Buscar noticias

Buscá por texto y descubrí noticias relacionadas con tu consulta.

Noticias relevantes

Hasta 10 noticias relacionadas por su significado, ordenadas por relevancia.

[기고] 인공지능이 바꾸는 신입의 일…기업은 숙련자를 어떻게 키울 것인가

La inteligencia artificial está transformando el rol de los nuevos empleados, planteando el desafío a las empresas sobre cómo formar expertos. Investigaciones sugieren que la exposición a la IA afecta la contratación de jóvenes en ciertas profesiones, indicando que la dependencia de la IA puede limitar la práctica de juicio y toma de decisiones. Para mitigar esto, se recomienda diseñar la formación de nuevos empleados integrando la verificación de resultados y la validación de fuentes, asegurando que el aprendizaje se centre en la comprensión profunda y la responsabilidad, no solo en la ejecución de tareas por IA.

Periodista: Firma no identificada

Boletín de noticias de Seguridad, IA y Ciberseguridad Ronda 8

El boletín de noticias de Security Affairs cubre los últimos desarrollos en la intersección de la inteligencia artificial y la ciberseguridad. Se discuten cómo la IA está transformando tanto las técnicas de ataque como las herramientas de defensa, incluyendo la automatización de tareas y la detección de amenazas. Se presentan casos específicos de vulnerabilidades, exploits y el estado actual de las amenazas en el ámbito cibernético.

Periodista: Pierluigi Paganini

Elon Musk quiere una OpenAI con fines de lucro

OpenAI necesita aumentar drásticamente su capacidad de cómputo, buscando pasar de 600 a 5000 GPUs, y aumentar su plantilla de investigadores. También es crucial asegurar una ventaja de hardware, como el diseño Cerebras, para lograr avances significativos en la construcción de la Inteligencia Artificial General (AGI).

Periodista: Firma no identificada

Personas mencionadas

Startup de datos para entrenamiento de robots GenRobot AI levanta $100 millones en financiación Serie A+

GenRobot AI, una empresa con sede en Beijing, ha cerrado una ronda de financiación Serie A+ de $100 millones para impulsar su desarrollo de infraestructura de datos para robots. La compañía proporciona equipos y software que recopilan demostraciones humanas (visuales, movimientos de manos y cuerpo) en tareas como domésticas, fabricación y logística. Su plataforma Matrix sincroniza, limpia y etiqueta estas grabaciones, ofreciendo datos de entrenamiento y evaluación para desarrolladores de robots.

Periodista: TechNode Feed

Herramientas profesionales: Heidi AI

Heidi AI es una herramienta de IA que utiliza entrada de voz para tomar notas y transcripciones de consultas veterinarias, buscando reducir la carga administrativa de los veterinarios. La herramienta permite a los profesionales centrarse más en la comunicación y el examen clínico durante las consultas. Se destaca por su facilidad de uso y su capacidad para mejorar la eficiencia del flujo de trabajo, aunque requiere supervisión clínica para asegurar la precisión de la transcripción.

Periodista: Dr Eugene Ong

Personas mencionadas

Caitlin Johnstone: Re-centralizando el control de la información

La noticia aborda la preocupación de que la inteligencia artificial pueda ser utilizada para re-centralizar el control de la información, afectando la percepción humana a través de algoritmos sofisticados. Se menciona que la IA podría manipular la información para servir a intereses de élites, como la propagación de narrativas pro-Israel. Se citan advertencias previas sobre cómo la IA puede superar la capacidad humana de detectar la manipulación algorítmica en la información.

Periodista: Michele Steinberg

La IA y las matemáticas se encuentran, ¿hacia dónde nos llevarán mutuamente?

La inteligencia artificial está acelerando el avance de las matemáticas, pasando de la ayuda al cálculo a la resolución de problemas de investigación complejos. Agentes de IA como los de DeepMind y OpenAI han resuelto teoremas y conjeturas matemáticas abiertas, generando un debate sobre el impacto de la IA en la investigación. Expertos matemáticos advierten sobre esta transformación, señalando un cambio significativo en el campo.

