Buscar noticias

Buscá por texto y descubrí noticias relacionadas con tu consulta.

Noticias relevantes

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

No encontramos noticias relacionadas por su significado.

Noticias encontradas

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

Resultados para «Modelo»

Más recientes primero · Hasta 30 noticias por página

Exportaciones récord para Puma producida en la fábrica Ford Otosan en Craiova.

La fábrica Ford Otosan de Craiova registró un récord de exportaciones en octubre para el modelo Puma, con 16.361 unidades vendidas al exterior, lo que representa casi el 99% de la producción total exportada. La producción total de la fábrica en octubre alcanzó 21.973 vehículos, impulsada por la fuerte demanda de vehículos eléctricos en mercados europeos como Alemania y Francia. El modelo Courier experimentó una caída significativa en su producción, arrastrando ligeramente el resultado mensual general de la planta.

Periodista: Gabriel Dogaru

Personas mencionadas

No se identificaron personas.

EEUU acusa a Cuba de querer mantenerla en el 'tercer mundo' y sostiene que su modelo no funciona

Estados Unidos acusa a Cuba de intentar mantenerla en un estado de 'tercer mundo' y critica su modelo económico, justificando la continuidad del bloqueo por la falta de libertades políticas. El presidente de Cuba, Miguel Díaz-Canel, respondió a las críticas, afirmando que el futuro de la isla no se decidirá por fuerzas externas y calificó el bloqueo como castigo colectivo.

Periodista: Agencias

Personas mencionadas

De cazadores a protectores: La recuperación de la población de marcotas de Tayikistán

La población de marcotas en Tayikistán ha aumentado de menos de 500 a más de 7,000 individuos en tres décadas, gracias a un cambio en la gestión de la conservación. Este éxito se debe a la integración de ex cazadores como guardianes y a un modelo económico basado en cuotas de caza reguladas. La cooperación internacional y la participación comunitaria han sido clave para esta recuperación ecológica.

Periodista: Alexander Shtorm

India es una historia de éxito notable: la Misión Jal Jeevan y Namami Gange ofrecen un modelo global para la gestión del agua

El Banco Mundial calificó las iniciativas de gestión del agua de la India, como la Misión Jal Jeevan y Namami Gange, como un modelo global para países en desarrollo. Se destacó el éxito en mejorar el acceso al agua potable y la gestión de ríos, señalando que estas soluciones pueden ser replicadas por otras naciones.

Periodista: PTI

RetinaGuard: Triaje con control de riesgo agente para el cribado retiniano multianal

Se presenta RetinaGuard, un marco de triaje agente diseñado para el cribado retiniano, que utiliza agentes para recopilar evidencia y un predictor de fallos para estimar la probabilidad de decisiones inseguras. El sistema compara su rendimiento con otros modelos utilizando diferentes niveles de seguridad y demuestra que la recolección de evidencia agente depende de la incertidumbre del modelo primario.

Periodista: Sohaib Sulman, Muhammad Atif Saeed, Akhtar Jamil, Alaa Ali Hameed, Roland Aydin

Personas mencionadas

Evaluación de la clasificación y la explicabilidad en el análisis de imágenes petrograficas multimodales

Se evalúan los clasificadores automatizados de imágenes petrográficas multimodales que combinan luz planeada-polarizada y cruzada-polarizada. El estudio analiza cómo los errores de clasificación y los mapas de atribución revelan aspectos del rendimiento del modelo que la precisión de la clasificación no muestra. Se encontraron diferencias en la sensibilidad a la modalidad y el comportamiento de atribución entre las diferentes vistas ópticas.

Periodista: Oktay Karakus Dr

Personas mencionadas

Decodificación especulativa de nivel de frase en un objetivo congelado

Se presenta una mejora en la decodificación especulativa para aumentar el rendimiento al permitir que más candidatos sobrevivan a la verificación. Se describe una técnica donde una cabezal MLP predice frases de una a tres palabras en un vocabulario de borrador separado, optimizando el uso de parámetros y manteniendo la coherencia con el vocabulario del modelo base. Los resultados demuestran una ventaja en métricas de razonamiento matemático frente a otros modelos.

