Buscar noticias

Buscá por texto y descubrí noticias relacionadas con tu consulta.

Noticias relevantes

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

Un robot polilla hace un sensor UV usando un sistema circulatorio artificial

Investigadores crearon un robot con forma de polilla que utiliza un sistema circulatorio artificial para transportar bloques de construcción químicos y cultivar un sensor de luz UV. Inspirados en la circulación de los insectos, el sistema permite que el entorno moldee al robot, creando componentes necesarios in situ. Este enfoque busca mejorar la adaptabilidad de los robots al enfrentar entornos inesperados, permitiendo que el hardware se desarrolle a medida que el robot interactúa con su entorno.

Periodista: Firma no identificada

Poli.design coordina un proyecto europeo para llevar la IA al sector público

Poli.design está coordinando un proyecto europeo para integrar la Inteligencia Artificial en el sector público. Además, se mencionan avances en el sector naval italiano y la expectativa de presencia italiana en Perú. También se reportan movimientos financieros como el regreso de Italgas a la bolsa y acuerdos de Intesa Sanpaolo y Confindustria para apoyar a las PYMEs en mercados internacionales.

Periodista: Firma no identificada

Personas mencionadas

Hablando con la IA – Las dos opciones

La sociedad está marcada por una polarización inducida, siendo la Inteligencia Artificial uno de sus ejes. Se plantea la necesidad de una colaboración entre el usuario y la máquina, pero se subraya la falta de enfoque en la moralidad. Se exige una regulación ética urgente de la IA para asegurar una evolución social adecuada.

Periodista: Ángel Ferrer

Personas mencionadas

No se identificaron personas.

Peter Sarlinin equipo incluye nombres de talla mundial: Pekka Lundmark

La empresa de emprendimiento de inteligencia artificial de Peter Sarlin ha nombrado a seis nuevos asesores PS Fellow, quienes poseen comprensión tecnológica y experiencia en liderazgo. Estos nuevos miembros son considerados líderes internacionales en el ámbito empresarial y universitario.

Periodista: Suvi Korhonen

Personas mencionadas

Pollo al ajillo - ADNSUR

Se describe la receta del pollo al ajillo, destacando que es un clásico casero que requiere pollo, ajo, vino blanco y paciencia. La clave para un buen resultado es trocear el pollo en trozos pequeños para que absorba bien los sabores. La receta rinde cuatro porciones y se cocina en una sola sartén, siendo ideal para preparar en lotes.

Periodista: Firma no identificada

Personas mencionadas

No se identificaron personas.

VOLTA, el infostealer que pregunta a una IA qué víctimas valen el esfuerzo

VOLTA es un infostealer para Windows impulsado por IA que roba diversos datos personales, incluyendo contraseñas, cookies, tokens OAuth y detalles de tarjetas de pago, y luego utiliza un modelo de lenguaje grande (LLM) para clasificar el valor de las víctimas. El malware construye un perfil detallado de la víctima, incluyendo ubicación y empleador, y envía este dossier estructurado a un modelo de IA para generar una evaluación forense y monetaria. Este método busca desplazar el esfuerzo analítico humano hacia la IA para priorizar objetivos.

Periodista: Pierluigi Paganini

Juan Roig invierte en Ploot, que logra 400.000 euros de capital para ayudar a las empresas a identificar oportunidades

La startup Ploot ha cerrado una ronda de financiación de 400.000 euros liderada por Angels Capital, la sociedad de inversión de Juan Roig. La empresa utiliza inteligencia artificial para identificar señales de intención de compra en empresas, buscando optimizar la prospección comercial. La inversión busca reforzar el equipo y desarrollar su agente de ventas basado en IA.

Periodista: Bea Blasco

Noticias encontradas

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

Resultados para «Pollo AI»

Más recientes primero · Hasta 30 noticias por página

Enrutamiento con valor conjunto para sistemas de agentes de modelo de lenguaje: un benchmark WildChat y evaluación consciente del costo

Se presenta un benchmark de 3,000 prompts WildChat para evaluar sistemas de agentes de modelo de lenguaje que deben mapear solicitudes en lenguaje natural a agentes especializados. El estudio compara diferentes métodos de codificación y enrutamiento, incluyendo clasificadores y GPT-4o, midiendo la calidad del conjunto, latencia y utilidad de costo. Se demuestra que la supervisión específica del catálogo y las capas de decisión conscientes del costo son importantes para el despacho multiagente.

