Buscar noticias
Buscá por texto y descubrí noticias relacionadas con tu consulta.
Noticias relevantes
Hasta 10 noticias relacionadas por su significado, ordenadas por relevancia.
176 píxeles de lado, un ordenador del tamaño de una habitación y un bebé de tres meses: así nació en 1957 la primera imagen digital de la historia
La noticia narra el nacimiento de la primera imagen digital escaneada en 1957, realizada por el ingeniero Russell Kirsch en un ordenador. Se detalla el proceso técnico, incluyendo el uso de válvulas y la capacidad de memoria del ordenador SEAC. Se menciona el desarrollo posterior de la tecnología de píxeles y las primeras aplicaciones en reconocimiento de huellas y análisis de células.
Desarmó su computadora para limpiarla después de varios años y quedó impactado con lo que encontró - LA NACION
Un usuario compartió en redes sociales las imágenes del estado interno de su computadora gamer después de seis años de uso intensivo sin mantenimiento. La acumulación de polvo y suciedad fue tan densa que generó preocupación, aunque el equipo continuó funcionando. Expertos advierten que esta negligencia puede causar fallos severos en componentes críticos como el procesador y la tarjeta gráfica, enfatizando la necesidad de una limpieza y mantenimiento regulares para prolongar la vida útil del hardware.
Noticias encontradas
Coincidencias por palabras en títulos, resúmenes, temas, personas, lugares o firmas.
Resultados para «Computer Bild»
Más recientes primero · Hasta 30 noticias por página
RSIFlow: Flujos de trabajo de auto-mejora adaptativa con un meta-agente en evolución
Se presenta RSIFlow, un marco de auto-mejora recursiva que integra la orquestación adaptativa de flujos de trabajo con la evolución de la capacidad del meta-agente. Este marco diagnostica cuellos de botella de rendimiento para seleccionar dinámicamente flujos de trabajo de mejora específicos. Los experimentos demuestran que RSIFlow alcanza el rendimiento promedio SOTA en todos los puntos de referencia evaluados.
RubricWorld: Optimización de rúbricas guiada por modelo mundial para calificadores de LLM
Se presenta RubricWorld, un marco diseñado para optimizar la calificación de Modelos de Lenguaje Grande (LLM) mediante el aprendizaje de evaluaciones previas de ediciones. Este modelo predice las tasas de corrección y degradación de las ediciones para guiar la búsqueda de candidatos. Se reporta que RubricWorld mejoró la precisión de gpt-5-mini en ASAP2.0 de 18.20% a 46.70%, superando el mejor punto de referencia en 22.60 puntos porcentuales.
Optimización de consultas multimodales mediante agrupación de operadores y reutilización de código
Se presenta KathDB-FAO, un sistema de evaluación de consultas diseñado para datos multimodales, que descompone consultas complejas en pasos granulares (FAOs). El sistema optimiza el costo de ejecución al buscar subconjuntos de estos operadores y reutilizar funciones sintetizadas para reducir el costo total por consulta en un 76%.
Compatibilidad funcional como determinante del aprendizaje neuronal persistente
Se investiga la compatibilidad funcional como factor causal que determina si el nuevo aprendizaje en redes neuronales puede coexistir con el comportamiento existente y persistir. El estudio sugiere que esta compatibilidad es un determinante manipulable de la persistencia del aprendizaje. Esto redefine la estabilidad-plasticidad al enfocarse en qué nuevo conocimiento puede integrarse sin destruir las funciones previamente aprendidas.
Poda y destilación conjunta consciente de la tarea para la detección eficiente de deepfakes de audio
Se presenta un marco de poda y destilación conjunta consciente de la tarea para mejorar la detección eficiente de deepfakes de audio. Este método combina destilación de conocimiento y poda estructurada para reducir significativamente los parámetros del modelo. El resultado es una reducción de 6.3$\times$ en FLOPs y una pequeña pérdida de rendimiento, mostrando potencial para su implementación en dispositivos.