Periodista: Madhusudhana Naidu

Personas mencionadas

El teorema Pokémon: los criterios de equidad no pueden atraparlos a todos

Se presenta el teorema Pokémon, que establece que es imposible satisfacer todos los criterios de equidad algorítmica simultáneamente. Se argumenta que cumplir con un conjunto finito de criterios no garantiza la equidad total, ya que el modelo puede violar otros criterios. Se explora la posibilidad de lograr una equidad aproximada al encontrar la frontera de Pareto entre la equidad y el señal predictivo.

Periodista: Daniel Matsui Smola, Alex Smola

Personas mencionadas

Posco se convierte en empresa de recursos integrados al transformar el acero en empresa de recursos integrados

El grupo POSCO está transformando su modelo de negocio hacia una empresa de recursos integrados, abarcando acero, gases raros y LNG. Esto responde a la presión de la industria siderúrgica y la necesidad de diversificar ingresos. La compañía busca lograr un crecimiento equilibrado en estos tres pilares para asegurar la rentabilidad futura.

Periodista: 최원영

Personas mencionadas

Aprendizaje universal de incrustaciones voxel a voxel mediante síntesis aleatoria para localización de puntos de referencia

Se propone UNIVERS, un marco entrenable de extremo a extremo que aprende incrustaciones voxel a voxel universales mediante síntesis aleatoria para la localización de puntos de referencia en escaneos de volumen multimodales. Este método utiliza datos pseudo sintetizados con aleatorización para hacer el modelo robusto a variaciones en el contraste y resolución de la imagen. Los resultados demuestran que UNIVERS supera a los métodos de última generación en la localización de puntos de referencia, especialmente en escenarios de multimodalidad.

Periodista: Derong Yu, Qingsong Zhao, Yanbing Yue, Yikai Li, Zhi Zhang, Guoyan Zheng

Personas mencionadas

¿Cuántas exposiciones necesita un modelo mundial? Aprendiendo mecánicas de juego no vistas en el momento de la prueba

Se investiga cuántas exposiciones necesita un modelo del mundo para predecir las mecánicas de un entorno de juego desconocido. Se presenta el modelo WARC, un transformador de visión, que demuestra capacidad para predecir la mayoría de las mecánicas con alta precisión tras un entrenamiento específico. El trabajo también muestra que el entrenamiento en el momento de la prueba mejora significativamente la eficiencia de un explorador de grafos.

Periodista: Ku Onoda, Haruto Kawano, Shota Takashiro, Kohei Hayashi

Personas mencionadas

EarthJev: Adquisición de evidencia visual eficiente y toma de decisiones para la comprensión del teledetección UHR

Se presenta EarthJev, un marco diseñado para la respuesta a preguntas visuales (VQA) en teledetección UHR, enfocado en la adquisición eficiente de evidencia visual. El sistema separa la puntuación de regiones de la generación de respuestas, utilizando señales de decisión específicas para mejorar la precisión y reducir la latencia. EarthJev superó a ZoomSearch en cinco puntos de referencia, logrando una precisión media del 53.06% con el modelo Qwen3.5-9B.

Periodista: Pengyu Dai, Yao Zhang, Jian Song, Junjue Wang, Yafei Ou, Yuzeng Chen, Junshi Xia, Hongruixuan Chen, Naoto Yokoya

Personas mencionadas

SkillDuet: Modelos y habilidades coevolutivos a través de feedback de respuesta

Se presenta SkillDuet, un marco que coordina la evolución de parámetros y habilidades mediante el feedback de respuesta del modelo. Este sistema extrae habilidades de trayectorias on-policy para guiar las actualizaciones de parámetros, consolidando las mejores habilidades en un conjunto global persistente. El framework demostró altas tasas de éxito en benchmarks como ALFWorld y WebShop, superando las líneas base existentes.

