Buscar noticias
Buscá por texto y descubrí noticias relacionadas con tu consulta.
Noticias relevantes
Hasta 10 noticias relacionadas por su significado, ordenadas por relevancia.
Más que un cambio de imagen: Dentro del Taller de Resurgimiento Textil de la NYU
La profesora Jessamyn Hatcher promueve el Taller de Resurgimiento Textil en la NYU para fomentar la reconsideración de las relaciones con la moda, el trabajo y el consumo de ropa. El proyecto busca que los estudiantes transformen prendas descartadas mediante reparación y rediseño, explorando las implicaciones ambientales y laborales de la industria. Hatcher integra estas prácticas en el currículo para promover una comprensión más profunda de los materiales y desafiar la conexión entre la moda y el capitalismo.
Piensa antes de comprar
El artículo aborda la cultura de la moda y el consumo excesivo, enfocándose en la sostenibilidad y la circularidad de la ropa. Se discuten los desafíos del reciclaje de textiles sintéticos y la necesidad de pensar antes de comprar prendas nuevas. Se proponen alternativas como el intercambio de ropa para reducir el consumo y fomentar un estilo de vida más sostenible.
Hack Fashion 2026: una pasarela combina creatividad, tecnología y sostenibilidad
Se realizará el Hack Fashion el jueves 5 de noviembre de 2026 en el rooftop de la Universidad Privada Franz Tamayo en Santa Cruz de la Sierra, como parte de Futures Week Bolivia 2026. El evento explorará la moda sostenible mediante el uso de biomateriales, reutilización de prendas y fabricación digital, buscando transformar residuos en propuestas de moda. El desfile busca demostrar cómo la creatividad y la tecnología pueden integrarse para reflexionar sobre un futuro urbano más sostenible.
El arte de abrigar la casa, del suelo al sofá
La noticia aborda la recuperación de los textiles como una forma más amable y sostenible de habitar, contrastando la dependencia de la calefacción con el confort que ofrecen las fibras naturales. Se destaca la tradición artesanal de empresas como Alfombras Peña y la innovación en el sector textil, incluyendo colaboraciones entre marcas de lujo y el enfoque social de cooperativas que emplean a personas con discapacidad intelectual.
Hack Fashion en Bolivia: jóvenes diseñadores transforman residuos en moda sostenible
Jóvenes diseñadores en Bolivia utilizaron residuos como yerba mate y plátano para crear moda sostenible en el desfile Hack Fashion 2026. Las propuestas incluyeron el uso de biocuero, fibra de tallo de plátano y técnicas de impresión 3D y electrónica. El evento buscó demostrar alternativas a los textiles tradicionales mediante la innovación con biomateriales y la economía circular.
Genteelhome y Wildflour lanzan colección de cocina de madera reciclada
Genteelhome y Wildflour han lanzado una colección colaborativa de piezas de cocina hechas con madera reciclada, denominada “Hapag”. La colaboración subraya el compromiso de ambas empresas con la sostenibilidad y la artesanía. La colección incluye seis piezas funcionales diseñadas para diversas ocasiones de comedor y está disponible actualmente en tiendas seleccionadas.
"Vestir Mundos" en el Moderno: backstage de una genealogía textil
La exposición "Vestir Mundos" en el Museo de Arte Moderno de Buenos Aires, curada por Raúl Flores y Franco Chimento, explora 25 años de diseño de indumentaria argentina a través de un archivo exhaustivo y diálogos entre generaciones de creadores. La muestra, alianza con la Fundación IDA, resalta la transformación de la industria de la moda, abordando temas como la crisis del 2001, el fast fashion y la aceleración de los procesos. Incluye piezas de diseñadores como Jessica Trosman, Martín Churba, Milagros y Franco Chimento, y se puede visitar hasta el 1 de julio de 2027.
Un tres ambientes reformado para darle lugar a la propia historia
La arquitecta Patsy del Gobbo se mudó a Casa Living tras haber vivido 30 años en Tandil. La propiedad, ubicada en San Isidro, fue diseñada para reflejar su personalidad, combinando muebles de diversas procedencias y un diseño interior monocromático. La casa ofrece espacios integrados para trabajar, hacer yoga y disfrutar de la vida familiar.
