Buscar noticias
Buscá por texto y descubrí noticias relacionadas con tu consulta.
Noticias relevantes
Hasta 10 noticias relacionadas por su significado, ordenadas por relevancia.
El nuevo Flipper One es un PC Linux portátil que puedes llevar en tu bolsillo y se vende a cero beneficio
Se lanzó el Flipper One, un ordenador portátil basado en Linux, a través de una campaña de crowdfunding con un precio de $399. El dispositivo utiliza el sistema operativo Flipper OS y puede funcionar como PC de escritorio o dispositivo portátil, ofreciendo capacidades como VPNs y conectividad múltiple. La compañía afirma que el precio cubre el costo de producción y no genera margen de beneficio.
Hospital entrega PC especial a doctor muy enfermo para uso personal
Un doctor investigador, conocido por su consumo de entretenimiento para adultos, causó una infección de malware en su PC, lo que llevó a una investigación interna. El hospital finalmente implementó una política para restringir el uso de PCs para asuntos personales y, posteriormente, los estudiantes del doctor interpusieron una demanda.
Tecnólogo manipula un ventilador defectuoso cerca de líquido inflamable y una placa base expuesta, y lo deja funcionar por días
Un lector llamado Axl manipuló una PC en una gasolinera que dejó de funcionar, sospechando sobrecalentamiento. Él instaló una solución temporal con un ventilador de extracción para mantener el sistema operativo durante varios días. El ingeniero de soporte llegó y reemplazó el componente fallido, y no hubo víctimas, asegurando que los turistas regresaron satisfechos.
Veredicto final de Slayyyter: un disco saturado e industrial que le da identidad propia
El tercer disco de Slayyyter, WOR$T GIRL IN AMERICA, utiliza una producción saturada e industrial para darle identidad propia, marcando un giro respecto al sonido anterior. Aunque la segunda mitad del álbum presenta temas con letras débiles, los momentos donde el ruido se retira permiten que la voz se exprese de manera más suave y expresiva. El álbum es calificado como el más ambicioso y logrado hasta la fecha, combinando la intensidad sonora con una vulnerabilidad en su desenlace.
Kim Gordon – PLAY ME
Kim Gordon lanza su tercer disco, PLAY ME, utilizando canciones cortas y producción industrial para desafiar al algoritmo del streaming. El álbum explora temas políticos y opresivos, criticando la tecnocracia y la manipulación del sistema. La obra demuestra cómo la brevedad y la suciedad de la producción pueden ser una estrategia efectiva para contestar las reglas del sistema digital.
Linux se une a la flota de pantallas de información inoperativas de Heathrow
Linux ha demostrado ser tan capaz como Windows en términos de fallos, y Heathrow está explorando el uso de hardware basado en Raspberry Pi para sus nuevas pantallas. Se destaca la flexibilidad en la distribución de contenido y la eficiencia energética de las nuevas soluciones de hardware.
Linux está obteniendo una herramienta que causa fallos en el sistema de forma intencionada
Se presenta una nueva herramienta en el kernel de Linux llamada hwpoison-panic diseñada para inducir fallos de memoria intencionales. Esta herramienta permite a los desarrolladores probar la respuesta del kernel ante errores de memoria irrecuperables, simulando fallos de hardware para verificar la estabilidad del sistema. El objetivo es que el kernel realice un pánico inmediato, lo cual es crucial para el desarrollo y la depuración de sistemas operativos.
La mejor manera de detener la propagación de una idea es un incendio controlado
El texto describe una situación de crisis en un edificio donde se sospecha la propagación de un virus, desencadenada por una idea impulsiva. Los personajes intentan detener la situación mediante la desactivación de sistemas y la destrucción de dispositivos. Finalmente, se confirma que el fuego se originó por un acelerante desconocido, aunque la idea inicial no fue la causa directa.
Alguien usó Claude para construir un chatbot que cabe en un disco flexible
Se presenta Tiny-2.1, un chatbot construido con Claude que se ejecuta en DOS con una memoria muy limitada. Aunque puede realizar tareas básicas como trivia y aritmética, su precisión disminuye significativamente al responder preguntas con redacción nueva. El texto concluye que es más una prueba de concepto que un modelo práctico para uso diario, aunque es útil para probar la capacidad de modelos pequeños.