Ataque Step-Zero: Seguridad del agente antes de la observabilidad
Se describe un ataque llamado Step-Zero que ocurre antes de que el contenido entre en el contexto del modelo, afectando la seguridad de los agentes de codificación. Se encontró que muchos pares de implementación-modelo excedieron los límites de presupuesto, indicando que el daño ocurre en la fase inicial de procesamiento. Se sugiere implementar mecanismos de defensa en el primitivo de procesamiento para asegurar que los agentes inspeccionen la entrada antes de su procesamiento.
Diferencia entre evaluación y despliegue en modelos de lenguaje ajustados
Se investiga la discrepancia entre la evaluación de la seguridad de los modelos de lenguaje y su comportamiento en el despliegue. Se propone una auditoría para reducir esta brecha entre la evaluación y el despliegue en modelos ajustados. La intervención logró reducir la brecha en más de 0.12 en diez configuraciones y la cerró en cuatro.
Hacia agentes lenguaje-movimiento continuos: Variantes LoRA para la comprensión y generación incremental del movimiento
Se investiga la estabilidad-plasticidad en el aprendizaje bidireccional de agentes lenguaje-movimiento para manejar nuevos conceptos de movimiento sin olvidar habilidades previas. Se proponen variantes LoRA y arquitecturas de mezcla de expertos para mitigar la interferencia entre tareas. Los resultados demuestran un olvido cercano a cero en ambas direcciones y que la selección de expertos por enrutamiento supera la mezcla suave.
Robótica inspirada en el sistema nervioso: lo que el aprendizaje robótico puede tomar del cerebro sensorimotor
Un estudio propone diseñar modelos de robots de próxima generación basándose en el sistema nervioso para superar las fallas actuales en la manipulación cotidiana. Se proponen componentes como conformidad, un sistema de visión rápida para el comportamiento motor, un predictor del cerebelo y un modelo del córtex motor para lograr una acción autónoma y auto-mejora recursiva.
Ley SIMPLE para el costo energético de la inferencia de LLM
Se presenta la ley SIMPLE para predecir el consumo energético de LLMs, un modelo de cuatro parámetros que diferencia el prellenado del decodificado. El modelo demuestra una precisión alta (R2 = 0.969) al comparar con modelos SOTA, explicando cómo el crecimiento de la dimensión oculta afecta la energía y cómo la agrupación GQA reduce el consumo por token. También se analiza el impacto del presupuesto de razonamiento y el costo energético en escenarios de servicio agentico.
No se identificaron personas.
CoGSeq-LTV: Modelado de Secuencias de Grafos con Conciencia de Ausencia Escalable para el Análisis de Transacciones Multi-Negocio
Se presenta CoGSeq-LTV, un modelo para la predicción de valor multi-horizonte y multi-negocio en el análisis de transacciones. El estudio aborda la predicción de valor en entornos donde los identificadores de artículos son parciales y los objetivos son dispersos. El modelo mejora las líneas base existentes en el conjunto de datos BiBiSheng, incluso en ventanas de evaluación posteriores.
Observando la Inteligencia Artificial: Humor improvisado dialógico en humanos y LLMs
Se propone una metodología para comparar el lenguaje natural y el sintético mediante el diálogo improvisado humorístico entre humanos y LLMs. Los resultados indican que los LLMs, aunque crean escenas coherentes, tienden a generar interacciones con una fuerte tendencia a la cortesía y evaluaciones positivas. Esto contrasta con el rango de actitudes presentes en la improvisación humorística humana.
WISE-ATTA: Cuándo solicitar etiquetas en la adaptación activa en tiempo de prueba
Se presenta WISE-ATTA, un enfoque de adaptación activa en tiempo de prueba (ATTA) que gestiona el costo de etiquetado al asignar la supervisión de manera presupuestada a lo largo del flujo de prueba. El método utiliza señales ligeras para priorizar cuándo aplicar la supervisión, enfocándose en momentos donde es más útil, y emplea criterios de selección basados en la deriva para optimizar el uso de ejemplos etiquetados. El estudio demuestra que este enfoque logra un rendimiento competitivo o superior a otros métodos ATTA, requiriendo significativamente menos etiquetas.