Periodista: Xingguang Ji, Ziqiang Dong, Yubo Zhang, Xi Leng, Yang Yang, Guanjun Jiang

Personas mencionadas

Inflación de tokens: Cómo los proveedores deshonestos pueden sobrecargar el uso de modelos de lenguaje grandes

El modelo de facturación por token es el estándar para los LLM comerciales, pero los proveedores pueden inflar sistemáticamente los recuentos de tokens facturados. Esto se debe a que ocultan componentes clave para proteger su propiedad intelectual y privacidad del usuario. Los resultados indican que la auditoría es defectuosa porque depende de la evidencia proporcionada por el propio proveedor. Se necesita verificación externa para asegurar la facturación honesta.

Periodista: Shahinul Hoque, Jinghuai Zhang, Jinyuan Sun, Fnu Suya

Personas mencionadas

Auto-Rubric como Recompensa: De Preferencias Implícitas a Criterios Generativos Explícitos

Se presenta el marco Auto-Rubric as Reward (ARR) para reformular el modelado de recompensas, pasando de la optimización de pesos implícitos a la descomposición explícita basada en criterios. Este método externaliza el conocimiento de preferencia del modelo (VLM) como rúbricas específicas, lo que permite una evaluación más interpretable y reduce sesgos. La optimización posterior (RPO) demuestra que este enfoque logra un alineamiento multimodal más fiable y eficiente en datos que los modelos basados en comparación por pares.

Periodista: Juanxi Tian, Fengyuan Liu, Jiaming Han, Yilei Jiang, Yongliang Wu, Yesheng Liu, Haodong Li, Furong Xu, Wanhua Li

Personas mencionadas

GeneZip: Compresión consciente de la región para modelado de ADN de largo contexto

Se presenta GeneZip, un marco de compresión de ADN consciente de la región diseñado para reducir la longitud de secuencias de ADN de largo contexto. Este modelo combina objetivos de ratio consciente de la región con enrutamiento limitado para lograr una compresión eficiente mientras preserva la utilidad predictiva. GeneZip demuestra una compresión significativa y un mayor rendimiento en el modelado de largo contexto.

Periodista: Jianan Zhao, Xixian Liu, Zhihao Zhan, Xinyu Yuan, Hongyu Guo, Jian Tang

Personas mencionadas

Modelo de plegamiento guiado por proteómica estructural

Se presenta AIMS-Fold, una capa de guía para el modelo Boltz-2 que utiliza información de proteómica estructural positiva y negativa para mejorar la predicción de conformación en el diseño de PROTACs. Los resultados muestran que AIMS-Fold logra una recuperación de conformación del 86% en comparación con el 14% de Boltz-2 sin guía. Esto demuestra la importancia de integrar la señal estructural completa para mejorar los modelos generativos en el diseño de degradadores.

Periodista: Alon Shtrikman, Sagie Brodsky, Michal Ran Shchory, Nitzan Simchi, Yaron Ben Shoshan-Galeczki, Eran Seger, Kirill Pevzner

Personas mencionadas

Aprendizaje de jerarquías biológicas en modelos fundacionales de célula única

Se presenta un modelo fundacional llamado scOntoFM que integra la ontología celular jerárquica en el aprendizaje de representaciones. Este modelo utiliza distancias LCA para preservar la estructura de la ontología biológica en la geometría de incrustación. El modelo muestra mejoras consistentes en benchmarks y fortalezas en configuraciones de cero-shot.