Periodista: Firma no identificada

Personas mencionadas

OpenAI amplía su trabajo con la industria periodística mediante una alianza con Axios

OpenAI anunció una nueva alianza de contenido con Axios y financiará la expansión de su cobertura local en cuatro ciudades de Estados Unidos: Pittsburgh, Kansas City, Boulder y Huntsville. La empresa suma casi 20 socios editoriales, entre ellos News Corp, The Atlantic, Vox Media, Prisa Media, Condé Nast, Hearst y Dotdash Meredith, que permiten a ChatGPT mostrar resúmenes y extractos citados de medios confiables. Además, OpenAI detalló programas de subvenciones con American Journalism Project, Lenfest Institute y WAN-IFRA para impulsar la adopción de IA en salas de redacción locales y globales.

Periodista: OpenAI

La inteligencia artificial, una herramienta cada vez más presente en clima y meteorología

La inteligencia artificial está generando grandes avances en la predicción meteorológica y la investigación del cambio climático, permitiendo simulaciones más rápidas y análisis de datos más complejos. Se observa que los modelos de IA están compitiendo con los modelos físicos y que las predicciones a largo plazo son menos deterministas. Sin embargo, se advierte una limitación en que las herramientas de IA están entrenadas con datos pasados, sugiriendo la necesidad de seguir experimentando con modelos fisicoquímicos complejos.

Periodista: EFE

Noticias encontradas

Coincidencias por palabras en títulos, resúmenes, temas, personas, lugares o firmas.

Resultados para «AI»

Más recientes primero · Hasta 30 noticias por página

Modelos de lenguaje ajustados exhiben una mejor transmisión de información

Se propone la Entropía de Canopy ($\mathrm{CE}^\star$) para medir la incertidumbre en la generación de lenguaje, abordando la limitación de ignorar la longitud de la salida. Los resultados empíricos indican que los modelos ajustados finamente exhiben una correlación positiva más fuerte entre la tasa de entropía y la diversidad semántica, sugiriendo que el ajuste fino reorganiza la incertidumbre en generaciones más significativas.

Periodista: Yuwei Cheng, Weiyi Tian, Haifeng Xu

Personas mencionadas

Gráficos de control para sistemas multiagente

Se extiende la noción de gráficos de control basados en teoría de procesos adaptativos a sistemas multiagente para permitir su monitoreo automatizado. La simulación demuestra que estos gráficos son necesarios para sistemas que aprenden de su entorno. Se concluye que los monitores con líneas de base fijas detectan el aprendizaje legítimo, mientras que los monitores adaptativos permiten la existencia de adversarios lentos.

Periodista: Hayden Helm, Carey Priebe, Brandon Duderstadt

Personas mencionadas

Optimización Bayesiana Robusta por Distribución Ensemble

Se presenta un nuevo algoritmo para la Optimización Bayesiana Robusta por Distribución Ensemble, diseñado para manejar el contexto continuo de manera computacionalmente viable. El estudio logra límites de arrepentimiento sublineales teóricos, mejorando los resultados actuales del estado del arte. El comportamiento empírico del método coincide con sus garantías teóricas.

Periodista: Tigran Ramazyan, Denis Derkach

Personas mencionadas

Control basado en ontología de agentes conversacionales con caso de uso para práctica de entrevistas de trabajo

Se propone un enfoque basado en ontología para diseñar estrategias conversacionales que controlan los Modelos de Lenguaje Grande (LLM) para seguir características textuales específicas. El estudio demuestra cómo este método puede usarse para controlar los LLM en el contexto de la práctica de entrevistas de trabajo. El entrenamiento del LLM con conceptos formalmente definidos mejora la alineación con las características de conversación requeridas.

Periodista: Barbara GENDRON

Personas mencionadas

Modelos de difusión aprendidos bajo la hipótesis del manfoldo: colapso y refinamiento

Se analiza un procedimiento de colapso y refinamiento de dos etapas para modelos de difusión, centrado en la estructura de la variedad de baja dimensión. Se demuestra que el entrenamiento de campo medio anillado recupera el denoiser de la población y se desarrollan el marco SiLD para mejorar la generación de datos. Los experimentos muestran una calidad de generación competitiva frente a las líneas de base basadas en difusión latente.