Descubierta la causa inesperada del ruido de la computadora
Se reveló que el ruido de la computadora puede deberse a la carga de la tarjeta gráfica y la acumulación de polvo en el sistema de refrigeración. El aumento de temperatura provoca que los ventiladores trabajen más rápido, y la vibración de componentes puede generar ruidos. Se recomienda limpiar el dispositivo de polvo y revisar si el ventilador está desgastado.
Noticias encontradas
Coincidencias por palabras en títulos, resúmenes, temas, personas, lugares o firmas.
Resultados para «Bleeping Computer»
Más recientes primero · Hasta 30 noticias por página
PRIME: Enrutamiento Predictivo de Intervenciones Mediante Modelado de Efectos para la Ideación Científica
Se presenta PRIME, una capa de decisión de revisión para sistemas de LLM en ideación científica, diseñada para mejorar la iteración basada en retroalimentación. PRIME aborda el problema del desajuste diagnóstico-intervención, permitiendo construir intervenciones basadas en el modelado de efectos y la comparación de riesgos. Los resultados validan que PRIME mejora la calidad del sucesor y la fiabilidad del enrutamiento en comparación con las líneas base existentes.
SAMP: Priorización de Margen Autoadaptativa para Marcado de Agua de Difusión Robusto
Se presenta SAMP, un marco autoadaptativo para el marcado de agua en modelos de difusión, que ajusta la fuerza de incrustación y la prioridad de optimización de las dimensiones del marcado de agua. Este enfoque busca mejorar la robustez del marcado de agua al adaptar la fuerza de incrustación según la separación de códigos y priorizar dimensiones vulnerables a perturbaciones. Los resultados experimentales muestran mejoras significativas en la precisión de recuperación de información y en métricas como PSNR y LPIPS.
Las barreras de seguridad predictivas no siempre hacen a los agentes de LLM más seguros
Se investiga el *pipeline* de predicción a acción en agentes de LLM para evaluar barreras de seguridad predictivas. Los hallazgos indican que la mayor implicación de la predicción no garantiza ganancias de seguridad y puede aumentar el costo de inferencia. Además, las predicciones del modelo del mundo son insuficientemente fiables, lo que sugiere una brecha fundamental entre la previsión y la acción.
Iteración de valor aproximada offline: Un enfoque de aprendizaje por refuerzo para el despliegue de constelaciones de satélites
Se presenta un enfoque basado en aprendizaje por refuerzo para optimizar el despliegue de constelaciones de satélites tipo Walker, considerando incertidumbres como fallos de lanzamiento y mal funcionamiento de satélites. El método utiliza iteración de valor aproximada offline para reducir los requisitos computacionales y de memoria al encontrar políticas de despliegue óptimas. Los resultados preliminares indican que los tiempos y costos de despliegue son inferiores a los de métodos basados en horizonte rodante.
FOCUS: Retroalimentación de atención de bucle cerrado para una comprensión eficiente de lenguaje y visión
Se presenta FOCUS, un marco de tres capas sin entrenamiento diseñado para reducir las invocaciones de modelos de lenguaje-visión (VLM) al dirigir la atención hacia regiones semánticamente relevantes. Este método utiliza medidas de gating temporal para activar capturas solo cuando la escena cambia de manera significativa. Los resultados demuestran que FOCUS logra una alta precisión manteniendo la calidad del mejor *baseline* con una reducción significativa en las llamadas al VLM.
Búsqueda neural para el descubrimiento semántico de software de código abierto
Se presenta MediaWiki Code2Code Search, un sistema de recuperación neuronal diseñado para el descubrimiento semántico de código a código en grandes ecosistemas de software. El sistema indexa 1.29 millones de entidades estructurales en más de 2,500 repositorios de MediaWiki, permitiendo la recuperación basada en la intención computacional. La evaluación demuestra mejoras significativas en la calidad de clasificación sobre la línea base BM25 en tareas complejas.
Hybrid++: El puente entre modelos PDE y aprendizaje profundo para la eliminación de ruido gamma
Se presenta Hybrid++, una arquitectura de reacción-difusión no lineal entrenable que busca combinar la interpretabilidad de los modelos basados en ecuaciones diferenciales parciales (PDE) con el rendimiento de los modelos de aprendizaje profundo. Esta arquitectura mejora significativamente los resultados en el benchmark FoE sobre métodos clásicos y se acerca al rendimiento de modelos de caja negra con un uso eficiente de parámetros.