Cuando las palabras se convierten en tejido: el encuentro entre Simorra y Textil Teranyina
La marca de moda Simorra colaboró con el taller Textil Teranyina para desarrollar tejidos artesanales para su colección otoño/invierno 2027. Ambas firmas organizaron un encuentro en el taller para explorar técnicas tradicionales y materiales, como la lana sin hilar, para materializar el concepto de su colección Texere. Se destacó la viabilidad comercial de los tejidos artesanales tradicionales, aunque se enfatiza la necesidad de mantener colecciones pequeñas.
Estudiantes de UMich dan nueva vida a la mercancía vieja en taller Pop-Up
Estudiantes de la Universidad de Michigan participaron en un taller de "Remix de Mercancía de Michigan" donde transformaron ropa vieja mediante técnicas de *patchwork* y reparación. El evento promovió la sostenibilidad al fomentar la reutilización de prendas y enseñó habilidades prácticas de arreglo textil. Los organizadores buscan hacer que las prácticas sostenibles sean más accesibles para los estudiantes universitarios.
Noticias encontradas
Coincidencias por palabras en títulos, resúmenes, temas, personas, lugares o firmas.
Resultados para «Hub Textil Living Lab»
Más recientes primero · Hasta 30 noticias por página
Cómo enviar un billón de parámetros con un bucket del Hub: sincronización de pesos por delta en TRL
Investigadores de Hugging Face publicaron en TRL una técnica de sincronización de pesos por delta para entrenamiento de RL asíncrono: en lugar de enviar el modelo completo al motor de inferencia en cada paso, codifican solo los elementos bf16 que cambiaron como un archivo safetensors disperso y lo suben a un Bucket del Hub que vLLM descarga. Como entre pasos consecutivos cerca del 99% de los pesos bf16 son idénticos bit a bit, la carga por paso cae de 1,2 GB a 20-35 MB en Qwen3-0.6B. Demostraron un entrenamiento totalmente desagregado con entrenador, vLLM y entorno Wordle en máquinas y Spaces distintos, sin clúster compartido, RDMA ni VPN.
Diego Urquijo: El emprendedor latino que ayuda a Macy’s a evitar robos y ahora mira hacia las pymes
Diego Urquijo, fundador de URPE AI Lab, utiliza inteligencia artificial para pasar de la vigilancia reactiva a la prevención predictiva del shrinkage en el retail. Su sistema analiza datos en tiempo real para anticipar pérdidas antes de que ocurran, validado por su colaboración con Macy’s. El objetivo es democratizar estas herramientas de IA para ayudar a las pequeñas y medianas empresas a protegerse contra robos y errores operativos.
LeRobot v0.5.0: escalando todas las dimensiones
LeRobot lanzó la versión v0.5.0, su mayor actualización hasta la fecha, con más de 200 PR fusionados y más de 50 nuevos contribuyentes desde la v0.4.0. La versión incorpora el soporte completo del humanoide Unitree G1, nuevas políticas de aprendizaje robótico como Pi0-FAST, Real-Time Chunking, Wall-X, X-VLA y SARM, y codificación de video en streaming que elimina las esperas entre episodios. También suma EnvHub para cargar entornos de simulación desde Hugging Face Hub, integración con NVIDIA IsaacLab-Arena y una modernización de la base de código con Python 3.12+ y Transformers v5.
Hugging Face presenta Modular Diffusers, bloques componibles para pipelines de difusión
Hugging Face presentó Modular Diffusers, un nuevo sistema para construir pipelines de difusión mediante la composición de bloques reutilizables en lugar de escribir pipelines completos desde cero. La propuesta complementa la clase DiffusionPipeline con una alternativa flexible que permite inspeccionar, intercambiar y publicar bloques personalizados en el Hub. También se mostró su integración con Mellon, una interfaz visual de nodos, y pipelines de la comunidad como Krea Realtime Video y Waypoint-1.