Periodista: Wei Huang, Andi Han, Mingyuan Bai, Huanjian Zhou, Qixin Zhang, Taiji Suzuki, Kenji Fukumizu

Personas mencionadas

Exponiendo la ilusión de borrado en la edición de conocimiento para LLM

Se examina la Edición de Conocimiento (KE) en LLM, descubriendo que el conocimiento editado no se borra completamente sino que persiste. El análisis revela que los métodos de actualización redistribuyen el conocimiento en el espacio del modelo y son vulnerables a ataques adversarios. Esto sugiere que los algoritmos de KE son inherentemente eludibles, lo que requiere una reevaluación de su implementación.

Periodista: Advik Raj Basani, Anshuman Chhabra

Personas mencionadas

Predicción y mitigación de la susceptibilidad a jailbreaks mediante la geometría de comportamiento de modelos

Se evalúa y mitiga la susceptibilidad de sistemas generativos a ataques de jailbreak para asegurar su despliegue. Se formaliza la geometría de comportamiento de modelos para permitir una predicción eficiente de susceptibilidad y transferencia de defensas. Los métodos basados en esta geometría demuestran una detección de susceptibilidad con alta precisión y eficiencia en la evaluación.

Periodista: Hayden Helm, Xiaodong Liu, Weiwei Yang

Personas mencionadas

Extracción de características basadas en wavelet continua para la clasificación de espectroscopia de desintegración inducida por láser de muestras de plasma humano

Un estudio evaluó la extracción de características espectrales mediante transformada wavelet continua (CWT) para clasificar muestras de plasma humano como positivas o negativas para SARS-CoV-2. Se analizaron 181 especímenes de plasma, obteniendo una precisión del 93.00%, sensibilidad del 94.67% y especificidad del 91.61%. Las características identificadas incluyeron líneas de emisión de Ca II, K I y N I.

Periodista: Md Mahmudur Rahman, Atqiya Munawara Mahi, Nazim Ahmed Belabbaci, Mohammad Arif Ul Alam

Personas mencionadas

Descomponiendo el sesgo de sí/no en el juicio moral de los LLM

Investigaciones sobre modelos de lenguaje grandes (LLM) revelan sesgos en su juicio moral binario, como la coherencia entre la postura, la palabra y el veredicto. Se encontró que los sesgos son generalizados pero no uniformes, con algunos modelos mostrando una menor adhesión al veredicto. El estudio utiliza una batería psicométrica para separar estos efectos y medir la postura de los modelos sin formato binario.

Periodista: Haonan Huang

Personas mencionadas

PACZero: Ajuste fino privado de lenguaje mediante cuantización de signo

Se presenta PACZero, un mecanismo de ajuste fino diferencialmente privado (DP) de orden cero (ZO) para modelos de lenguaje grandes (LLMs). Este método busca equilibrar la utilidad y la privacidad al limitar la información mutua entre la entrada secreta y la salida. Se evalúan diferentes canales para garantizar la resistencia a ataques de inferencia de membresía (MIA) en el ajuste fino de LLMs.

Periodista: Murat Bilgehan Ertan, Xiaochen Zhu, Phuong Ha Nguyen, Marten van Dijk, Srinivas Devadas

Personas mencionadas

Gráficos de comportamiento: Estructuras de grafos no supervisados para interpretar datos de despliegue de robots

Se proponen los gráficos de comportamiento para simplificar el análisis de datos de despliegue de robots, comprimiendo las implementaciones de políticas en un grafo dirigido e interpretable. Estos gráficos ayudan a identificar modos de comportamiento similares y predicen el progreso de manera más precisa en comparación con las líneas base. Esto facilita la interpretación y el razonamiento sobre grandes volúmenes de datos de implementación de robots.

Periodista: Erik Bauer, Jakob Thumm, Christopher Agia, Rohan Sinha, Chen Xu, Haruki Nishimura, Jeannette Bohg, Marco Pavone, Masha Itkina

Personas mencionadas

Equilibrio Minimax-Regret Probabilísticamente Robusto para Juegos de Equipo Adversarios bajo Información Asimétrica

Se presenta el Equilibrio Minimax-Regret Probabilísticamente Robusto (PR-MRE) para juegos de equipo adversarios con información asimétrica. Este concepto combina la robustez libre de distribución con información probabilística para mejorar el rendimiento de las estrategias frente a cambios en la distribución de tipos. Los experimentos demuestran que PR-MRE genera estrategias más robustas en comparación con el equilibrio de Nash bayesiano.