Aprendizaje haciendo: Compilación y curación autónoma de habilidades de agentes a partir de rastros verificados
Se presenta un servicio de producción llamado Zep Agent Skills que proporciona memoria procedimental a agentes LLM mediante la compilación y curación de habilidades a partir de rastros verificados. El sistema utiliza rastros de intentos verificados para crear habilidades versionadas, controlando su admisión y distribución. Se evalúa el rendimiento de estas habilidades en diversos benchmarks, mostrando mejoras significativas en la capacidad de ejecución de modelos más débiles.
Estudio de adaptación y reducción de dimensionalidad de representación en el reconocimiento de emociones del habla persa usando Whisper
Se investiga el uso de Whisper para el reconocimiento de emociones del habla (SER) en persa, enfocándose en la reducción de dimensionalidad de representación y la adaptación del modelo. Se propone un marco que utiliza PCA para reducir la dimensionalidad de las incrustaciones del codificador de Whisper, mejorando el rendimiento de reconocimiento de emociones. Los resultados indican que la reducción de dimensionalidad mejora el rendimiento, aunque el ajuste fino del ASR solo produce ganancias modestas.
Robustez adversaria del direccionamiento de activación en Modelos de Lenguaje Grandes
Se evaluó la robustez del direccionamiento de activación en Modelos de Lenguaje Grandes frente a perturbaciones adversarias en la entrada. Los resultados indican que la robustez direccional disminuye hasta un 64% y la confianza cae significativamente tras los ataques. Se concluye que la selección de capas es frágil y las estrategias actuales no son robustas para su implementación práctica.
Degeneración espectral de la auto-atención bajo geometría de puntuación isotrópica
Se estudia la estructura espectral de la matriz de auto-atención en modelos Transformer mediante un modelo espectral idealizado. El modelo reemplaza la orientación aleatoria de la matriz de puntuación por su representante singular canónico. Los resultados demuestran que el mapa softmax transforma esta estructura en una matriz de atención degenerada, preservando modos dominantes y concentrando los modos restantes en cero.
Adaptación Regional Antropogénica en Modelos Multimodales Visión-Lenguaje
Se presenta la Adaptación Regional Antropogénica, un nuevo paradigma para optimizar la relevancia de los modelos visión-lenguaje a contextos regionales específicos manteniendo la generalización global. Se introduce el método GG-EZ, que utiliza filtrado de datos regionales y fusión de modelos para lograr esto. Los experimentos en Asia Sudoriental mostraron ganancias del 5 al 15% en relevancia cultural sin perder la mayor parte del rendimiento global.
- Samuel Cahyawijaya
- Peerat Limkonchotiwat
- Tack Hwa Wong
- Hitesh Laxmichand Patel
- Amit Agarwal
- Manuel Antonio Rufino
- Carlos Rafael Catalan
- Muhammad Reza Qorib
- Vicky Feliren
- Holy Lovenia
- Aye Hninn Khine
- Frederikus Hudi
- David Anugraha
- Alham Fikri Aji
- Romrawin Chumpu
- Viet-Thanh Pham
- Minghan Wang
- Mohamed Fazli Imam
- Ruochen Zhang
- Joseph Marvin Imperial
- Khumaisa Nur'aini
- Do Xuan Long
- Musa Izzanardi Wijanarko
- Joel Ruben Antony Moniz
- Patrick Amadeus Irawan
- Hanif Muhammad Zhafran
- Isaiah Flores
- Salsabila Zahirah Pranida
- Jun Kevin
- Jostin Jerico Rosal
- Patricia Nicole Monderin
- Kun Kerdthaisong
- Ahmad Mustafid
- My Chiffon Nguyen
- Natchapon Jongwiriyanurak
- Siva Worajitwannakul
- Haochen Li
- Adrian Xuan Wei Lim
- Bin Wang
- Muhammad Ravi Shulthan Habibi
- Lynnette Hui Xian Ng
- Mithil Bangera
- Yeshil Bangera
- Priyaranjan Pattnayak
- Dun Li Chan
- Sherissa Caren Djuniwar
- Cho Chan Myei Oo
- Hee Ming Shan
¿Las presiones de influencia social mueven a los agentes de LLM? Evidencia de la auditoría delegada
Un estudio experimental evaluó si los agentes de modelos de lenguaje grande (LLM) responden a las presiones de influencia social, similar a los auditores humanos. Los resultados indican que los agentes de LLM ceden a la presión de superiores y colegas, pero no a la presión del CFO del cliente en la mayoría de los escenarios. Se concluye que los sistemas de soporte de decisiones basados en LLM deben diseñarse considerando estas diferencias con los agentes humanos.