OpenAI presenta un marco para medir el impacto de la IA en los resultados de aprendizaje
OpenAI presentó el Learning Outcomes Measurement Suite, un marco desarrollado con la Universidad de Tartu de Estonia y la SCALE Initiative de Stanford para medir de forma longitudinal el impacto de la IA en el aprendizaje. Un estudio aleatorizado con más de 300 universitarios mostró mejoras de aproximadamente 15% en microeconomía con el modo estudio, aunque en neurociencia los resultados no se distinguieron del grupo de control. El marco se validará con casi 20.000 estudiantes de 16 a 18 años en Estonia y se publicará como recurso público para escuelas y universidades.
Kernels personalizados para todos: Codex y Claude escriben kernels CUDA de producción
Investigadores de Hugging Face crearon una skill de agente que enseña a herramientas de programación con IA como Claude y Codex a escribir kernels CUDA de producción. La probaron en un pipeline de diffusers (LTX-Video) y un modelo de transformers (Qwen3-8B) en GPU H100, logrando aceleraciones de hasta 1.94x en benchmarks aislados de RMSNorm y mejoras de extremo a extremo. Los kernels pueden publicarse en el Kernel Hub para cargarse con una sola línea de código.
Hugging Face lanza Community Evals para descentralizar la evaluación de modelos de IA
Hugging Face anunció Community Evals, un sistema que permite a los repositorios de datasets alojar rankings de benchmarks y a los modelos almacenar sus propias puntuaciones de evaluación en archivos YAML. Cualquier usuario de la comunidad puede enviar resultados mediante pull requests, con insignias verificadas que acreditan su reproducibilidad. La iniciativa busca cerrar la brecha entre las puntuaciones de los benchmarks y el rendimiento real de los modelos de IA, exponiendo qué se evalúa, cómo, cuándo y por quién.
Hugging Face permite a Claude fine-tuning de modelos de lenguaje de código abierto
Hugging Face presentó una nueva herramienta llamada Hugging Face Skills que permite a agentes de programación como Claude Code, Codex y Gemini CLI realizar el fine-tuning completo de modelos de lenguaje de código abierto. La skill hf-llm-trainer enseña al agente a validar datasets, seleccionar GPUs, enviar trabajos a la nube, monitorear el entrenamiento y publicar los modelos en el Hub, con soporte para SFT, DPO y GRPO. El proceso puede costar desde centavos hasta decenas de dólares según el tamaño del modelo, que va de 0.5B a 70B parámetros.
OpenAI anuncia los primeros beneficiarios del Fondo de IA Centrada en las Personas
La Fundación OpenAI anunció los primeros 208 beneficiarios del Fondo de IA Centrada en las Personas, con 40,5 millones de dólares en subvenciones sin restricciones para organizaciones sin fines de lucro de base comunitaria en Estados Unidos. Los fondos se desembolsarán antes de fin de año y una segunda ola de 9,5 millones de dólares, dirigida por la Junta, se anunciará en los próximos meses. Las subvenciones se centran en alfabetización en IA, innovación comunitaria y oportunidad económica.
Apriel-H1: la clave inesperada para destilar modelos de razonamiento eficientes
Investigadores de ServiceNow-AI presentaron Apriel-H1, una familia de modelos híbridos que combina capas de atención con capas Mamba para acelerar el razonamiento de un modelo de 15B. El hallazgo central es que destilar sobre trazas de razonamiento de alta calidad, y no sobre datos de preentrenamiento, preserva la calidad: el modelo insignia logra 2,1x de rendimiento con retrocesos mínimos en benchmarks. Publicaron los siete checkpoints y el framework Fast-LLM para hacer reproducible el método.
Hugging Face facilita la creación y el intercambio de kernels ROCm para GPUs AMD
Hugging Face publicó una guía para compilar, probar y compartir kernels ROCm compatibles con GPUs AMD usando su biblioteca kernels y la herramienta kernel-builder. El ejemplo es el kernel GEMM en FP8 de RadeonFlow, premiado en el AMD Developer Challenge 2025 y optimizado para la GPU AMD Instinct MI300X. El flujo incluye estructura de proyecto, archivos build.toml y flake.nix, compilación reproducible con Nix, registro como operador nativo de PyTorch y carga al Hub para su uso con pocas líneas de código.
