Buscar noticias

Buscá por texto y descubrí noticias relacionadas con tu consulta.

Noticias relevantes

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

Substrate AI integrará todas sus actividades de IA en el grupo con una operación de 40,5 millones

Substrate AI y su matriz Subgen AI han acordado una reorganización estructural para concentrar todas sus actividades de inteligencia artificial bajo Substrate AI mediante una operación de 40,5 millones de euros. Esta medida busca mejorar la eficiencia operativa y simplificar la estructura societaria del grupo. La operación incluye la adquisición de participaciones de filiales de Subgen AI y la emisión de un bono convertible.

Periodista: Agencias

Personas mencionadas

No se identificaron personas.

Substrate AI reunirá todas sus operaciones de IA dentro del grupo en una operación de 40,5 millones

Substrate AI y su matriz Subgen AI han acordado una reestructuración global para consolidar todas las operaciones de inteligencia artificial bajo la estructura de Substrate AI por 40,5 millones de euros. Este movimiento busca potenciar la eficiencia operativa y reforzar a Substrate AI como el vehículo central para el desarrollo y comercialización de soluciones de IA a nivel mundial. Se unifican las operaciones internacionales en Europa y Latinoamérica para responder al crecimiento del mercado de IA corporativa.

Periodista: Luis Torralba

Personas mencionadas

No se identificaron personas.

La compañía valenciana Substrate AI es admitida a cotización en el Cboe Europe

La compañía española de inteligencia artificial Substrate AI ha sido admitida a cotización en el Cboe Europa. La empresa tiene como objetivo superar los 100 millones de euros de facturación para 2030, enfocándose en el desarrollo de tecnología propia y la comercialización de tokens. La noticia también detalla la evolución reciente de su capitalización y resultados financieros.

Periodista: Luis Torralba

La justicia condena a Substrate AI a pagar a Summon Press los 500.000 euros pendientes por la venta de su negocio digital

La Sección Civil del Tribunal de Instancia de Valencia condenó a Substrate AI a pagar 500.000 euros más intereses a Summon Press por un pago pendiente de una compraventa de negocio digital. La jueza desestimó la reclamación de Substrate, mientras que la demanda de Summon Press fue parcialmente estimada.

Periodista: Estefanía Pastor León

La valenciana Substrate AI compra un solar en Talavera de la Reina (Toledo) para un centro de datos

Substrate AI adquirió un solar en Talavera de la Reina, Toledo, por 1,61 millones de euros para desarrollar un centro de datos. Esta compra forma parte de la estrategia de la empresa para desplegar infraestructura tecnológica propia en España y potenciar la IA europea. La puesta en marcha del proyecto depende de obtener permisos y cumplir con hitos técnicos administrativos.

Periodista: Luis Torralba

Personas mencionadas

Substrate AI adquiere un solar en Talavera de la Reina por 1,61 millones para un futuro centro de datos

Substrate AI adquirió un solar en Talavera de la Reina por 1,61 millones de euros para desarrollar un futuro centro de datos como parte de su estrategia de infraestructura de IA en España. La compra, formalizada el 13 de noviembre, incluye varias parcelas y el proyecto depende de la obtención de licencias y autorizaciones pendientes. Este paso refuerza la estrategia de la compañía para desplegar infraestructura tecnológica propia y soberana en el país.

Periodista: Agencias

Personas mencionadas

Destilación de algoritmos para aprendizaje por refuerzo seguro en contexto

Se presenta el Aprendizaje por Refuerzo Seguro en Contexto (Safe ICRL) y el Algoritmo de Distilación de Algoritmos Seguros (Safe AD). Se revisan dos partes de Safe AD, incluyendo la introducción de presupuestos dinámicos y el ajuste A-Lag para mejorar el rendimiento en entornos de locomoción y navegación. Los experimentos demuestran que A-Lag supera a Safe AD en términos de costo y retorno final en varios entornos.

Periodista: Minjae Kwon, Amir Moeini, Shangtong Zhang, Lu Feng

Personas mencionadas

DeepSeek presenta 'super agente' de IA en la carrera de codificación con OpenAI, Anthropic

DeepSeek ha presentado un 'super agente' de IA diseñado para manejar múltiples tareas con mínima intervención humana, buscando reducir la necesidad de coordinación y supervisión humana en flujos de trabajo complejos. Este desarrollo se posiciona como una respuesta a la creciente automatización de tareas por parte de los modelos de IA, buscando optimizar la gestión de flujos de trabajo mediante la autonomía de los agentes.

Periodista: Ben Jiang

Personas mencionadas

Avatares holográficos con IA en el subte porteño: qué son y para qué se utilizarán

La compañía Subterráneos de Buenos Aires (SBASE) lanzó una licitación para implementar avatares holográficos con inteligencia artificial conversacional en el subte porteño. El proyecto busca permitir a los usuarios interactuar con figuras virtuales para realizar consultas y obtener respuestas en tiempo real. Se planea instalar seis dispositivos interactivos en dos estaciones de la línea B.

Periodista: El Destape

Personas mencionadas

No se identificaron personas.

Radiografía al ciberdelito: Una de cada cuatro brechas maliciosas utiliza inteligencia artificial en el ataque

El ciberdelito está utilizando la inteligencia artificial, como los deepfakes, para suplantar identidades de ejecutivos y abogados, logrando fraudes multimillonarios. Un informe de IBM indica que una de cada cuatro brechas maliciosas involucra IA, y el fraude por voz es el vector más costoso. Se advierte sobre el riesgo creciente de ataques a fin de año y la necesidad de implementar controles internos estrictos para mitigar riesgos.