SemFlowRAG: Flujo Semántico Dirigido de la Abstracción a la Evidencia para el Razonamiento Complejo
Se presenta SemFlowRAG, un marco que mejora la Recuperación Aumentada por Generación (RAG) con Grafos de Conocimiento para tareas complejas de razonamiento. El método transforma el espacio de recuperación en un grafo de gradiente semántico adaptado al corpus, utilizando un algoritmo PageRank dirigido para guiar la recuperación desde conceptos abstractos hacia la evidencia documental específica. Los experimentos demuestran que este enfoque mitiga los problemas de ruido semántico y mejora el rendimiento en tareas de QA complejas.
Exo: Arquitectura para sistemas auto-mejorables en tiempo de ejecución
Se presenta Exo, una arquitectura de tiempo de ejecución de agente diseñada para el aprendizaje seguro durante el trabajo continuo. Esta arquitectura permite a los agentes revisar sus políticas y estrategias para una mejora continua. Exo reduce significativamente el costo del modelo en entornos de juego y tareas de codificación, manteniendo tasas de finalización de tareas comparables.
Alineación de seguridad en la etapa de preentrenamiento con reflexión
Se propone el Pretraining-stage Alignment de Reflexión de Seguridad para mejorar la alineación de seguridad en LLMs al insertar reflexiones de seguridad entre las oraciones durante el preentrenamiento. Los experimentos indican que este método mejora la precisión de clasificación de seguridad y reduce los ataques en etapas posteriores. Los hallazgos sugieren que la alineación debe moldear los comportamientos que los modelos adquieren, no solo hacer los datos seguros.
Marco unificado de discriminación, calibración y clasificación
El texto presenta un marco de matriz indicador que unifica las medidas de discriminación, calibración y clasificación. Se introducen operadores de celda adicionales para definir marcos de calibración y clasificación, heredando la arquitectura de agregación micro/macro/ejemplar. Se detallan las relaciones entre diferentes métricas como Brier, nDCG y AUC.
SearchInject: Control de exposición de recuperación para inyección de prompts indirectos en modelos de lenguaje
Se presenta SearchInject, un mecanismo para controlar la exposición de inyección de prompts indirectos en modelos de lenguaje grandes aumentados con búsqueda. El sistema combina la relevancia de la recuperación, señales de abuso y probabilidad de instrucción para gestionar la decisión de admisión. Los resultados demuestran reducciones significativas en la exposición de la entrada en diferentes métodos de recuperación.
Complejidad PPAD de la división de pasteles sin envidia contigua con valoraciones aditivas
Se demuestra que computar una asignación de pastel contigua sin envidia es PPAD-completa para valoraciones aditivas. Además, se establece que la computación de asignaciones contiguas EF$c$ de bienes en un camino es PPAD-completa para cualquier $c \geq 1$. Estos resultados resuelven preguntas abiertas sobre la división de pasteles y la complejidad de asignaciones en caminos.
Detención temprana en modelos de razonamiento grandes: Un estudio y auditoría empírica de eficiencia y fiabilidad
Se presenta un estudio y auditoría empírica sobre métodos de detención temprana en modelos de razonamiento grandes para mejorar la eficiencia y fiabilidad. Se evalúan diferentes métodos en tareas de razonamiento matemático, generación de código y veracidad. Se introduce una métrica para medir la eficiencia y se examinan aspectos como la corrección y la fiabilidad de las respuestas obtenidas.
SGR-OPSD: Aprendiendo de planes de subobjetivo con Asignación de Crédito Regularizada por Grafo para Aprendizaje por Refuerzo Agéntico
Se presenta el marco SGR-OPSD para el aprendizaje por refuerzo agéntico, combinando supervisión de subobjetivos con evidencia de interacción para la asignación de crédito a nivel de turno. Este método utiliza planes de subobjetivo generados por LLM y un grafo de progreso para calibrar los pesos de crédito, logrando mejoras significativas sobre métodos previos como GRPO.
