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.

Periodista: Agencias

Personas mencionadas

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.

Periodista: Luis Torralba

Personas mencionadas

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.

Periodista: Luis Torralba

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.

Periodista: Estefanía Pastor León

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.

Periodista: Luis Torralba

Personas mencionadas

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.

Periodista: Agencias

Personas mencionadas

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.

Periodista: Minjae Kwon, Amir Moeini, Shangtong Zhang, Lu Feng

Personas mencionadas

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.

Periodista: Ben Jiang

Personas mencionadas

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.

Periodista: El Destape

Personas mencionadas

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.

Periodista: Gonzalo Miranda

Personas mencionadas

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

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.

Periodista: Hui Cai, Kangcheng Deng, Tianyi Ma, Qixuan Yang, Jiacheng Lu, Rui Sun, Beidi Luan, Jing Li, Zuo Bai

Personas mencionadas

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.

Periodista: Yihan Wang, Haochen Sun, Xi He, Yaoliang Yu, N. Asokan

Personas mencionadas

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.

Periodista: Yida Pan, Yixuan Jia, Chaoyan Huang, Qing Qu, Ismail Alkhouri

Personas mencionadas

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.

Periodista: Alexandra G. Roberts, Maneesh John, Jinwei Zhang, Dominick Romano, Mert Sisman, Ki Sueng Choi, Heejong Kim, Mert R. Sabuncu, Thanh D. Nguyen, Alexey V. Dimov, Pascal Spincemaille, Brian H. Kopell, Yi Wang

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.

Periodista: Jerome Euzenat

Personas mencionadas

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.

Periodista: Yuan Li, Hanyun Jiang, Guowei Tian, Chengpeng Wang, Peisen Yao

Personas mencionadas

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.

Periodista: Yasmin Tousinejad, Vera Koponen

Personas mencionadas

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.

Periodista: Jessica Tang, Shraddha Barke, Sharad Agarwal

Personas mencionadas

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.

Periodista: Fabian A. Mikulasch, Friedemann Zenke

Personas mencionadas

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.

Periodista: Ji Xie, Dewei Zhou, Xinyu Huang, Zhennan Chen, Xun Wang

Personas mencionadas

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.

Periodista: Renwei Meng, Chengyi Sun, Hongyi Zhang, Xiaoyi Hou

Personas mencionadas

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.

Periodista: Guantian Zheng, Lidong Yu, Tianyu Gao, Jiashu Li, Jiaxing Chen, Wilfried Ariel Mulyawan, Chen Lv

Personas mencionadas

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.

Periodista: Fangrui Huang, Bingyang Wang, Chuhan Li, Yijiang Li, Arpandeep Khatua, Austin Shen, Riki R Z Choi, Cuiyuanxiu Chen, Jin Huang, Zachary Robertson, Kate Lin, Akshay Paruchuri, Sijun Tan, Xin Liu, Zhengmin Ni, Sanmi Koyejo, Ehsan Adeli

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.

Periodista: Yu-Cheng Wu, Fan-Keng Sun, Li-Chun Lu, Duane S. Boning

Personas mencionadas

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.

Periodista: Xin Li, Shiming Yu, Leming Shen, Jianing Zhang, Yuanqing Zheng, Yaxiong Xie

Personas mencionadas

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.

Periodista: Wei Song, Tianhang Wang, Yitong Chen, Tong Zhang, Zuxuan Wu, Min Li, Jiaqi Wang, Kaicheng Yu

Personas mencionadas

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.

Periodista: Ziang Wu, Peng Jin, Qishen Yin, Munan Ning, Hao Li, Peizhen Zhang, Huihui Zhou, Li Yuan

Personas mencionadas

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.

Periodista: Qize Yu, Lianrui Fan, Boyu Chen, Jiaqi Liang, Xini Ding, Yue Chen, Zetian Song, Yuran Wang, Yi Zou, Kaixuan Wang, Tianxing Chen, Wenxuan Song, Bohan Zhou, Mingleyang Li, Siqiao Huang, Yuqi Ye, Caigao Jiang, Wei Wei, Ruihai Wu, Hang Zhang, Yixiao Ge, Shuchang Zhou, Shilong Liu, Xianming Liu, Ping Luo, Shiyu Huang

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.

Periodista: Giries Abu Ayoub

Personas mencionadas

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.

Periodista: Yang Wan, Linchao Zhu

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.

Periodista: Lance Ying, Ryan Truong, Prafull Sharma, Kaiya Ivy Zhao, Nathan Cloos, Kelsey R. Allen, Thomas L. Griffiths, Katherine M. Collins, José Hernández-Orallo, Phillip Isola, Samuel J. Gershman, Joshua B. Tenenbaum

Ganancias empíricas de seguridad al usar flujos de trabajo agenticos guiados por TRiSM en la generación de informes médicos

Un estudio aplica el marco TRiSM para transformar un flujo de trabajo inseguro en uno consciente de la seguridad para la generación de informes médicos asistidos por IA. La revisión de los diseños redujo significativamente el éxito de ataques como el envenenamiento de RAG y la inyección de campos de datos. El rediseño mejoró la precisión del informe y limitó la divulgación de datos sensibles durante las pruebas de seguridad.

