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
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.
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.
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.
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.
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.
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.
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.
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.
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.
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.
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.
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.
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.
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.
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.
¿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.
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.
Conociendo lo que falta: Memoria conversacional eficiente mediante seguimiento explícito de brechas de evidencia
Se propone MemR$^3$, un controlador de bucle cerrado que reformula la recuperación de memoria conversacional como toma de decisiones con estado explícito, manteniendo un estado de brecha de evidencia. Este método busca mejorar la eficiencia de la memoria conversacional al condicionar al modelo con un resumen compacto del progreso en lugar de la historia completa. Los experimentos demuestran que MemR$^3$ supera a los métodos de recuperación de múltiples pasos implícitos y es eficiente en el uso de tokens.
Valeria Di Martino está en Japón para buscar la décima corona del Miss Internacional
Valeria Di Martino, modelo y estudiante de medicina, llegó a Tokio, Japón, para representar a Venezuela en el certamen Miss Internacional 2026. Su objetivo es ganar la décima corona para Venezuela. Competirá contra más de 70 candidatas internacionales y su participación incluye desfiles y entrevistas en Japón.
De estados ocultos a confesiones: Auditoría de engaño en modelos de razonamiento
Se presenta StateWitness, un decodificador de auditoría diseñado para monitorear el comportamiento engañoso en modelos de lenguaje grande (LLM). Este sistema lee los estados ocultos del modelo objetivo para generar informes detallados de posibles fallos o violaciones. El sistema demuestra un rendimiento superior en la detección de engaño, ofreciendo evidencia a nivel de token o oración para la inspección humana.
dNaViT: Representaciones visuales de propósito general con códigos discretos
Se presenta dNaViT, un Vision Transformer de resolución nativa discreta que genera primitivas visuales discretas similares a los tokens del lenguaje. Este modelo unifica la metodología visual y del lenguaje mediante un marco común. Las evaluaciones demuestran que dNaViT iguala o supera las líneas base en diversos benchmarks de comprensión visual y generación de imágenes.
STABLE: Un optimizador de aprendizaje continuo con control de deriva adaptativa
Se presenta STABLE, un optimizador primal-dual con control de deriva adaptativa para mitigar el olvido catastrófico en el aprendizaje continuo. Este método gestiona un presupuesto de deriva para mantener la estabilidad sin sacrificar la plasticidad del modelo. Los experimentos demuestran que STABLE iguala o supera a métodos especializados en tareas unimodales y multimodales.
CRePE: Positional Encoding de Rayo Curvo para Generación de Video Controlada por Cámara Unificada
Se propone la Codificación Posicional de Rayo Curvo (CRePE) para mejorar la generación de video condicionado por cámara, abordando las limitaciones de las codificaciones existentes al capturar la geometría de rayo curvo de cámaras gran angular y ojo de pez. CRePE utiliza un Adaptador de Atención Geométrica para inyectar información de distancia de escena y lograr un control de cámara más estable y calidad de video competitiva. El modelo resultante demuestra efectividad en la transferencia de movimiento de video a cámaras de ojo de pez y pinhole.
Arquitectura de Mezcla de Expertos Activada por Anatomía para Visión-Lenguaje Médico 3D
Se presenta el A^2MoE, un marco para el pre-entrenamiento de visión-lenguaje médico 3D que incorpora sesgos inductivos anatómicos. Este modelo introduce un Router de Representación de Histograma y un Proyector Multi-Escala de Consulta de Órganos para mejorar la alineación de características a nivel de órgano. El modelo ha demostrado un rendimiento de vanguardia en benchmarks de segmentación, clasificación y detección con datos de CT, y muestra generalización a MRI y ultrasonido.
Evaluación de la incertidumbre epistémica: Más allá de la detección OOD y el aprendizaje activo
El artículo evalúa la incertidumbre epistémica mediante la comparación de diferentes tareas como la detección de datos fuera de distribución, el aprendizaje activo y la predicción selectiva. Se demuestra que la predicción selectiva y la tarea del arrepentimiento son los extremos de una familia de tareas, mientras que las otras tareas discrepan sobre qué método es el mejor estimador de incertidumbre epistémica. Se concluye que los investigadores deben especificar la decisión posterior que respalda la estimación de incertidumbre epistémica en lugar de usar una noción general de ignorancia del modelo.
BSTabDiff: Priores de Difusión de Subunidades de Bloque para la Generación de Datos Tabulares de Alta Dimensionalidad
Se presenta BSTabDiff, un marco generativo que particiona características en bloques latentes para generar datos tabulares de alta dimensionalidad (HDLSS). El modelo busca concentrar el aprendizaje de dependencia global en un espacio latente compacto, mejorando la generación de datos sintéticos en comparación con métodos anteriores. El enfoque soporta priors modernos como difusión y flujos normalizadores para una síntesis estable.
La división de infraestructura: Análisis de la postura comunitaria sobre el desarrollo de centros de datos a través de Reddit
Un estudio utilizó un modelo de lenguaje grande para analizar posts y comentarios de Reddit sobre el desarrollo de centros de datos, encontrando que la oposición local dominó el discurso. Se identificaron preocupaciones clave como el consumo de recursos, el proceso de ubicación y la oposición política a los centros de datos. Los hallazgos sugieren un cambio hacia asociaciones negociadas para el desarrollo de infraestructura.
Ataques adversarios prácticos a *bandits* estocásticos mediante inyección de datos falsos
Se propone un modelo de amenaza práctico llamado Inyección de Datos Falsos para ataques adversarios en algoritmos de *bandits* estocásticos. Este modelo simula restricciones reales del atacante, como la inyección limitada de muestras falsas en el historial del aprendiz. Los experimentos validan la efectividad de estas estrategias, mostrando vulnerabilidades en estos algoritmos bajo escenarios adversarios prácticos.
Programación Agéntica para Agentes: LLM-as-Code
Se propone la Programación Agéntica, donde el programa controla todo el flujo de control y el LLM actúa como un componente adaptativo llamado LLM-as-Code, invocado solo para tareas que requieren razonamiento o generación. Esto busca mejorar la estabilidad de la operación de agentes LLM al construir el contexto del modelo a partir del árbol de llamadas del historial de ejecución. El diseño es práctico y mejora sustancialmente la estabilidad de la operación visual larga en casos de agentes de uso de computadora.
Suite de Control de Edificios Inteligentes: Un Benchmark de Código Abierto Diverso para Evaluar y Escalar Políticas de Control HVAC para la Sostenibilidad
Se presenta la Suite de Control de Edificios Inteligentes, un benchmark de código abierto interactivo para evaluar y escalar políticas de control HVAC orientadas a la sostenibilidad. Este sistema incluye datos reales de 11 edificios, un simulador ligero y un modelo de red neuronal física modular. El objetivo es lograr una optimización robusta y escalable de la climatización en diversos edificios.