Buscar noticias

Buscá por texto y descubrí noticias relacionadas con tu consulta.

Noticias relevantes

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

Directores de Machine Learning analizan el impacto de la IA en comercio electrónico, ingeniería, educación y SaaS

Cuatro directores de Machine Learning —Javier Mansilla (Mercado Libre), Shaun Gittens (MasterPeace Solutions), Samuel Franklin (Pluralsight) y Evan Castle (Elastic)— comparten sus perspectivas sobre el impacto del ML en comercio electrónico, ingeniería, educación y SaaS. Abordan aplicaciones como prevención de fraude, personalización, detección de anomalías y búsqueda vectorial, y advierten sobre errores comunes como usar herramientas sobredimensionadas o descuidar el sesgo y los pipelines de despliegue. Coinciden en que la maduración de herramientas y prácticas acortará los ciclos de desarrollo de modelos.

Periodista: Firma no identificada

Enrutamiento dinámico de precisión mixta para una interacción eficiente de LLM

Se propone el Enrutamiento Dinámico de Precisión Mixta (DMR) para mejorar la eficiencia de la interacción de modelos de lenguaje grandes (LLM) en tareas agenticas de largo horizonte. DMR selecciona adaptativamente entre versiones de alta y baja precisión del LLM en cada paso de decisión, identificando pasos críticos para optimizar el rendimiento y reducir el costo de inferencia. Este enfoque logra una aceleración de decodificación promedio de 2.44x sobre FP16 en benchmarks de agentes.

Periodista: Yuanzhe Li, Jianing Deng, Jingtong Hu, Tianlong Chen, Song Wang, Huanrui Yang

Personas mencionadas

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.

Periodista: Pranava Sai Maganti, Meghasyam Peddireddy, Muzakker Hossain, Kaining Gao, Farhan Ahmed, Ali Jannesari

Personas mencionadas

Mezcla de capas: Enrutamiento de capas dinámico para el razonamiento visual

Se propone Mixture of Layers (MoL), un enfoque de enrutamiento de capas condicionado por instrucciones a nivel de parche para agregar dinámicamente representaciones latentes de capas intermedias del codificador de visión. Este método busca mejorar el acceso a características visuales específicas para el razonamiento visual de grano fino en Modelos de Lenguaje Grande Multimodales (MLLMs). Los experimentos muestran mejoras significativas en tareas de razonamiento visual, superando a los MLLMs de referencia sin aumentar la complejidad de la entrada.

Periodista: Jeonghwan Kim, Sofia Stoica, Jiwan Chung, Ansel Blume, Hyeonjeong Ha, Zhenhailong Wang, Xin Luna Dong, Heng Ji

Personas mencionadas

Renovación Popular plantea que Gobierno dé garantía o aval a endeudamiento de la MML

El Congreso aprobó leyes clave de endeudamiento y equilibrio financiero, enviadas por Perú. Un diputado solicitó al Gobierno nacional que otorgue garantía o aval para el endeudamiento de la Municipalidad Metropolitana de Lima (MML) por 20 años. Expertos advierten que esta medida podría crear un precedente de rescate financiero y un riesgo fiscal significativo para la ciudad.

Periodista: Whitney Miñán

Noticias encontradas

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

Resultados para «ML»

Más recientes primero · Hasta 30 noticias por página

OpenAI lanza la familia GPT-5.6 con los modelos Sol, Terra y Luna

OpenAI lanzó la familia de modelos GPT-5.6, compuesta por Sol (buque insignia), Terra (equilibrado) y Luna (el más económico), disponible en ChatGPT, Codex y la API. La compañía afirma que Sol logra resultados de vanguardia en programación, trabajo de conocimiento, ciberseguridad y ciencia con menos tokens y menor costo que modelos competidores. También presentó los modos de razonamiento max y ultra, y reforzó sus salvaguardas de seguridad, con precios por millón de tokens de 5/30 dólares para Sol, 2,50/15 para Terra y 1/6 para Luna.