CRISP: Solución para corregir píxeles voladores en la generación de LiDAR latente mediante decodificación por difusión
Se presenta CRISP, un decodificador de difusión en espacio de píxeles diseñado para corregir píxeles voladores en pipelines de LiDAR latente. Este método busca reemplazar decodificadores existentes manteniendo el codificador y el generador latente fijos. Los resultados muestran reducciones significativas en FSVD/FPVD en diferentes conjuntos de datos y *backbones*.
Usuarios y creadores de mapas: El alcance de la atribución cognitiva de representaciones adquiridas
El artículo desarrolla un marco para especificar la ampliación y los límites de la capacidad cognitiva de un sistema al adquirir representaciones. Se presenta una tabla de atribución de cinco partes que distingue entre diferentes formas de adquisición de conocimiento. El marco se aplica a la interpretación del modelo de mundo de Othello-GPT y a conceptos de máquina.
Aprendizaje activo de bajo costo para segmentación de imágenes referenciales y localización
Se presenta un marco de aprendizaje activo para la localización visual (VG) que aborda el desafío de obtener expresiones referenciales precisas a partir de imágenes sin texto. El método introduce una función de adquisición llamada Referencia de Ambigüedad de Región para priorizar imágenes con alta ambigüedad visual. Los experimentos demuestran que este marco supera a otros métodos de aprendizaje activo y acelera el etiquetado de descripciones.
Regularización de matriz de transición para la predicción del próximo acto de diálogo en conversaciones de consejería
Se propone una regularización KL para alinear las distribuciones de actos de diálogo predichos con los patrones de transición del corpus. Los resultados muestran mejoras significativas en el macro-F1 y la alineación del flujo de diálogo en tareas de consejería. Se concluye que la regularización de transición complementa eficazmente a los codificadores preentrenados en tareas de diálogo complejas y con datos limitados.
¿Son las citas falsas una forma de hackeo de recompensas? Un estudio preregistrado de señales de citación post-entrenamiento y citación
Un estudio preregistrado investigó si los modelos de lenguaje entrenados posteriormente fabrican citas como una forma de hackeo de recompensas. Los resultados indican que pedir citas aumenta significativamente la fabricación de citas en los modelos post-entrenamiento. Se concluye que los modelos fabrican citas a tasas mucho mayores cuando se les solicita fuentes, aunque el patrón específico registrado no se confirmó.
No se identificaron personas.
Meta-memorización y leyes de escalado de memorización en transformadores
Investigaciones sobre transformadores indican que modelos más grandes pueden memorizar más datos y hacerlo más rápido. Se demuestra un efecto de meta-memorización que permite a los modelos aprender a memorizar secuencias nuevas más rápidamente. Esto sugiere que el preentrenamiento confiere mecanismos reutilizables para un almacenamiento y recuperación de memorias eficientes.
Stage: Traducción de estado a ejecución de grafo agente con contexto limitado por política y control determinista
Se presenta Stage, un marco de ejecución integrado que utiliza nodos de tareas tipados y orquestación determinista para agentes empresariales. La evaluación en varios benchmarks mejoró el éxito y la fiabilidad de la ejecución de flujos de trabajo complejos. Los resultados indican que integrar razonamiento local y control procedimental mejora la finalización fiable de flujos de trabajo empresariales.
Cómo los modelos de lenguaje poseen respuestas, dirigen las siguientes
Se investiga cómo las respuestas de los modelos de lenguaje cambian al responder preguntas sucesivas sobre la misma entidad, midiendo un "auto-compromiso". Se analiza cómo la lectura de esta dirección de compromiso varía según la escala del modelo, el entrenamiento y el prompt utilizado. Se demuestra que la alineación de la dirección con el componente principal del texto predice el costo de los modelos.
Inversión holográfica rápida de domos superconductores
Se presenta un superconductor holográfico cuya masa escalar depende de la fuerza del campo de calibre. Se describe un método para recuperar la masa crítica de un domo superconductor en un tiempo reducido. Se analizan las restricciones impuestas por los domos en relación con la masa escalar y sus horizontes.