Periodista: Naman Aggarwal, Jonathan P. How

Personas mencionadas

Evaluación del impacto de la Generación Aumentada por Recuperación en la resolución de problemas algorítmicos

Se presenta un enfoque de Generación Aumentada por Recuperación para mejorar la capacidad de los Modelos de Lenguaje Grande en la resolución de problemas de programación competitiva. El método integra recuperación basada en incrustaciones y búsqueda de similitud para identificar problemas análogos. Los resultados demuestran que la recuperación basada en similitud mejora sustancialmente el rendimiento de los LLMs en estos escenarios.

Periodista: Subhankar Maity

Personas mencionadas

MetaEncoder: Explorando el límite de los bi-encoders para la toma de decisiones multimodales con interfaz de lenguaje natural

Se presenta MetaEncoder, un codificador multimodal afinado para la toma de decisiones con interfaz de lenguaje natural. El estudio compara tres arquitecturas de puntuación (bi-encoders, cross-encoders y decodificadores restringidos) y demuestra que los bi-encoders ofrecen una ventaja de eficiencia al mantener una latencia de inferencia constante. MetaEncoder supera a los modelos de incrustación multimodales de vanguardia en tareas de decisión y recuperación de conjuntos abiertos.

Periodista: Jianpeng Cheng, Guangyu Sun, Aashu Singh, Benyu Zhang, Haixing Dai, Hossein Mansour, Jiangfan Zhang, Shlok Kumar Mishra, Wei Sun, Xuanming Cui, Yanli Liu, Qi Guo, Max Xiangjun Fan, Jun Xiao

Modelo de acción mundial basado en MPC con difusión

Se presenta LeWAM, un transformador bidireccional para predicción de políticas y dinámica, entrenado en un latente JEPA. Este modelo ofrece mejoras en alineación, actuación y planificación al manejar mejor la información latente y explotar las imprecisiones del modelo de dinámica en el proceso de planificación.

Periodista: Shashank Hegde, Alexander Popov, Elie Aljalbout, Nikolai Smolyanskiy

Personas mencionadas

Procesos Neuronales Transformadores Espectrales

Se propone el Procesos Neuronales Transformadores Espectrales (STNPs), una extensión de los Procesos Neuronales Transformadores (TNPs) que incorpora un Agregador Espectral. Este enfoque busca mejorar el modelado de la periodicidad y la cuasi-periodicidad en series temporales e imágenes al inyectar un sesgo de mezcla espectral. Los experimentos demuestran que STNPs mejoran el rendimiento predictivo sobre métodos existentes.

Periodista: Xianhe Chen, Hao Chen, Yingzhen Li

Personas mencionadas

Valor Shapley generalizado y consciente de la prioridad

Se presenta el valor de Shapley generalizado y consciente de la prioridad (GPASV) para la valoración en aprendizaje automático, abordando las limitaciones de los métodos existentes con restricciones de prioridad par a par. El estudio introduce GPASV para manejar grafos de prioridad ponderados dirigidos arbitrarios. Se demuestra que la valoración consciente de la prioridad varía significativamente según el equilibrio entre la prioridad de la gráfica y la prioridad individual.

Periodista: Kiljae Lee, Ziqi Liu, Weijing Tang, Yuan Zhang

Personas mencionadas

Patrones de arquitectura del servidor MCP para aplicaciones integradas con LLM

Se presenta el Protocolo de Contexto del Modelo (MCP), definido por Anthropic en noviembre de 2024, que estandariza la conexión de modelos de lenguaje grandes (LLM) con herramientas y servicios externos. El artículo cataloga cinco patrones de arquitectura de servidores MCP observados en un corpus de servidores desarrollados. También se documentan anti-patrones y se realizan evaluaciones cuantitativas sobre la fiabilidad de la taxonomía y la sobrecarga de transporte.