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.
De cero a GPU: guía para construir y escalar kernels CUDA listos para producción
Hugging Face publicó una guía técnica para construir kernels CUDA personalizados listos para producción usando su biblioteca kernel-builder. El artículo detalla ocho pasos, desde la estructura del proyecto y el manifiesto build.toml hasta el registro de operadores nativos de PyTorch, la compilación con Nix y la publicación en el Hub. También aborda desafíos de producción como el versionado semántico, el bloqueo de dependencias y la generación de ruedas Python para el despliegue.
Hugging Face lanza AI Sheets, una herramienta sin código para trabajar con datasets usando modelos de IA abiertos
Hugging Face presentó AI Sheets, una herramienta de código abierto y sin código para construir, transformar y enriquecer datasets usando modelos de IA abiertos. Funciona con una interfaz tipo hoja de cálculo, permite usar miles de modelos del Hub vía Inference Providers o locales, incluido gpt-oss de OpenAI, y puede desplegarse localmente o en el Hub. Ofrece casos de uso como comparar modelos, mejorar prompts, clasificar, analizar y enriquecer datos, generar datasets sintéticos y exportarlos al Hub.
Hugging Face migra su Hub de Git LFS a Xet con más de un millón de usuarios
Hugging Face completó la migración de su Hub de Git LFS a un nuevo backend de almacenamiento llamado Xet, que ya procesa más de un millón de usuarios y 500.000 repositorios con 20 PB de datos. La transición se apoyó en el Git LFS Bridge y en migraciones en segundo plano que permitieron mover petabytes sin interrumpir las descargas ni las subidas de la comunidad. La empresa anunció que desde julio de 2025 Xet estará disponible para todos los usuarios y que planea abrir el código del protocolo y de toda la infraestructura.
Hugging Face detalla cómo construyó su servidor MCP para conectar asistentes de IA con el Hub
Hugging Face publicó un artículo técnico sobre el desarrollo de su servidor MCP oficial (hf.co/mcp), que conecta asistentes de IA con el Hub y miles de aplicaciones de IA mediante una única URL. El equipo optó por el transporte Streamable HTTP en configuración sin estado y de respuesta directa para producción, priorizando el bajo consumo de recursos. El texto detalla decisiones de diseño, desafíos de compatibilidad entre clientes y el crecimiento del ecosistema MCP.
Tres alertas clave que sostienen la infraestructura de producción de Hugging Face
El equipo de infraestructura de Hugging Face detalla en su blog tres alertas de monitoreo que sostienen su infraestructura de producción: el alto rendimiento del NAT Gateway, la tasa de éxito del archivado de registros de solicitudes del Hub y los errores y la limitación de tasa en las solicitudes a la API de Kubernetes. Además, presenta una alerta extra que detecta clústeres nuevos o inactivos que no envían métricas. El artículo explica cómo cada alerta ayuda a detectar problemas de costos, pérdida de registros y fallas de automatización antes de que afecten a los usuarios.
NVIDIA presenta en Hugging Face Hub su modelo Llama Nemotron Nano VLM para procesamiento de documentos
NVIDIA presentó Llama Nemotron Nano VL, un modelo de lenguaje visual de 8B parámetros orientado al procesamiento inteligente de documentos, disponible en Hugging Face y mediante la API NVIDIA NIM. El modelo, basado en Llama-3.1-8B-Instruct y el Vision Transformer C-RADIOv2-VLM-H, destaca en OCR de alta precisión, extracción de tablas y análisis de gráficos, con resultados líderes en el benchmark OCRBench v2. Apunta a automatizar flujos de facturas, contratos, documentos de cumplimiento y registros de salud y seguros, y puede ajustarse con NVIDIA NeMo.