Periodista: Firma no identificada

Bloques de construcción de AWS para el entrenamiento e inferencia de modelos fundacionales

Artículo técnico de AWS que describe los bloques de infraestructura para entrenar e inferir modelos fundacionales: cómputo acelerado con GPU NVIDIA (familias P5 y P6), red EFA de baja latencia y almacenamiento por niveles con NVMe, FSx for Lustre y S3. Detalla la orquestación con Slurm y Kubernetes (incluido SageMaker HyperPod), la pila de software de ML desde CUDA y NCCL hasta PyTorch, y la observabilidad con Prometheus y Grafana. Sostiene que los tres regímenes de escalado —preentrenamiento, postentrenamiento y cómputo en tiempo de prueba— convergen en los mismos requisitos de infraestructura.

Periodista: Keita Watanabe, Pavel Belevich, Aman Shanbhag

OCR de última generación con Core ML y dots.ocr: cómo llevar un modelo de 3B a la ejecución en dispositivo

El artículo técnico describe la conversión del modelo de OCR dots.ocr, de 3B parámetros y desarrollado por RedNote, para ejecutarse en dispositivo mediante Core ML y MLX de Apple. Los autores detallan el proceso de conversión de PyTorch a Core ML, la resolución de errores sucesivos en el grafo de ejecución y una evaluación inicial que arroja un modelo de más de 5 GB y más de un segundo por pasada del codificador de visión. El texto forma parte de una serie de tres partes sobre optimización para el Neural Engine.

Periodista: Christopher Fleetwood, Pedro Cuenca

Swift Transformers alcanza la versión 1.0 y apunta al futuro con MLX y agentes

El equipo de Hugging Face anunció el lanzamiento de la versión 1.0 de swift-transformers, una biblioteca de Swift para integrar modelos de lenguaje locales en plataformas Apple Silicon, incluidos los iPhone. La versión consolida Tokenizers y Hub como módulos independientes, incorpora una nueva versión de swift-jinja mucho más rápida y adopta API modernas de Core ML con soporte para modelos con estado. El equipo anticipó que tras esta entrega se enfocará en MLX y en casos de uso agénticos, incluido el protocolo MCP.

Periodista: Pedro Cuenca, Christopher Fleetwood, Mattt, Vaibhav Srivastav

FastRTC: la biblioteca de comunicación en tiempo real para Python

Hugging Face presentó FastRTC, una biblioteca de código abierto para Python que facilita la creación de aplicaciones de audio y video con IA en tiempo real, con detección automática de voz, interfaz Gradio con WebRTC y soporte para FastAPI. El anuncio se produce en un contexto de auge de modelos de voz en tiempo real, como los de OpenAI, Google, Kyutai y Alibaba, y de una ronda de 180 millones de dólares de ElevenLabs. La herramienta busca resolver la dificultad de los ingenieros de ML para construir aplicaciones de streaming en Python.

Periodista: Freddy Boulton, Abubakar Abid

Personas mencionadas

Directores de Machine Learning analizan el impacto de la IA en comercio electrónico, ingeniería, educación y SaaS

Cuatro directores de Machine Learning —Javier Mansilla (Mercado Libre), Shaun Gittens (MasterPeace Solutions), Samuel Franklin (Pluralsight) y Evan Castle (Elastic)— comparten sus perspectivas sobre el impacto del ML en comercio electrónico, ingeniería, educación y SaaS. Abordan aplicaciones como prevención de fraude, personalización, detección de anomalías y búsqueda vectorial, y advierten sobre errores comunes como usar herramientas sobredimensionadas o descuidar el sesgo y los pipelines de despliegue. Coinciden en que la maduración de herramientas y prácticas acortará los ciclos de desarrollo de modelos.

Periodista: Firma no identificada

Análisis de sentimiento sobre datos cifrados mediante cifrado homomórfico

El artículo explica cómo aplicar análisis de sentimiento sobre datos cifrados usando cifrado totalmente homomórfico (FHE) con la biblioteca Concrete-ML. Se entrena un modelo que combina representaciones de un transformer BERT con XGBoost, alcanzando una precisión del 85% sobre tuits. El modelo permite predecir sobre datos cifrados con un tiempo de inferencia FHE de 4,4 segundos por ejemplo, desplegable mediante un protocolo cliente/servidor.

Periodista: Jordan Frery

Personas mencionadas