Periodista: Ananto Nayan Bala, Faisal Muhammad Shah

Personas mencionadas

El Modelo Interpretable Estándar: Diseño de métodos de aprendizaje automático interpretables a partir de simetrías elementales

Se presenta el Modelo Interpretable Estándar (SIM), una teoría que permite el diseño deductivo de métodos de aprendizaje automático interpretables desde primeros principios. El estudio demuestra que la expresividad completa y las simetrías de interpretabilidad pueden coexistir en el mismo modelo, resolviendo el compromiso entre precisión e interpretabilidad en modelos de lenguaje. El modelo también ofrece vías para mejorar la interpretabilidad de modelos preentrenados existentes y unifica la disciplina de la interpretabilidad.

Periodista: Pietro Barbiero, Giovanni De Felice, Mateo Espinosa Zarlenga, Francesco Giannini, Filippo Bonchi, Mateja Jamnik, Giuseppe Marra, Ruggero Noris

Personas mencionadas

Modelo generativo de integridad contextual: Información apropiada versus inapropiada

Se presenta un modelo generativo de integridad contextual para estudiar el intercambio de información en conversaciones simuladas entre modelos de lenguaje grandes. El estudio examina cómo la decisión de compartir o negar información varía según la situación, la lógica del poseedor y el modelo de lenguaje utilizado. El modelo ayuda a comprender cómo se desarrollan la divulgación y el rechazo de información a través de la interacción conversacional.

Periodista: Omer Ebead, Claude Formanek, Joel Z. Leibo

Personas mencionadas

Creación de tu propia pila de trabajo: Despliegue de IA y herramientas autoalojadas en una startup tecnológica

Se reporta la experiencia de despliegue de una pila híbrida de IA en una empresa de software, buscando reducir los costos de uso de IA comercial. Se utilizó un enfoque mixto donde los modelos locales manejan tareas de menor complejidad, complementando a los agentes comerciales para tareas complejas. Se estima que esta estrategia podría reducir el costo o el uso de IA comercial en un 27% al 36%.

Periodista: Saad Ahmed Bazaz, Talha Amjad, Abdurrehman Subhani, Sohaib Ahmed Bazaz, Abdullah Aamir

Personas mencionadas

¿Los vectores de razonamiento lingüístico mejoran la capacidad de razonamiento multimodal?

Se propone el método LIFT para transferir la capacidad de razonamiento del LLM base a los VLMs sin reentrenar la arquitectura base. Los resultados demuestran que los vectores de razonamiento derivados del LLM superan a los derivados del VLM, confirmando la efectividad del LLM base para recuperar la capacidad de razonamiento. LIFT logra una recuperación parcial del razonamiento mediante intervenciones ligeras del lado del lenguaje.

Periodista: Ziyi Wang, Li Li, Aolin Zhou, Yankun Shen, Chonghan Liu, Shuxia Lin, Xu Yang

Personas mencionadas

Instanciando el Plano del Conocimiento

Se propone el "Plano del Conocimiento", una capa de agentes inteligentes para gestionar Internet colaborativamente a través de límites administrativos. Se argumenta que los modelos de lenguaje grandes agenticos podrían desbloquear este potencial, aunque esto requiere resolver nuevos problemas de investigación en entornos descentralizados y multiagente.

Periodista: Francisco Pereira, Justine Sherry, Pratiksha Thaker

Personas mencionadas

Enseñar la forma en que piensa: Guía la ingeniería de datos post-entrenamiento de LLM con Autoencoders Esparso

Se propone SAERL para la ingeniería de datos de LLM mediante Autoencoders Esparso (SAE) para guiar el aprendizaje por refuerzo. Esta técnica utiliza los internos del modelo para organizar los datos de entrenamiento, entrenando regiones funcionales de fácil a difícil. Los experimentos demuestran mejoras en la precisión de modelos de razonamiento matemático.

