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
Modelos de lenguaje aprenden a mejorar modelos de lenguaje
Se propone LM2LM para entrenar LLMs con RL para generar propuestas de mejora efectivas de modelos de lenguaje. Se utiliza un modelo de mundo de investigación (RWM) como modelo de recompensa para proporcionar retroalimentación escalable. Evaluaciones muestran que LM2LM permite a Qwen3.8-27B superar a GPT-6-sol con un 33% menor costo de generación de datos.
Memorix: Gestión de selecciones de memoria para agentes de IA
Se presenta Memorix, un sistema de memoria para agentes de IA que permite calcular la selección de información necesaria de forma precomputada para reutilizarla en tareas. Este sistema aborda las limitaciones de los métodos existentes al asegurar que los agentes accedan a la documentación correcta basada en el proyecto persistente. Memorix utiliza mecanismos como un almacén versionado y una vista reproducible para mejorar la eficiencia y la fiabilidad de la memoria de los agentes.
CIS-Transolver: Un Operador Neuronal Incremental de Estado entre Capas para la Predicción del Flujo Aerodinámico Automotriz a Pequeña Escala
Se presenta CIS-Transolver, un operador neuronal incremental de estado entre capas diseñado para predecir flujos aerodinámicos automotrices complejos. El método integra información multiescala local en la modelización del flujo global mediante la extracción y combinación de momentos geométricos y memoria entre capas. Los resultados demuestran que este método reduce significativamente el error relativo y los errores espectrales de alta frecuencia en comparación con las mejores líneas base.
It Takes Two: Auto-destilación complementaria para la integridad contextual en LLMs
Se propone SELFCI, un marco de auto-destilación complementaria para mejorar la Integridad Contextual (CI) en modelos de lenguaje grandes (LLMs). Este marco optimiza la supresión de información y la resolución de tareas para equilibrar la utilidad y la privacidad. Evaluaciones empíricas muestran que SELFCI supera a métodos competitivos sin requerir supervisión externa costosa.
Compresión guardada del estado del optimizador Adam con límites de gradiente compartidos
Se investiga la compresión guardada del estado del optimizador Adam para reducir el tamaño de los momentos, manteniendo la precisión de la actualización nativa FP32 dentro de una tolerancia específica. Se demuestra que al limitar la diferencia entre las actualizaciones, se logran reducciones significativas en la carga útil de los momentos, mejorando la eficiencia de la compresión.
Exploración de métodos mixtos de factores sociotécnicos para mejorar la adopción de aplicaciones de denuncia de delitos en comunidades urbanas
Un estudio mixto exploratorio analizó los factores sociotécnicos que influyen en la adopción de aplicaciones móviles para denunciar delitos en entornos urbanos. Los resultados indican que el valor percibido, compuesto por dimensiones como seguridad y anonimato, es clave para mantener el compromiso de los usuarios. El estudio sugiere principios de diseño para crear tecnologías de denuncia de delitos centradas en la comunidad.
Poolwise: Evaluando modelos de recompensa para la selección entre prompts
Se presenta Poolwise, un protocolo diseñado para evaluar modelos de recompensa en la selección de datos a través de diferentes prompts. El protocolo mide la calidad del conjunto seleccionado y compara el ranking dentro del prompt. Los experimentos demuestran que ajustar la puntuación media de cada prompt mejora la selección de datos con una retención del 30 por ciento.
¿Qué se transfiere del texto a la visión? Leyes de escalado de capacidad y dinámicas de transferencia para VLMs
Se propone la Ley de Escalado Multimodal Basada en la Capacidad para predecir la precisión de los Modelos de Lenguaje-Visión (VLM) basándose en la capacidad textual observable de los LLM. El estudio demuestra que esta ley extrapola con precisión la tasa de transferencia de modelos y predice trayectorias de entrenamiento de VLM con alta fidelidad. El marco busca transformar la selección de la base de modelo (backbone) en una decisión cuantitativa y fundamentada.