Periodista: Carson Rodrigues, Oysturn Vas

Personas mencionadas

¿Son útiles los modelos de visión grandes para el análisis de series temporales?

Un estudio fue diseñado para investigar la utilidad de los Modelos de Visión Grandes (LVMs) en el análisis de series temporales, evaluando su rendimiento en tareas de clasificación y pronóstico. Los resultados sugieren que los LVMs son útiles para la clasificación, pero presentan limitaciones en el pronóstico, como sesgos y capacidad limitada para ventanas de retroceso largas. El manuscrito fue retirado por los autores para realizar revisiones sustanciales.

Periodista: Ziming Zhao, ChengAo Shen, Hanghang Tong, Dongjin Song, Zhigang Deng, Qingsong Wen, Jingchao Ni

Personas mencionadas

FoleyForge: Edición de efectos de sonido libre, controlable y de flujo rectificado

Se presenta FoleyForge, un modelo generativo para la edición de efectos de sonido basado en instrucciones. Este modelo aplica ediciones preservando la identidad del clip de entrada, manejando cambios semánticos y estilísticos. El sistema utiliza un pipeline de datos para guiar un modelo de lenguaje de audio, mejorando la edición acústica y semántica.

Periodista: Giovana Morais

Personas mencionadas

PreForceVision: Estimación óptica guiada por física de la precarga de pernos a partir de la deformación de la cabeza del perno

Se propone PreForceVision, un marco óptico guiado por física para estimar la precarga de pernos mediante la deformación superficial de la cabeza del perno. El método aborda la estimación como un problema inverso de deformación a fuerza, utilizando pares de imágenes y extracción de deformación para determinar el estado de precarga interno. Los resultados preliminares indican una correlación entre la deformación medida y la precarga, validando una metodología óptica para la estimación de precarga.

Periodista: Nehal Afifi, Klaus Rappenecker, Florian Peinhardt, Gerhard Kachel, Alfred Isele, Sven Matthiesen

Personas mencionadas

LittleLearner: Modelos de lenguaje con exposición al conocimiento controlada pedagógicamente

Se presenta LittleLearner, un modelo de lenguaje entrenado con un corpus de datos curado llamado LittleCurriculum, diseñado para estudiar la adquisición de conocimiento bajo un alcance de entrenamiento estrictamente controlado. Este modelo permite mapear límites claros de conocimiento y capacidad para investigar cómo los modelos adquieren y utilizan datos. Los hallazgos enfatizan el valor de este entorno controlado para futuras investigaciones en el campo de la inteligencia artificial.

Periodista: Jana Zeller

Personas mencionadas

Puertas rotas: Reevaluando las defensas contra bots web en la era de los agentes LLM

La aparición de la automatización web mediante rastreadores y agentes basados en LLM presenta nuevos desafíos para las defensas contra bots. Las defensas modernas están migrando de desafíos explícitos a decisiones basadas en el riesgo sobre señales de navegador e identidad. Se encontró que los servicios de resolución superan las defensas basadas en desafíos, mientras que los agentes de navegador son sensibles al estado del navegador y la cuenta. Esto revela una tensión de seguridad entre eliminar la fricción y asegurar que las señales de confianza sean accesibles para usuarios humanos.

Periodista: Behzad Ousat, Nikita Turkmen, Lalchandra Rampersaud, Dillan Bailey, Amin Kharraz

Personas mencionadas

VOMMI: Recolección y aprovechamiento de demostraciones portátiles para manipulación móvil

Se presenta VOMMI, un marco de aprendizaje que utiliza demostraciones portátiles de RGB para conectar demostraciones de manipulación móvil con el post-entrenamiento VLA. El sistema mejora la precisión de la política al usar demostraciones portátiles en comparación con las recopiladas por robot, reduciendo errores de trayectoria y mejorando la tasa de éxito en tareas de robot reales.