Periodista: Xiangyu Guo, Ricardo Henao

Personas mencionadas

Red ramificada multilateral dual para segmentación multi-clase en angiografías cardiovasculares

Se presenta una arquitectura MLBNet de doble parte diseñada para la segmentación consciente de la clase en escenas de cateterización cardiovascular. El estudio utiliza datos de angiografías de modelos fantoma, simulaciones y modelos animales para entrenar y evaluar el modelo. Los resultados indican que los modelos son capaces de separar eficazmente el cable guía, el catéter, los vasos y el fondo con alta precisión.

Periodista: Olatunji Omisore, Ahmed Elazab, Ali Shahidinejad, Fariza Sabrina

Personas mencionadas

No se identificaron personas.

Hallucination-Guided Unlearning: Usando rastros de alucinación para revelar memorias sobreajustadas

Se presenta el Olvido Guiado por Alucinaciones (HGU), una técnica para el olvido selectivo en modelos de lenguaje grandes, utilizando fallos del modelo como señales diagnósticas. Esta técnica localiza segmentos no soportados y edita neuronas específicas para lograr un olvido efectivo manteniendo la utilidad general. Los resultados demuestran que esta aproximación ofrece un mejor equilibrio entre la eficacia del olvido y la utilidad general sin necesidad de un reentrenamiento completo.

Periodista: Jiayu Zhang, Ziqi Zhong, Yuliang Gai, Canran Xiao

Personas mencionadas

Desenfocadores Polinomiales en el Mapeo de Imagen: Redes Volterra para Difusión de Píxeles Autocontenidos

Se propone una arquitectura de difusión en espacio de píxeles que utiliza capas Volterra en cascada para lograr difusión autocontenida sin componentes preentrenados ni funciones de activación. El trabajo demuestra que estas capas pueden alcanzar tasas de aproximación gobernadas por la dimensión del manfoldo de datos. El modelo resultante es competitivo en términos de parámetros y FLOPs en comparación con otros modelos de difusión.

Periodista: Siddharth Roheda, Rohit Chowdhury, Amit Satish Unde, Aniruddha Bala

Personas mencionadas

RELAY: Destilación Selectiva con Transferencia Adaptativa para Aprendizaje por Refuerzo Basado en Rubricas

Se presenta RELAY, un método de aprendizaje por refuerzo que utiliza destilación selectiva con transferencia adaptativa. Este método busca mejorar el rendimiento sobre GRPO al seleccionar simulaciones específicas y monitorear la pérdida de destilación para decidir cuándo retirar un modelo profesor. RELAY superó a GRPO en varias configuraciones, mostrando mejoras significativas en el dominio y al destilar solo una parte de los tokens de respuesta.

Periodista: Kunwang Zheng, Xinyu Sun, Yu Cao, Shuocheng Li, Lei Cheng, Ying Liu, Qilong Zhang, Jinlong Chen, Hua Yang, Qianglong Chen

Personas mencionadas

AutoQS: Diseño de Estrategia de Cuantización Automatizada con Modelos de Lenguaje Grande

Se presenta AutoQS, un método basado en LLMs para automatizar el diseño de estrategias de cuantización en modelos de lenguaje grandes (LLMs). Este enfoque busca equilibrar la calidad del modelo con los costos de almacenamiento y despliegue. El sistema utiliza proxies de calidad para guiar propuestas de cuantización, buscando mejorar la precisión en tareas específicas.

Periodista: Zhen Liu, Zhiqin Yang, Yonggang Zhang, Jianyi Liu, Jinjun Wang, Jingwen Fu

Personas mencionadas

La interferencia de la dirección refleja los valores por defecto del modelo, no las direcciones de comportamiento

Se investiga la interferencia de la dirección en los modelos de lenguaje para entender cómo las direcciones afectan el comportamiento del modelo. Los resultados indican que las direcciones sin contenido de comportamiento mueven comportamientos similares a las direcciones reales, y la estructura unidireccional es consistente en la mayoría de los modelos.