ZenBrain: Arquitectura de memoria de 7 capas inspirada en neurociencia para sistemas de IA autónomos
Se presenta ZenBrain, una arquitectura de memoria de siete capas basada en neurociencia para agentes de LLM. Esta arquitectura incluye componentes para la memoria y algoritmos fundamentales, evaluando su rendimiento en tareas de recuperación de contexto. Los resultados indican que ZenBrain alcanza un 91.3% de precisión con una fracción de sus tokens de entrada, superando a otros sistemas en ciertas métricas.
Modelo Integrado de Riesgo Tecnológico de Tres Niveles para Seguridad y Salud Ocupacional
Se presenta un modelo de riesgo tecnológico de tres niveles para la gestión de Seguridad y Salud Ocupacional (SSO). Este marco integra el Análisis de Seguridad del Trabajo (JSA), la evaluación dinámica de riesgos y el análisis predictivo mediante LLMs. El objetivo es pasar de prácticas de seguridad reactivas a un paradigma predictivo basado en datos para la mitigación preventiva de riesgos.
Spotter: El modelo encarnado lidera y el VLM refleja por ello
Se propone Spotter, un sistema que invierte los roles entre el modelo encarnado y el modelo vision-language (VLM). El modelo encarnado ejecuta continuamente mientras el VLM monitorea, interviene y corrige errores detectados. Los resultados muestran que la implementación con GPT mejora significativamente el rendimiento de los modelos encarnados en RoboCasa y RoboTwin 2.0.
¿To Jev o no a Jev: ¿Cuándo pueden los modelos de decisión del Sistema-1 reemplazar a los jueces LLM?
Se evalúan 14 modelos de decisión del Sistema-1 contra jueces generativos para determinar su idoneidad como jueces para modelos grandes de lenguaje (LLM-as-a-judge). Los resultados indican que algunos modelos del Sistema-1 son estadísticamente indistinguibles de modelos avanzados como GPT-5.6, y son más precisos que algunos jueces generativos en varios benchmarks. Se concluye que los modelos del Sistema-1 son candidatos prometedores y potencialmente más eficientes que los jueces generativos.
Los modelos del mundo no necesitan ser correctos para clasificar políticas
Se investiga si los errores de los modelos del mundo aprendidos pueden preservar las clasificaciones par a par, incluso con valores absolutos deficientes. Se propone el método RAVEL para realizar auditorías selectivas de errores de valor en estos modelos. Los resultados muestran que la fidelidad de la clasificación y la explotación del modelo son propiedades distintas.
LaBraM a escala: Escalando datos y modelos para el preentrenamiento de EEG
Se demuestra que el preentrenamiento de EEG a gran escala con LaBraM puede generar representaciones robustas para diversas tareas. Se expandió la capacidad del modelo y los datos, logrando altos porcentajes de precisión en tareas evaluadas. Los resultados indican que escalar LaBraM es valioso, pero es crucial igualar la escala de preentrenamiento con la adaptación posterior.
NeuroPilot: Un sistema inteligente basado en agentes para procesar, control de calidad y gestionar imágenes neuronales
Se presenta NeuroPilot, un sistema multiagente impulsado por LLM diseñado para automatizar y orquestar el procesamiento, control de calidad y gestión de datos de imágenes neuronales. Este sistema estandariza flujos de trabajo y permite la adaptación dinámica de las modalidades de resonancia magnética para lograr alta escalabilidad. Se demuestra su capacidad para reducir significativamente el tiempo necesario para el entrenamiento de personal y el procesamiento de datos completos.
Auditoría de límites de evidencia para grafos de conocimiento analíticos
Se presenta una auditoría de límites de evidencia para grafos de conocimiento analíticos, conectando requisitos de competencia con una auditoría ejecutable de observaciones ambientales. La aplicación de datos públicos reconstruye estadísticas de referencia a tratamiento de Inglaterra de agosto de 2026, encontrando discrepancias en la reconciliación de registros financieros. El trabajo ofrece una interfaz de auditoría reproducible y una aplicación reconciliada de fuente.