Periodista: Yutian Zhang, Xingrui Xiong, Siyuan Ma, Donghao Wang, Yang Li, Jiawen Wen, Jiaqi Zhai, Liwen Yang, Ce Hao, Haozhen Chi, Yangkun Zhu, Yifan Zhu, Xiaowen Chu, Dong Wei, Qiaojun Yu, Dibo Hou

Cuando los archivos de instrucción se vuelven obsoletos: Deuda de documentación y costo oculto en agentes de codificación

Se investigó la deuda de documentación en agentes de codificación basados en LLM, donde los archivos de instrucción pueden volverse obsoletos. Se encontró que los agentes siguen instrucciones obsoletas cuando son relevantes para sus tareas, incluso si hay información correcta disponible en otros lugares. El éxito de la tarea no refleja los costos asociados a esta deuda de documentación, subrayando la necesidad de evaluar el comportamiento del agente más allá de los resultados finales.

Periodista: Tural Mehtiyev

Personas mencionadas

OperatorSHAP: Estimación Rápida y Precisa del Valor de Shapley para Operadores Neuronales

Se presenta OperatorSHAP, un método de atribución independiente de la rejilla que permite entrenar explicadores tipo FastSHAP para operadores neuronales. Este método aborda la limitación de los métodos existentes al manejar entradas irregulares y geometrías, estableciendo un marco teórico para atribuciones en el espacio de funciones. Se demuestra que las explicaciones de OperatorSHAP son consistentes con valores de Shapley discretos de última generación a través de resoluciones y transferencias entre tamaños de rejilla sin necesidad de reentrenamiento.

Periodista: Joshua Stiller

Personas mencionadas

Aprendizaje por Refuerzo Seguro mediante Blindaje Probabilístico de Opciones

Se presenta el Blindaje Probabilístico de Opciones (POS), una técnica de aprendizaje por refuerzo que extiende el blindaje lógico probabilístico (PLS) al nivel de la opción para lograr seguridad a largo plazo sin requerir un modelo completo del entorno. Esta técnica aprende un crítico libre de modelo a partir de señales de PLS de un paso para estimar la probabilidad de finalización segura de la opción. Los resultados demuestran que POS ofrece un entrenamiento considerablemente más seguro manteniendo el rendimiento de la tarea.

Periodista: Gian Luca Ascari, Isidoro Tamassia, Ying Jiao, Luc De Raedt, Giuseppe Marra

Personas mencionadas

Corte Piecewise Suave para Operador Neuronal para Manejar Discontinuidades y Transiciones Agudas

Se propone Cut-DeepONet, un marco de entrenamiento de dos etapas para modelar explícitamente discontinuidades en operadores neuronales de PDEs. Este método utiliza una estrategia de elevación para particionar el dominio y representar las discontinuidades como límites, mejorando el rendimiento sobre métodos existentes. Los experimentos demuestran que Cut-DeepONet supera a los métodos de vanguardia, logrando resultados superiores con menos parámetros entrenables.

Periodista: Ha Dang, Sebastian Schmidt, Juergen Hesser

Personas mencionadas

No se identificaron personas.

Autoencoders dispersos conscientes del subespacio para interpretabilidad mecanicista efectiva

Se presenta un nuevo modelo llamado Autoencoders Dispersos Conscientes del Subespacio (SASA) para mejorar la interpretabilidad mecanicista en modelos de lenguaje grandes. Este enfoque reemplaza los decodificadores de vector único por subespacios aprendidos y utiliza técnicas de compuerta de grupo para imponer escasez. Los experimentos en GPT-2 y Mistral-7B indican una menor absorción y una predicción más precisa de conceptos con un número reducido de coordenadas latentes.

Periodista: Seyed Arshan Dalili, Mehrdad Mahdavi

Personas mencionadas

RiskFlow: Generación de escenarios de tráfico crítico y seguro rápido y fiel

Se presenta RiskFlow, un marco de generación de tráfico de seguridad crítica en bucle cerrado diseñado para evaluar sistemas de conducción autónoma. Este método reformula la generación de comportamiento futuro como transporte de flujo de un solo paso para mejorar la eficiencia y reducir errores de muestreo. Los experimentos demuestran que RiskFlow logra un buen equilibrio entre realismo adversarial y capacidad de generación de escenarios de seguridad crítica.

Periodista: Jie Li, Qi Lan, Yining Tang, Yu Shen, Yi Zhou, Yuhao Wei, Guofa Li, Hao Sun

Personas mencionadas