Periodista: Yi Jing, Zao Dai, Jinwu Hu, Zijun Yao, Lei Hou, Juanzi Li, Xiaozhi Wang

Personas mencionadas

LAPLEX: La transformada rápida de álgebra lineal en kernels laplacianos aprendibles

Se presenta LAPLEX, una clase de operadores de kernel laplaciano exactos y entrenables, diseñada para superar el compromiso entre geometría fija y cómputo exacto. Esta técnica permite realizar operaciones de matriz-vector entrenables en dimensiones muy grandes y facilita modelos de covarianza de alta dimensión sin requerir el almacenamiento de matrices densas. LAPLEX separa la expresividad del costo de almacenamiento, permitiendo interacciones globales adaptativas a los datos.

Periodista: Piotr Kubaty

Personas mencionadas

Descubrimiento de invariantes para sistemas en red

Se presenta Autogram, un sistema que utiliza un LLM para inspeccionar metadatos de variables y predecir relaciones sintácticas que forman una gramática para descubrir invariantes en sistemas de red. El sistema permite refinar la gramática iterativamente hasta que se recuperan invariantes conocidos con garantías formales. Se evaluó el sistema en telemetría WAN pública y de producción, logrando recuperar invariantes derivados por expertos con baja tasa de falsos positivos.

Periodista: Hongyu Hè

Personas mencionadas

No se identificaron personas.

GigaBrain-WBC-0.5: Un Modelo de Mundo de Comportamiento para el Seguimiento Robusto del Cuerpo Completo Humanoide con Interacción Ambiental

Se presenta InterTrack, un modelo de mundo de comportamiento (BWM) diseñado para el seguimiento robusto del cuerpo completo en robots humanoides con interacción ambiental. Este modelo utiliza un Transformer para predecir la acción, el estado y la distribución de comportamiento, aprendiendo dinámicas condicionadas por el entorno. El sistema demuestra un 81.3% de éxito en la interacción del terreno y una alta tasa de recuperación de caídas, superando a las líneas base existentes en varios escenarios.

Periodista: Ziyang Cheng, Tianshu Tang, Jinxin Lan, Xinze Chen, Yuhan Gong, Zhichao Liu, Changzhong Wu, Yahao Mao, Zongyan Deng, Mingxuan Ma, Huasen Xi, Yilong Liu, Yutong Wu, Xiaofeng Wang, Borui Zhang, Bingyao Yu, Yang Wang, Yun Ye, Guan Huang, Xiaojie Jin, Zheng Zhu, Jiwen Lu

Optimización de Política Vectorial: El entrenamiento para la diversidad mejora la búsqueda en tiempo de prueba

Se presenta la Optimización de Política Vectorial (VPO), un algoritmo de RL que entrena modelos de lenguaje para generar soluciones diversas al anticipar funciones de recompensa vectoriales. VPO supera a las líneas de base escalares en tareas de búsqueda en tiempo de prueba y desbloquea problemas insolubles para otros modelos. El objetivo es hacer que la diversidad sea el objetivo por defecto en la búsqueda de inferencia.

Periodista: Ryan Bahlous-Boldi, Isha Puri, Idan Shenfeld, Akarsh Kumar, Mehul Damani, Sebastian Risi, Omar Khattab, Zhang-Wei Hong, Pulkit Agrawal

Personas mencionadas

Modelado de mundo multiagente escalable a través de geometrías de escena

Se propone Khora, un modelo de mundo multiagente escalable que permite la expansión en tiempo de inferencia a un número arbitrario de agentes sin necesidad de reentrenamiento. El marco desacopla la evolución del estado del mundo del renderizado visual, manteniendo la consistencia entre vistas mediante un estado del mundo compartido. Esto permite una escalabilidad práctica lineal con el número de vistas consultadas, demostrando consistencia visual y coherencia multiagente.