EvoOntology: Una capa de ontología autoevolutiva para agentes de datos
Se presenta EvoOntology, una capa de ontología autoevolutiva diseñada para agentes de datos. Esta capa encapsula la ontología mediante un servidor MCP con capas de esquema, contenido y herramientas para permitir la interacción activa de los agentes. Los experimentos demuestran que EvoOntology supera a enfoques previos, cerrando la brecha entre agentes y datos heterogéneos.
Consenso de Razonamiento: Ensamblaje Estructural del Razonamiento de LLM mediante Agregación de DAGs Ponderadas
Se presenta el Reasoning Consensus (RC), una técnica que extrae un grafo de razonamiento de los procesos de cadena de pensamiento (CoT) de los Modelos de Lenguaje Grandes (LLM). Esta técnica fusiona pasos equivalentes de diferentes modelos y pondera cada paso según el soporte de las cadenas, revelando el soporte paso a paso del razonamiento. Los resultados indican que RC iguala la precisión de la votación por mayoría y el debate multiagente en diversos benchmarks.
Modelos de lenguaje nativos de voz perciben frustración pero no la escuchan
Modelos nativos de voz pueden registrar la frustración expresada en el habla, pero no parecen procesar o escuchar la frustración subyacente. Las evaluaciones indican que estos modelos muestran robustez al no detectar un efecto vocal en la precisión, incluso cuando la frustración es percibida por los oyentes humanos. El estudio demuestra que la invariancia a la formulación frustrada es una forma de robustez genuina en estos sistemas.
Vista de la Regla de Renormalización espectral del aprendizaje
Se estudia la convergencia de capas en redes neuronales profundas utilizando ideas de la Regla de Renormalización-Grupo Wilsoniana. Se postula que el exponente $\\alpha=2$ marca el límite entre aprendizaje estable y sobreajuste. Los resultados sugieren una visión de la Regla de Renormalización-Grupo espectral del aprendizaje, indicando que las redes neuronales pueden alcanzar una estructura espectral común.
RecGroupMemory: Memoria de Cohorte Sensible al Feedback para Recomendación en Comercio Electrónico
Se presenta RecGroupMemory, un flujo de trabajo que utiliza memoria de cohorte para la planificación de recomendaciones en comercio electrónico mediante LLMs. Este sistema permite actualizar la guía de decisión basándose en el feedback recibido, manteniendo la validez de las observaciones originales. Las pruebas mostraron aumentos en el número de usuarios de transacciones guiadas al incorporar la memoria con feedback.
Decisiones invariantes al orden mediante reordenamiento cíclico iterado
Se propone el modelo IJev para resolver problemas de decisión, que reordena repetidamente las opciones mediante una distribución corregida y promediando el orden cíclico. Este método busca eliminar la dependencia del orden de entrada en las decisiones. Se demuestra que IJev logra una tasa de volteo cero en todos los puntos de referencia evaluados.
Optimización de la Suma de Ventaja Blanqueada: Agregación Sensible a la Correlación para Aprendizaje por Refuerzo Multi-Recompensa
Se presenta WAS-PO, un método de aprendizaje por refuerzo que blanquea las ventajas normalizadas con $\Sigma^{-1/2}$ para aplicar pesos elegidos a los componentes decorrelacionados. Este método superó a GDPO en la recompensa de entrenamiento en pruebas con tres y cuatro recompensas. Además, WAS-PO sustituye la normalización por prompt de GDPO por normalización a nivel de lote.
Límites inferiores para el muestreo de difusión paralela
Se establecen los primeros límites inferiores polinomiales en la complejidad de ronda del muestreo de difusión con puntuaciones aproximadas. Se demuestra un límite inferior de ronda $\widetilde{\Omega}(d^{1/3})$ para mezclas gaussianas y un límite estricto de $\Omega(d)$ para el muestreo uniforme de cajas alineadas con ejes. Estos resultados aplican a algoritmos aleatorios con errores de puntuación de inversa polinomial.