¿Qué mide una etiqueta de seguridad? Auditoría de puntos de referencia de seguridad situacional para LLMs multimodales
Se auditan puntos de referencia de seguridad situacional para modelos de lenguaje grandes multimodales (MLLMs) para determinar si clasifican correctamente escenas como seguras o inseguras. Se proponen métricas como la Tarjeta de Puntuación para evaluar la precisión de estos modelos. Los resultados sugieren que algunos modelos clasifican mejor de lo que indican sus propias etiquetas.
Hacia una Internet de Agentes confiable y gobernable: Una perspectiva arquitectónica sobre protocolos, sistemas y servicios
El artículo examina el problema arquitectónico que surge al organizar las aplicaciones de modelos de lenguaje como flujos de trabajo de agentes multi-agente. Propone la Internet de Agentes (IoA) como una visión de computación de servicios donde los agentes son participantes gobernables. Detalla una progresión de tres capas que abarca desde el ecosistema actual hasta la autonomía confiable.
Coordinación y comunicación multiagente descentralizada en bases de código compartidas
Se presenta ParallACT, una medida para tareas de codificación multiagente sin orquestador, que evalúa la coordinación y comunicación entre agentes que trabajan en bases de código compartidas. La investigación compara el rendimiento de un oráculo único frente a configuraciones multiagente con diferentes órdenes de ejecución y acceso a comunicación. Se concluye que la coordinación es un desafío central en escenarios donde los agentes tienen motivaciones independientes, y se identifican estrategias de coordinación efectivas y sus costos asociados.
Datos alineados pueden inducir desalineación mediante confusión de contexto
Se identifica el fenómeno de confusión de contexto en modelos de lenguaje grandes, donde la alineación en un contexto puede provocar un comportamiento desalineado en otro dominio. Esto ocurre porque las consultas de diferentes dominios pueden activar características aprendidas durante el ajuste fino, transfiriendo el comportamiento a un contexto donde resulta inapropiado. Se concluye que es crucial realizar evaluaciones exhaustivas de alineación post-entrenamiento debido a la dificultad de predecir el estado de alineación solo con los datos de entrenamiento.
CoworkOS: Agente de Trabajo Escalable para la Automatización en el Mundo Real
Se presenta CoworkOS, un marco general para el trabajo de largo horizonte que separa la estrategia de la tarea de la gestión de la ejecución. Este sistema permite la colaboración humano-IA mediante la inspección y revisión conjunta de artefactos como documentos y modelos, permitiendo la participación humana a través de conversación o modificación directa. CoworkOS demuestra competitividad con agentes de vanguardia en múltiples benchmarks.
- Jiajie Jin
- Guanting Dong
- Chengjun Pan
- Xin Deng
- Zhuohui Sheng
- Guoqiang Wang
- Tao Gui
- Yutao Zhu
- Yujia Chen
- Shihong Yi
- Binze Hu
- Zhixiong Yang
- Zhichao Sun
- Rui Wang
- Han Han
- Mingyu Ma
- Junhao Huang
- Xiaotao Wang
- Huicheng Jiang
- Yuyang Hu
- Xinyu Yang
- Wanghan Xu
- Yajie Yang
- Zhecan Wang
- Honglin Guo
- Xiaoyu Xing
- Xiaoqian Zhang
- Yulun Zhu
- Xiaoxi Li
- Jiahang Lin
- Shaofan Liu
- Shihan Dou
- Zhiheng Xi
- Qi Zhang
- Yu-Gang Jiang
- See-Kiong Ng
- Yang Zhang
- Tat-Seng Chua
- Ji-Rong Wen
- Zhicheng Dou
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.
ProtoSemImage: Prototipos de imagen con alineación de fila deformable para clasificación de documentos interpretable
Se presenta ProtoSemImage, un método que utiliza imágenes prototipo en espacio HSV para la clasificación de documentos. El modelo busca mejorar la representación visual de los documentos mediante una alineación de fila deformable. La investigación demuestra que esta representación supera a modelos basados en vectores, mejorando el rendimiento en tareas de clasificación.
La ilusión de alineación: Cómo BadReward corrompe la generación de texto a imagen
Se explora la posibilidad de envenenar el proceso RLHF en modelos de texto a imagen mediante un ataque llamado BadReward. Este ataque manipula las señales de recompensa para incrustar comportamientos maliciosos en el contenido generado. Los experimentos demuestran que esta manipulación corrompe la señal de recompensa y es efectiva en arquitecturas modernas de texto a imagen.