Aprendé a usar el Hugging Face Kernel Hub en 5 minutos
Hugging Face presentó el Kernel Hub, un repositorio que permite cargar kernels de cómputo optimizados directamente desde el Hub mediante la biblioteca kernels, evitando compilaciones manuales complejas. El artículo explica cómo usar get_kernel para descargar binarios precompilados de operaciones como FlashAttention, GELU y RMSNorm, con ejemplos de código y benchmarks que muestran aceleraciones de hasta casi 2x en GPUs L4. También detalla casos de uso en proyectos como Text Generation Inference y Transformers, y recomienda verificar la corrección numérica y el rendimiento en cada hardware.
Cohere se suma a los Inference Providers de Hugging Face
Hugging Face anunció que Cohere se convirtió en un Inference Provider compatible en su Hub, siendo el primer creador de modelos que comparte y sirve sus modelos directamente en la plataforma. Los usuarios pueden ejecutar inferencia sin servidor de modelos como Command A, Command R7B, Aya Expanse y Aya Vision, con soporte multilingüe de hasta 23 idiomas y contexto de 256k. La facturación se realiza directamente en la cuenta de Cohere o con las tarifas estándar de la API, sin recargos adicionales, y los usuarios PRO reciben 2 dólares mensuales en créditos de inferencia.
Protect AI y Hugging Face escanearon 4,47 millones de modelos en seis meses de alianza
Protect AI y Hugging Face cumplieron seis meses de alianza para escanear modelos de aprendizaje automático en el Hugging Face Hub. Al 1 de abril de 2025 se revisaron 4,47 millones de versiones de modelos en 1,41 millones de repositorios y se detectaron 352.000 problemas inseguros o sospechosos en 51.700 modelos. La compañía lanzó cuatro nuevos módulos de detección, alertó sobre la vulnerabilidad crítica CVE-2025-1550 en Keras y procesó 226 millones de solicitudes en 30 días.
DeepSeek-V3 0324 llega al Hub con licencia MIT y mejoras en código y matemáticas
DeepSeek lanzó silenciosamente en el Hub una versión actualizada de su modelo base DeepSeek-V3, denominada DeepSeek-V3 0324, que ahora usa licencia MIT y mejora el seguimiento de instrucciones, código y matemáticas. En benchmarks como MMLU-Pro, GPQA, AIME y LiveCodeBench el modelo muestra mejoras notables y se ubica a la par de GPT-4.5 y por encima de Claude-Sonnet-3.7. El artículo explica cómo usarlo mediante proveedores de inferencia, TGI, SGLang y cuantizaciones, y repasa consideraciones de seguridad sobre descarga, alineación, generación de código y agentes.
Xet llega al Hub de Hugging Face con almacenamiento por bloques
El equipo de Xet de Hugging Face migró los primeros repositorios de modelos y datasets de Git LFS al almacenamiento Xet, trasladando cerca del 6% del tráfico de descargas del Hub. La migración, realizada el 20 de febrero, movió 4,5 TB y validó la deduplicación por fragmentos de ~64 KB. Tras el lanzamiento se corrigieron una sobrecarga de descarga por el formato de bloques y un desequilibrio de carga entre pods, y se anunció la integración con huggingface_hub mediante el paquete hf_xet.
Guía práctica para ejecutar modelos de lenguaje (LLM) localmente en el teléfono con React Native
El artículo es un tutorial técnico publicado el 7 de marzo de 2025 por Mohamed Mekkouri y Marc Sun en el blog de Hugging Face, que explica cómo construir una aplicación móvil en React Native capaz de descargar y ejecutar modelos de lenguaje (LLM) localmente en un teléfono, tanto en Android como en iOS. Detalla la selección de modelos pequeños (1-3B parámetros) y formatos de cuantización GGUF, la configuración del entorno, la descarga de modelos desde el Hub de Hugging Face, la carga mediante llama.rn y la implementación de una interfaz de chat con inferencia local y privada. Incluye además secciones sobre depuración con Chrome DevTools y funcionalidades adicionales como generación token a token, desplazamiento automático y seguimiento de velocidad de inferencia.