Periodista: Liam Kearns

Personas mencionadas

DAST: Marco VLM-LLM para detección de anomalías entre interfaces en O-RAN

Se presenta DAST, un marco de multi-agente de cero-shot diseñado para la detección de anomalías entre interfaces en O-RAN mediante un *pipeline* VLM $\rightarrow$ LLM $\rightarrow$ VLM. Este método convierte flujos de KPI multivariados en representaciones visuales y verifica sospechas en mapas de calor para identificar interfaces problemáticas y su impacto operativo. DAST superó a las líneas de base de detección de anomalías de series temporales (TSAD) en pruebas realizadas en un *testbed* de O-RAN.

Periodista: Francesco Spinelli, Esteban Municio, Pau Baguer, Gines Garcia-Aviles, Xavier Costa-Perez

Personas mencionadas

El dilema post-entrenamiento: Por qué debemos reconsiderar el paradigma SFT-RL

Se argumenta que el paradigma SFT-then-RL en el post-entrenamiento de LLM tiene una limitación fundamental: el RL degrada las capacidades obtenidas por el SFT debido a la ortogonalidad de los subespacios de parámetros. Los experimentos confirman que la pérdida SFT aumenta después de la fase de RL. Se proponen tres direcciones de investigación para abordar este problema, incluyendo la optimización conjunta de objetivos y la programación consciente del paisaje.

Periodista: Xueyan Niu, Bo Bai, Wei Han, Weixi Zhang

Personas mencionadas

Mejora el rendimiento de modelos sin razonamiento a costo insignificante

Se propone Post-Reasoning, un método para mejorar modelos ajustados por instrucción condicionándolos a justificar sus respuestas después de generar la respuesta final. Este enfoque busca obtener la respuesta final sin tokens de razonamiento previos, reduciendo la latencia y el costo operativo. Los resultados muestran que Post-Reasoning mejora el rendimiento en el 84.62% de las configuraciones evaluadas, logrando una mejora media del 15.57%.

Periodista: Richmond Sin Jing Xuan, Rishabh Bhardwaj, Soujanya Poria

Personas mencionadas

No se identificaron personas.

Propuesta de modelo generativo profundo para la separación espectral en microscopía de fluorescencia

Se propone Split, un modelo generativo profundo informado por la física que utiliza un Variational Autoencoder jerárquico para aprender una distribución condicional sobre mapas de concentración. Este modelo busca mejorar la separación espectral en imágenes de microscopía de fluorescencia, ofreciendo un rendimiento competitivo y mayor robustez en condiciones de alto ruido. El método es compatible con microscopios confocal estándar, permitiendo su adopción inmediata.

Periodista: Federico Carrara, Talley Lambert, Mehdi Seifi, Florian Jug

Personas mencionadas

Experiencia: Crear un personaje 3D con un solo dibujo... NC AI 'Barco' ayuda en el desarrollo de juegos

Una inteligencia artificial (IA) permite crear personajes 3D con solo una imagen 2D mediante comandos de texto. Esta tecnología puede transformar diseños a objetos tridimensionales con texturas detalladas. Además, la IA puede generar efectos de sonido ambientales como olas y truenos para mejorar contenido visual.

Periodista: Firma no identificada

Personas mencionadas

No se identificaron personas.

Google unirá fuerzas con Blue Origin para enviar centros de datos de IA al espacio

Google y Blue Origin planean enviar satélites con unidades TPU a órbita para ejecutar sistemas de IA en el espacio a través del Proyecto Suncatcher. El objetivo es reducir la presión sobre la infraestructura terrestre de energía y refrigeración al trasladar la computación de IA al espacio. Se explora la posibilidad de que la IA basada en el espacio sea la única forma de escalar la infraestructura de cómputo necesaria para la IA.

Periodista: Armaan Agarwal

CEO de Tempus AI vende acciones por $645,720

El CEO y Director de Datos de Tempus AI, Ryan Fukushima, vendió acciones el 17 de noviembre de 2026 para cumplir con obligaciones fiscales. La venta ocurrió en un momento de caída de la acción, aunque el análisis sugiere que el stock podría estar sobrevalorado. Además, Tempus AI ha renovado un acuerdo financiero con AstraZeneca y varios analistas han emitido nuevas recomendaciones y objetivos de precio.

Periodista: Investing.com

Director de contabilidad de Tempus AI vende acciones por $97,045

El Director de Contabilidad de Tempus AI, Ryan Bartolucci, vendió 1,540 acciones de la compañía el 17 de noviembre de 2026 por un valor total de $97,045. Estas ventas se realizaron para cubrir obligaciones de retención de impuestos relacionadas con el vesting de acciones restringidas. Además, Tempus AI anunció un acuerdo revisado con AstraZeneca por $200 millones y varias firmas analistas han ajustado sus perspectivas sobre la empresa.

Periodista: Investing.com

Personas mencionadas