Periodista: Renjie Zhao, Yuxiang Wu, Mingyu Zhang, Jiaxin Li, Sisi Li, He Li, Yimin Sheng, Tianxi Tan, Zhenkai Zhang, Jiao Liang, Jianyi Zhu, Yong-Lu Li

La verdad sin muestrear: Cuantificando artefactos de indicaciones en la psicometría de LM

Investigadores probaron una premisa al evaluar cómo las respuestas de los modelos de lenguaje reflejan la personalidad inyectada y el significado de los ítems de una encuesta. Mediante un diseño diagnóstico, se midió la variación causada por diferentes componentes de la indicación (como la instrucción de la tarea o el símbolo de la opción) para separar estos artefactos de los efectos reales. Se encontró que los cambios no semánticos en la indicación pueden generar más variación en las respuestas que las personalidades base.

Periodista: Nils Schwager

Personas mencionadas

No se identificaron personas.

Slop e alucinaciones de IA en la evaluación de vulnerabilidades: Un estudio sobre fallos de razonamiento y mitigación confiable

La integración de Modelos de Lenguaje Grande (LLMs) en la ciberseguridad ha generado una crisis de confiabilidad debido a la proliferación de "AI slop", que incluye vulnerabilidades alucinadas y reportes de errores incorrectos. El estudio identifica la brecha entre el razonamiento deductivo de los expertos y la generación probabilística de los LLMs. Se propone la verificación neuro-simbólica activa y nuevos instrumentos de evaluación para asegurar los sistemas de triaje impulsados por IA.

Periodista: Junchen Ding, Jialiang Dong, Yichen Zhu, Yi Liu, Gelei Deng, Willy Susilo, Siqi Ma, Yuekang Li

Personas mencionadas

Modelos generativos Volterra mediante Elevación de Markov

Se desarrolla un modelo generativo basado en procesos de Volterra para abordar la dependencia temporal flexible, ofreciendo aproximaciones de Markov. El marco propuesto permite reutilizar denoiseadores preentrenados y logra buenos índices FID en conjuntos de datos como MNIST y CIFAR-10. Los resultados muestran mejoras en el FID al utilizar técnicas de autoguidancia y redes preentrenadas.

Periodista: Bingyan Han

Personas mencionadas

Distilación de política orientada al valor para el control de potencia de parques eólicos

Se propone un marco de distilación de política utilizando máquinas de boosting explicables para el control de potencia de parques eólicos, buscando una política transparente. Se introduce una perspectiva orientada al valor inspirada en la previsión de energía y se incluye conocimiento experto para justificar la estrategia de control. Los resultados con datos reales de la red belga mostraron una reducción del 82% en los costos de desequilibrio.

Periodista: Max Bruninx

Personas mencionadas

RLVR$^{2}$: Aprendizaje por Refuerzo con Clasificación basada en Rúbricas Verificables

Se presenta el Reinforcement Learning with Verifiable Rubric-based Ranking (RLVR$^2$), un paradigma de clasificación verificable para RLVR basado en rúbricas. Este método convierte las puntuaciones de rúbrica en resultados ordinales específicos para cada criterio, recupera una utilidad latente y fusiona estas utilidades en una señal de entrenamiento. RLVR$^2$ supera a las líneas base basadas en rúbricas en múltiples benchmarks, controlando efectos sistemáticos mientras mantiene el objetivo de calidad.

Periodista: Hao Li, Zhengkun Zhang, Gangqiang Hu, Zhen Zhang, Yude Gao, Dai Dai, Jing Liu

Personas mencionadas

Aprendizaje por refuerzo consciente de la estructura para la evolución dirigida de proteínas

Se presenta StructEvo, un marco de aprendizaje por refuerzo consciente de la estructura diseñado para la evolución dirigida de proteínas. Este método integra información estructural mediante un codificador de fusión de estructura delta para incorporar conocimiento espacial. El enfoque supera a métodos previos en benchmarks de optimización, validando la guía estructural para la evolución de proteínas.

Periodista: Zikun Nie, Suyuan Zhao, Yizhen Luo, Siqi Fan, Zaiqing Nie

Personas mencionadas

No se identificaron personas.