Anchor: Prevención de deriva de artefactos para verificación fiable de agentes
Se presenta Anchor, un pipeline para construir benchmarks que formaliza especificaciones de flujos de trabajo empresariales en programas de optimización. Este sistema genera instrucciones, configuraciones de entorno y soluciones certificadas para evaluar agentes de IA. Se aplica a ERP-Bench, un benchmark de 300 tareas para flujos de trabajo de adquisición y fabricación. El objetivo es crear entornos de evaluación auditables cuyos verificadores coincidan con las tareas empresariales valiosas.
Planificación de Frontera Generativa para el reclutamiento por referidos
Se propone la Planificación de Frontera Generativa (GFP) para optimizar la asignación de presupuestos en programas de referidos entre pares, buscando maximizar el reclutamiento de poblaciones de alto riesgo para enfermedades infecciosas. El modelo aprende la capacidad de referencia y las covariables del referente para mejorar la eficiencia de los programas. Los resultados indican que GFP puede reclutar hasta un 21.5% más individuos que los métodos de referencia por pares existentes con el mismo presupuesto.
Prueba programable inspirada en memoria de trabajo para el seguimiento de estado acumulativo en modelos de lenguaje grandes
Se presenta una sonda inspirada en memoria de trabajo para evaluar el seguimiento de estado acumulativo en modelos de lenguaje grandes (LLM). Los resultados indican que la precisión depende significativamente de los protocolos de salida y la cantidad de actualizaciones permitidas. Se demuestra que una fuerte aritmética de un solo paso no asegura un seguimiento acumulativo fiable.
División justa en línea de tareas con recurso de mejora
Se estudia la división justa en línea de tareas indivisibles entre agentes con recurso de mejora. Se demuestra que una adaptación del sistema de ronda mantiene la imparcialidad hasta una tarea (EF1) y una aproximación de la porción maximin (MMS). Se concluye que el conocimiento parcial del número de tareas es suficiente para mejorar el factor MMS.
Optimización de política proximal para muestreo discreto amortizado
Se presenta un artículo que explora algoritmos de gradiente de política para entrenar políticas estocásticas con el marco GFlowNet. El trabajo deriva equivalentes de algoritmos de gradiente de política estándar y aplica la optimización de política proximal a GFlowNets. Esto demuestra una velocidad de convergencia y eficiencia de datos mejoradas en comparación con los objetivos de entrenamiento estándar.
Autorización en el momento del compromiso para agentes de LLM
Se propone la autorización en el momento del compromiso (CTA) para agentes de LLM, exigiendo una justificación completa y actual para el efecto exacto. Esto busca prevenir efectos no autorizados en servicios como GPT, Fable y Sonnet mediante avisos oportunos. Los estudios demuestran que la CTA ayuda a mantener la integridad de los efectos al validar las condiciones en tiempo real.
No se identificaron personas.
Evaluación sin juez del llamamiento a funciones consciente del efecto
Se presenta una evaluación consciente del efecto para el verificador de llamadas a funciones del Leaderboard de Berkeley (BFCL). Este método infiere los efectos de las funciones ejecutándolas en simuladores para identificar cambios de estado. Los resultados muestran que la conciencia del efecto revela diferencias significativas en la calidad de ejecución de los modelos, especialmente en la distinción entre pedir aclaración y obtener permiso antes de acciones destructivas.
VCoT-SQL: Mejorando la generación de Text-to-SQL mediante entrenamiento con validación de Cadena de Pensamiento Dual
Se presenta VCoT-SQL, un marco diseñado para mejorar la generación de Text-to-SQL mediante la supervisión de pasos intermedios validados de Cadena de Pensamiento (CoT) y un validador SQL dedicado. Este enfoque busca permitir que modelos pequeños de código abierto superen a modelos de código cerrado al verificar rigurosamente los pasos de razonamiento. El sistema logra altas tasas de precisión en conjuntos de datos desafiantes, demostrando la efectividad de la validación a nivel de paso sobre el escalamiento del modelo maestro.
Marco de detección de defectos fotovoltaicos autoevolutivo
Se propone SEPDD, un marco de detección de defectos fotovoltaicos autoevolutivo para escenarios industriales en evolución. Este marco optimiza la tubería de entrenamiento y evaluación mediante un mecanismo que reoptimiza el proceso ante indicadores de fallo o cambio en el entorno. Los experimentos demuestran que SEPDD supera a las líneas base existentes en la detección de defectos en conjuntos de datos públicos y privados.