens enmascarados inciertos y ajusta el criterio de revelación de tokens para mejorar la compensación calidad-latencia. Este módulo interviene solo cuando es necesario, seleccionando tokens confiados para apoyar la eliminación de ruido posterior. Los experimentos demuestran que AXON mejora la calidad-latencia de los decodificadores paralelos, reduciendo evaluaciones de función manteniendo o mejorando la precisión.
TwinLab-Bench: Evaluando científicos de IA en gemelos digitales de laboratorios reales
Se presenta TwinLab-Bench, un benchmark diseñado para evaluar a los científicos de IA en la ejecución de experimentos auto-diseñados dentro de gemelos digitales de laboratorios físicos. El sistema evalúa la capacidad de los agentes de IA para llevar a cabo flujos de trabajo computacionales, seleccionar mediciones y diseñar experimentos con resultados basados en registros de laboratorio reales. Se compara el rendimiento de modelos frontera como Claude Fable 5.2 y Opus 5.5 en estas tareas complejas.
AI GameStore: Evaluación escalable y abierta de la inteligencia general de máquina con juegos humanos
Se propone el AI GameStore, una plataforma escalable que utiliza LLMs con humanos en el ciclo para sintetizar juegos humanos basados en entornos de plataformas digitales populares. Se evaluaron siete modelos de lenguaje de visión-lenguaje (VLM) en estos juegos, encontrando que los mejores modelos obtuvieron menos del 10% de la puntuación promedio humana. Se concluye con pasos futuros para desarrollar el AI GameStore como método práctico para medir el progreso hacia la inteligencia general similar a la humana en máquinas.