AttnSR: Recompensa de Paso para Agentes RL de Horizonte Largo

Se presenta AttnSR, un método de aumento de recompensa a nivel de paso para agentes LLM de horizonte largo, que utiliza la atención de la política extraída durante el entrenamiento para asignar recompensas. Este método superó a la línea base PPO en el entorno ALFWorld, mejorando el éxito final del 91.2% al 97.1%. Los resultados sugieren que la atención de la política es una prioridad práctica para la asignación de recompensas en RL de horizonte largo.

Periodista: Mengsong Wu, Tianchen Zhou, Zhaochen Su, Zhenhua Liu, Zhe Cui, Aimin Zhou

Personas mencionadas

Tecnohibridismo: Normalización Semántica Recursiva en Sociedades Mediadas por IA

El artículo desarrolla un enfoque sociotécnico sobre cómo los resultados generados por IA reingresan en las prácticas comunicativas e institucionales. Introduce el concepto de normalización semántica recursiva, analizando cómo las formulaciones generadas por máquinas se incorporan y transforman en regularidades semánticas. Se argumenta que la unidad de análisis es el sistema semántico híbrido, una configuración de prácticas humanas, generación computacional y adopción institucional.

Periodista: Charalampos M. Liapis, Epameinondas Panagopoulos

Personas mencionadas

No se identificaron personas.

Grounding en la oscuridad: Entrenamiento solo con texto para localización temporal de video

Se investiga si un LLM solo con texto puede realizar localización temporal de video utilizando descripciones textuales, eliminando la necesidad de datos de video emparejados durante el entrenamiento. Se propone el método NER (Reemplazo de Entidad Vecina) para mapear fotogramas de video a entidades textuales, logrando mejores resultados en métricas de localización temporal. El estudio demuestra que el NER permite una transferencia parcial de información de texto a video.

Periodista: Divyanshu Mishra, Sabine Sternig, Rakshith Shetty, Erhan Gundogdu

Personas mencionadas

EcoGEO: Ecosistemas de Evidencia Sensibles a la Trayectoria para Agentes de Búsqueda LLM habilitados para la Web

Se propone EcoGEO, un enfoque para la Optimización de Motor Generativo (GEO) que considera la influencia a nivel de entorno para agentes LLM que navegan por la web. El método TRACE coordina páginas de soporte para mejorar la adquisición de evidencia en tareas de recomendación de productos. Los resultados demuestran que este enfoque supera a los métodos basados en páginas individuales en métricas de recomendación.

Periodista: Hengwei Ye, Jiasheng Mao, Zhenhan Guan, Zheng Tian

Personas mencionadas

ASTRA-bench: Evaluando el razonamiento y la planificación de acción de agentes con uso de herramientas y contexto de usuario

Se presenta ASTRA-bench, un benchmark diseñado para evaluar el razonamiento y la planificación de acción de agentes de IA que utilizan herramientas y contexto personal. El benchmark unifica el contexto personal evolutivo con una caja de herramientas interactiva para generar 2,413 escenarios. Los resultados indican una degradación significativa del rendimiento de modelos de vanguardia bajo alta complejidad, señalando limitaciones en la capacidad de los agentes para fundamentar el razonamiento en contextos personales complejos.

Periodista: Zidi Xiu, David Q. Sun, Kevin Cheng, Maitrik Patel, Josh Date, Yizhe Zhang, Jiarui Lu, Omar Attia, Raviteja Vemulapalli, Oncel Tuzel, Meng Cao, Samy Bengio

Taming the Entropy Cliff: Cuantización de tamaño de código variable para generación visual autoregresiva

Se propone la Cuantización del Tamaño del Código Variable (VCQ) para mejorar la generación visual autoregresiva al abordar el problema del "Acantilado de Entropía". Esta técnica permite que el tamaño del libro de código crezca monótonamente a lo largo de la secuencia, lo que resulta en mejores métricas de FID en comparación con los métodos de código constante. Los resultados demuestran que la distribución de la capacidad del código es tan importante como su capacidad total.

