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
Descomponiendo series temporales irregulares en patrones temporales interpretables con mezcla de expertos
Se presenta MoTIF, un marco interpretable basado en atención de mezcla de expertos (MoE) para descomponer series temporales irregulares en patrones temporales de diferentes escalas. El método demuestra alta precisión en la recuperación de patrones y supera a modelos de secuencia estándar en predicción de valores futuros. Los resultados indican que descomponer la estructura temporal en patrones específicos y auditables no compromete la precisión predictiva.
Marco de IA basado en taxonomía para análisis y remediación automatizada de brechas del AI Act
Se presenta un marco agentico basado en taxonomía para el análisis y la remediación automatizada de brechas de cumplimiento en sistemas de IA de alto riesgo. Este marco coordina agentes especializados para extraer brechas y planificar acciones de remediación mediante puntuación multi-señal. El enfoque demuestra un alto rendimiento en la detección de brechas y la planificación de remediación, sugiriendo un camino hacia sistemas de cumplimiento automatizados con supervisión humana.
AgentHop: Un punto de referencia diagnóstico para la respuesta a preguntas multi-salto de agentes sobre grafos de citación científica
Se presenta AgentHop, un punto de referencia diagnóstico de 1,011 preguntas de opción múltiple diseñado para evaluar fallos en tareas de agentes que utilizan modelos de lenguaje grandes. El benchmark analiza las vulnerabilidades de los modelos a través de cuatro ejes: recuperación, síntesis, llamada a herramientas y gestión de recursos. Los resultados indican que el comportamiento de los modelos varía según su familia, revelando patrones distintivos en la forma en que utilizan las herramientas.
Aprendizaje por Refuerzo Guiado por Optimización Evolutiva de Políticas para Programación de Satélites de Observación Terrestre Heterogéneos Ajustables por Preferencia
Se propone un marco de optimización de política evolutiva para la programación de satélites de observación terrestre ágiles (AEOS) heterogéneos, abordando las dificultades de modelar restricciones dependientes del satélite. El método utiliza aprendizaje por refuerzo para seleccionar operadores de búsqueda, logrando una utilidad ponderada mayor y una convergencia más estable que los métodos metaheurísticos. Este enfoque busca optimizar la asignación de tareas y la secuenciación de observaciones bajo múltiples restricciones operativas.
JailbreakOPT: Optimización Iterativa de Prompts de Jailbreak con Macro-Acciones
Se presenta JailbreakOPT, un método que optimiza la optimización iterativa de prompts de jailbreak mediante la composición de transformaciones de prompts en macro-acciones. Este método utiliza muestreo Thompson contextual para aprender una política de selección de acciones, mejorando la tasa de éxito del ataque en comparación con métodos basados en acción única o iterativos. El objetivo es explorar vulnerabilidades residuales para mejorar las defensas contra ataques.
Evolución de habilidades de agentes mediante red-team de doble etapa a través de retroalimentación pre-ejecución y en tiempo de ejecución
Se presenta SkillDRE, un marco automatizado para evolucionar paquetes de habilidades maliciosas mediante un bucle de retroalimentación de doble etapa. Este sistema combina la evolución guiada por el escáner con el refinamiento guiado por tiempo de ejecución para mejorar la efectividad de las habilidades. Los resultados indican que esta retroalimentación de defensa de dos etapas es una señal de aprendizaje útil para el red teaming adaptativo.
Memoria de lado del agente como guía para modelos de acción direccionables en manipulación a largo plazo
Se presenta el modelo 2AM, donde la memoria de la tarea reside en el agente, y un Modelo de Acción basado en RGB ejecuta el movimiento. Los resultados demuestran que la memoria de la tarea puede permanecer en el lado del agente y que la capacidad del Modelo de Acción depende de la precisión con la que el agente puede dirigirlo. Se logró una mejora significativa en la finalización de tareas en comparación con las líneas base existentes.
Pensar globalmente, generar personalmente: Pensamiento multi-vista con generación adaptativa para recomendación
Se presenta el marco MV-Thinker, un enfoque para la recomendación generativa basado en ID semántico (SID) que aborda problemas de modelado de contexto y adaptación personalizada. El método coordina vistas de historial completo y reciente para generar contextos complementarios y utiliza adaptadores residuales para transformar adaptativamente los estados del decodificador. Los experimentos demuestran que MV-Thinker supera a las líneas base existentes en métricas de clasificación.
Color canónico como lente para la decodabilidad del concepto en codificadores de visión y VLMs
Se investiga el uso del color canónico como prueba para determinar si los codificadores de visión hacen accesible la información de color canónico incluso cuando se elimina el color de la imagen de entrada. El estudio demuestra que el color canónico sigue siendo decodificable a partir de imágenes en escala de grises y está vinculado a la identidad del objeto predicha. Se concluye que el entrenamiento posterior de los VLMs puede influir significativamente en la decodificabilidad del color en el codificador de visión.
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.