SmolVLM2: llevar la comprensión de video a todos los dispositivos
Hugging Face lanzó SmolVLM2, una familia de modelos multimodales de 2.2B, 500M y 256M parámetros capaces de comprender video e imágenes en dispositivos locales, desde teléfonos hasta servidores. El modelo de 2.2B supera a otros modelos de su rango en el benchmark Video-MME, mientras que las variantes de 500M y 256M son los modelos de lenguaje para video más pequeños publicados hasta la fecha. La compañía presentó demos como una app de iPhone, una integración con VLC y un generador de momentos destacados, y liberó el uso con Transformers y MLX desde el primer día.
Open R1 presenta su primer gran dataset de razonamiento matemático generado con DeepSeek R1
El proyecto Open R1, que busca reconstruir el pipeline de entrenamiento y los datos sintéticos de DeepSeek R1, presentó OpenR1-Math-220k, su primer conjunto de datos a gran escala para razonamiento matemático, generado localmente en 512 GPU H100. El dataset contiene 800k trazas de razonamiento para 400k problemas de NuminaMath 1.5, filtradas con Math Verify y Llama-3.3-70B-Instruct como juez, reteniendo 220k problemas con al menos una respuesta correcta. Al ajustar Qwen2.5-Math-Instruct con estos datos, OpenR1-Qwen-7B igualó el rendimiento de DeepSeek-Distill-Qwen-7B en benchmarks como MATH-500 y AIME.
Open-R1: actualización n.º 1 sobre la replicación del pipeline de DeepSeek-R1
El equipo de Hugging Face publica la primera actualización del proyecto Open-R1, lanzado una semana antes para replicar el pipeline de entrenamiento y los datos sintéticos de DeepSeek-R1. Reportan que lograron reproducir los resultados de DeepSeek en el benchmark MATH-500, integraron GRPO en TRL 0.14 y optimizaron la generación de datos sintéticos usando 32 GPU con inferencia en streaming. También reseñan las reacciones del mercado y de laboratorios como OpenAI y Anthropic, y los proyectos y datasets que la comunidad construyó en torno al modelo.
Entrenamiento de modelos de embeddings estáticos 400 veces más rápidos con Sentence Transformers
El artículo presenta un método para entrenar modelos de embeddings estáticos que se ejecutan entre 100 y 400 veces más rápido en CPU que los modelos de última generación, conservando al menos el 85% de su rendimiento. Se lanzan dos modelos: static-retrieval-mrl-en-v1 para recuperación en inglés y static-similarity-mrl-multilingual-v1 para similitud multilingüe, junto con scripts de entrenamiento y conjuntos de datos. La técnica combina aprendizaje contrastivo y Matryoshka Representation Learning, habilitando casos de uso en dispositivos, navegadores y computación de borde.
Hugging Face lanza smolagents, una biblioteca simple para construir agentes de IA que escriben acciones en código
Hugging Face anunció el lanzamiento de smolagents, una biblioteca de código abierto que permite construir agentes de IA que escriben sus acciones directamente en código en lugar de JSON. La herramienta, sucesora de transformers.agents, soporta ejecución en entornos aislados, integración con el Hub y modelos de OpenAI, Anthropic y otros vía LiteLLM. Sus desarrolladores sostienen que los agentes de código superan a los de llamada de herramientas y que los modelos abiertos ya compiten con los cerrados en flujos agénticos.
Hugging Face explica cómo desplegar su sistema de voz a voz en Inference Endpoints
Hugging Face publicó una guía para desplegar su proyecto Speech-to-Speech (S2S), una tubería en cascada que combina detección de actividad de voz, voz a texto, modelo de lenguaje y texto a voz, con soporte para inglés, francés, español, chino, japonés y coreano. El artículo detalla cómo construir una imagen Docker personalizada a partir del repositorio huggingface-inference-toolkit y desplegarla en Inference Endpoints, tanto por interfaz gráfica como por API. Se recomienda hardware AWS GPU L4 a 0,80 dólares por hora y se explica la implementación de un servidor web con websockets y un cliente para grabar y reproducir audio.