Periodista: Bowen Zheng, Weijian Luo, Guang Yang, Colin Zhang, Tianyang Hu

Personas mencionadas

Fuzzing de Alucinaciones Unificadas para Modelos de Lenguaje Grande Multimodales

Se presenta un marco de evaluación sistemático para abordar el desafío de las alucinaciones en Modelos de Lenguaje Grande Multimodales (MLLMs). El trabajo introduce UniHall, un conjunto de datos detallado, y SAMF, un marco de fuzzing autoadaptativo para explorar las fronteras de las alucinaciones. Los experimentos demuestran que los MLLMs de vanguardia muestran una degradación del rendimiento al someterse a fuzzing, evidenciando una desconexión entre el razonamiento y el fundamento fáctico.

Periodista: Pengfei Zhou, Jiajun Song, Zhiwei Tang, Yixing Ma, Donghui Si, Yuhang Xu, Huiqi Song, Yiyuan Miao, Yichen Qian, Weihua Chen, Wangbo Zhao, Bohan Zhuang, Jiasheng Tang, Yang You

El precio de la seguridad: Utilidad benigna y sobrecarga de tokens de defensas de envenenamiento de memoria en agentes LLM

El estudio evalúa el costo de utilidad benigna y la sobrecarga de tokens de las defensas de envenenamiento de memoria para agentes LLM cuando no hay ataques. Se probaron cuatro defensas en la mitad de LoCoMo, encontrando que la detección de anomalías y la condición apilada mejoraron la precisión. Se reporta el costo de tokens asociado a estas defensas, indicando que la detección de anomalías tuvo un 1.5% de sobrecarga.

Periodista: Pritom Bhowmik

Personas mencionadas

Regresión Barycéntrica Profunda para la Estimación de Mapas de Transporte Óptimo y su Optimalidad Estadística

Se propone BROT (Regresión Barycéntrica para el Transporte Óptimo), un método de dos pasos que utiliza una red neuronal profunda para ajustar objetivos barycéntricos derivados del plan de transporte óptimo no regularizado. Se demuestra que el estimador basado en DNN alcanza la tasa de convergencia minimax cuando el mapa de transporte óptimo es Lipschitz. Los estudios numéricos indican que BROT ofrece estimaciones precisas y costes de transporte competitivos en comparación con métodos existentes.

Periodista: Kunwoong Kim, Insung Kong, Yongdai Kim

Personas mencionadas

FARR: Refinamiento de Residuales Sensible al Pronóstico con Evidencia de Punto Final para Pronósticos de Series Temporales a Largo Plazo

Se presenta el método FARR (Forecast-Aware Residual Refinement) para corregir pronósticos de series temporales a largo plazo utilizando evidencia de punto final. Este método busca mejorar la precisión de los pronósticos al ajustar los errores residuales basándose en el contexto temporal observado. Los experimentos demuestran que FARR supera a otros métodos en métricas clave como MSE y MAE.

Periodista: Yiyang Zhang, Yuli Zheng, Bin Li, Meimei Zhang, Qiang Sun

Personas mencionadas

EvoWorld: Hacia la evolución del mundo fuera de la vista en modelos de video generativos

Se propone EvoWorld, un marco de colaboración de renderizado cerebral que utiliza un modelo visión-lenguaje como cerebro del mundo para mantener un registro evolutivo y razonar sobre transiciones de estado plausibles. Este modelo mejora la evolución causal condicionada por eventos sobre modelos recientes, manteniendo la calidad visual y la coherencia. Se introducen también EvoWorld-Data y EvoWorld-Bench para el entrenamiento y la evaluación de estas capacidades.

Periodista: Yequan Bie, Dengyang Jiang, Zhixuan Chen, Xiaozhuan Liang, Haoxuan Che, Quande Liu, Xi Chen, Hao Chen

Personas mencionadas

Optimización de ruido inicial con restricciones de manifold para alineación eficiente de modelos generativos

Se presenta ZeNOVA, un método estable y eficiente para la alineación de ruido inicial en un marco libre de gradiente, diseñado para superar las limitaciones de los métodos existentes en escenarios de caja negra. Este método utiliza guía de valor suave anillada y dinámica de Langevin con restricciones de manifold para optimizar el ruido inicial hacia recompensas más altas de manera estable. Los experimentos demuestran que ZeNOVA supera a las líneas de base de orden cero en modelos generativos de imágenes y video.

Periodista: Jinho Chang, Jong Chul Ye

Personas mencionadas