Superresolución 4K en NPUs móviles: Informe del Desafío Mobile AI 2026
Se presenta un informe del desafío Mobile AI enfocado en el uso de superresolución de imagen en dispositivos móviles mediante unidades de procesamiento neuronal (NPU). Los participantes diseñaron soluciones para escalar imágenes de Full HD a resolución 4K en tiempo real utilizando NPUs de Qualcomm y MediaTek. Las soluciones destacadas lograron reconstruir imágenes 4K en menos de 5 milisegundos con una puntuación PSNR de 30 dB.
- Andrey Ignatov
- Georgy Perevozchikov
- Radu Timofte
- Fubin Ren
- Shihao Wang
- Liwen Zhang
- Zhe Xu
- Zhipei Lei
- Minjian Zhang
- Kailing Tang
- Dingyong Gou
- Yanlin Wu
- Cong Li
- Xiaohui Cui
- Kihwan Yoon
- Ganzorig Gankhuyag
- Heo MyeongCheol
- Yonghyun Park
- Juho Jung
- Sungjei Kim
- Phuong-Nam Nguyen-Pham
- Nam-Tien Le
- Tinh-Anh Nguyen-Nhu
- Matin Fazel
- Abdelhak Bentaleb
- Xinrui Li
- Xusheng He
- Jianlong Wu
- Mohsin Ikram
- Dmitry Ignatov
- Hao Chen
- Long Sun
- Jiangxin Dong
- Jinshan Pan
- Jinhui Tang
- Siyue Teng
- Yuxuan Jiang
- Fan Zhang
- David Bull
- Zhe Xiao
- Jun Xiao
- Zhi-Song Liu
- Jiayi Pei
- Songtao Wu
- Hong Shang
- Kuanhong Xu
Conjunto de datos de colaboración humana de modelos mentales a nivel de acción para la colaboración de agentes
Se presenta ALMANAC, un conjunto de datos de anotaciones de modelos mentales a nivel de acción para la colaboración de agentes, diseñado para mejorar la comprensión de la colaboración entre humanos y agentes de LLM. Este conjunto de datos incluye 2,987 acciones de colaboración con anotaciones que registran el razonamiento, la intención y el objetivo de los participantes. Los resultados demuestran la utilidad de ALMANAC para evaluar la capacidad de los modelos de lenguaje grande para simular comportamientos colaborativos humanos.
Wall Street cerró mixto; el desplome tecnológico arrastró al Nasdaq
Los mercados financieros en Estados Unidos cerraron mixtos debido a la presión de venta sobre las empresas de tecnología e inteligencia artificial. El Nasdaq Composite fue el índice que más perdió, arrastrado por acciones de fabricantes de semiconductores. Los inversionistas están rotando capitales fuera de firmas de crecimiento tras debilidades en los reportes financieros.
No se identificaron personas.
Ciberestafas: Aumento de fraudes en Madagascar |
La ciberestafa está en aumento en Madagascar, con redes de fraude que operan principalmente contra el extranjero, especialmente Estados Unidos. Se han desmantelado centros de ciberestafa que incautaron millones de dólares en criptomonedas. Las técnicas utilizadas incluyen phishing, suplantación de identidad y estafas sentimentales. Se busca una cooperación internacional para combatir estas actividades transfronterizas.
Los 5 mejores discos de Radiohead según Indie Hoy
La noticia analiza los cinco mejores discos de Radiohead, destacando la evolución artística de la banda desde "The Bends" hasta "Kid A". Se resalta la innovación sonora, la experimentación y la influencia de la banda en la definición del rock moderno. Se mencionan logros como el éxito comercial y la crítica recibida en discos clave como "OK Computer" e "In Rainbows".
Merz está a favor de que Alemania tenga una mujer como primera presidenta
El canciller alemán Friedrich Merz expresó su apoyo a que Alemania tenga una mujer como primera presidenta tras el mandato de Frank-Walter Steinmeier. Merz indicó que su preferencia es por una candidata de centro y que debe ser una mujer. Se han mencionado varias candidatas potenciales, incluyendo a Julia Klöckner e Ines Claus, y se espera que la CDU y la CSU busquen el apoyo del SPD para elegir a la sucesora.