Periodista: Srikanth Malla, Chiho Choi, Joon Hee Choi

Personas mencionadas

GMD-Mamba: Segmentación de imágenes médicas 3D ligeras utilizando Mamba

Se propone el GMD Mamba, una red ligera para la segmentación de imágenes médicas 3D utilizando Mamba. Este método divide los canales en grupos y aplica el escaneo en diferentes direcciones para obtener contexto multidireccional. El modelo logra un Dice promedio del 92.0% en BraTS2023, superando a otros métodos con menos parámetros.

Periodista: Rahim Ullah, Hasan Abbas, Hazrat Ali, Syed Waqar Nabi

Personas mencionadas

Sobre capacidades emergentes y fusión de modelos

Se investiga la fusión de modelos mediante la combinación aritmética de pesos de puntos de control ajustados, buscando entender su impacto en las capacidades emergentes. Los hallazgos indican que la fusión preserva la desalineación de los modelos parentales, pero no puede crear capacidades emergentes superaditivas. Además, la fusión diluye la capacidad emergente cuando solo un modelo la posee, mostrando diferencias significativas en los resultados.

Periodista: Luca Zhou

Personas mencionadas

Aprendizaje eficiente de políticas MPC diferenciables en la GPU mediante ADMM suavizado y RL de primer orden

Se presenta un método para el aprendizaje diferenciable de políticas de control predictivo de modelo (MPC) en la GPU, combinando SQP con ADMM suavizado para obtener gradientes suaves. Este enfoque se acopla con RL de primer orden (FORL) para entrenar las políticas, logrando una mejora significativa en el rendimiento de entrenamiento y velocidad en tareas de carreras. El método demuestra una aceleración de 46 veces en comparación con MPC PPO.

Periodista: Jianghan Zhang, Roland Schwan, Gabriel Bravo-Palacios, John Zhang, Thomas Lew, Brian Plancher

Personas mencionadas

Atribución a nivel de oración para salidas de Modelos de Lenguaje Grande de caja negra mediante sustitutos basados en energía

Se propone un intérprete de atribución post-hoc independiente del modelo que opera a nivel de oración para evaluar la consistencia entre la instrucción y la respuesta de Modelos de Lenguaje Grande (LLM) propietarios. Se entrena un Modelo Basado en Energía (EBM) como sustituto para medir la consistencia generativa y luego se entrena una red intérprete para estimar la influencia de las oraciones de la instrucción en la salida. Los experimentos demuestran que el enfoque captura dependencias generativas complejas y logra una calidad de atribución competitiva con eficiencia en parámetros.

Periodista: Maryam Rezaee, Pooriya Safaei, Maryam Asgarinezhad, Fatemeh Seyyedsalehi

Personas mencionadas

¿Saben los modelos de lenguaje cuáles son las restricciones que pertenecen juntas?

El texto analiza cómo los modelos de lenguaje pueden identificar grupos de restricciones que pertenecen juntas en problemas de programación entera mixta. Se compara la capacidad de estos modelos con métodos basados en la observación de límites y predicciones basadas en la lectura del modelo. Se demuestra que los modelos de lenguaje son efectivos para nombrar grupos de margen cero en instancias de modelos MIPLIB-NL.

Periodista: Junbo Jacob Lian, Kaixuan Chen, Hanzhang Qin, Huiling Chen, Chaoyu Zhang, Chung-Piaw Teo

Personas mencionadas

CRANE: Inyección de razonamiento restringido para agentes de código mediante edición de espacio nulo

Se presenta CRANE, un método de edición de parámetros sin entrenamiento para agentes de código que combina modelos Instruct y Thinking. Este método busca mejorar el razonamiento y la preservación de protocolos de uso de herramientas, logrando ganancias significativas en varios *benchmarks*. CRANE supera a estrategias de fusión alternativas al mantener la eficiencia del modelo Instruct.

Periodista: Mingzhi Zhu, Michele Merler, Raju Pavuluri, Stacy Patterson

Personas mencionadas