Periodista: Gonzalo Miranda

Personas mencionadas

Noticias encontradas

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

Resultados para «Substrate AI»

Más recientes primero · Hasta 30 noticias por página

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

Repensando los métodos de optimización para la selección jerárquica de características

El artículo analiza y diagnostica cuatro familias de optimización para el Aprendizaje de Características Conjuntas Numéricas Jerárquicas (HTNL). Se comparan métodos como MM, VQF, ADMM y WGL, identificando factores que determinan su comportamiento. Los resultados en datos sintéticos demuestran que VQF ofrece el mejor AUC con soportes compactos, y ADMM-Bisect reduce el tiempo de ejecución.

Periodista: Xinyuan Song, Zekun Cai, Liang Zhao

Personas mencionadas

Detección de inconsistencias de conocimiento entre texto, tablas y grafos de conocimiento

Se investiga la detección de inconsistencias de conocimiento entre diferentes modalidades como texto, tablas y grafos de conocimiento, ya que su información está dispersa. Se introduce una taxonomía de inconsistencias y se presenta el marco Kontrast para comparar respuestas y categorizar conflictos. Los experimentos demuestran que existen inconsistencias comunes y que estas revelan fallos en la estructura del KG y desajustes temporales.

Periodista: Fanfu Wei

Personas mencionadas

No se identificaron personas.

PRISM: Pruebas de estrés sobre afirmaciones de alineación engañosa

Se presenta PRISM, un conjunto de cinco comprobaciones y herramientas diseñadas para detectar fallos en los sistemas de inteligencia artificial relacionados con el engaño de alineación. Se investiga cómo el comportamiento de los modelos de IA cambia al ser instruidos para creer que están siendo monitoreados o al modificar el entrenamiento. Los resultados indican que la formulación de la indicación es más influyente que la amenaza de entrenamiento directa.

Periodista: Aman Mehta

Personas mencionadas

Explorar por separado, adoptar selectivamente: Uso de herramientas guiado por ejecución sobre grandes librerías de herramientas

Se presenta BRIA, un método plug-and-play para agentes LLM que investiga y adopta herramientas de manera selectiva en ramas aisladas. Este método demuestra eficiencia al usar menos tokens y mejorar el rendimiento de la tarea en comparación con líneas base estáticas y adaptativas. Los resultados sugieren que las herramientas candidatas pueden explorarse eficazmente en entornos empresariales sin sobrecargar el contexto del agente.

Periodista: Anna Mazhar, Seiji Maekawa, Nikita Bhutani

Personas mencionadas

CoRS: Programación Flexible de Job-Shop mediante Reutilización de Estado de Intervalo Compuesto

Se presenta CoRS, un método que desacopla la representación gráfica a nivel de intervalo de la actualización del estado de factibilidad por paso en el Problema de Programación Flexible de Job-Shop (FJSP). Este diseño de dos escalas busca amortizar la codificación gráfica mientras mantiene la construcción de horarios factibles de manera continua. Los experimentos demuestran que CoRS reduce el tiempo de inferencia manteniendo una calidad de solución competitiva.

Periodista: Sutong Jiang, Peng Zhao, Xuan Wu, Yan Wang, Jiaqi Wang, Rui Zhang, Yuan Jiang, You Zhou, Di Wang

Personas mencionadas

Grounding de Centralidad Tipificada para Agentic GraphRAG: Un Enfoque Simbólico para el Razonamiento Agéntico

Se propone un sistema GraphRAG basado en agentes que incorpora una capa simbólica para integrar el razonamiento determinista con las similitudes textuales. Este método utiliza centralidades tipificadas para KGs para construir una representación simbólica que mejora la consistencia de las respuestas del LLM al usar el contexto. El sistema fue validado en un conjunto de datos POLE, mostrando mejoras en la recuperación de información y el razonamiento.

Periodista: Rosario Napoli, Antonio Celesti, Massimo Villari, Maria Fazio

Personas mencionadas

SCDBench: Un punto de referencia para descompiladores de contratos inteligentes basados en LLM

Se presenta SCDBench, un conjunto de datos y metodología de benchmark para evaluar la descompilación de contratos inteligentes mediante Modelos de Lenguaje Grandes (LLM). El estudio evalúa la capacidad de modelos como Claude Opus 4.7 y GPT-5.3-Codex para recuperar código fuente de contratos Solidity a partir de su bytecode. Los resultados sugieren que, aunque los LLM pueden generar código compilable, lograr la consistencia semántica perfecta sigue siendo un desafío significativo.

Periodista: Kaihua Qin, Dawn Song, Arthur Gervais

Personas mencionadas

Evaluación empírica del estado de adopción de criptografía post-cuántica en TLS

Se presenta una evaluación empírica del despliegue de criptografía post-cuántica (PQC) en diversos protocolos TLS, como HTTPS y LDAPS. Los resultados muestran que el soporte de algoritmos PQC es bajo en la mayoría de los protocolos, con porcentajes significativos solo en HTTPS y LDAPS a nivel de servidor y entidad. El estudio correlaciona estas tendencias con la huella digital y los sectores industriales, ofreciendo una visión sobre la preparación actual de PQC en TLS.

Periodista: Md Ariful Haque

Personas mencionadas

Aprendiendo a simular individuos a partir de señales sociales macro

Se propone aprender el razonamiento conductual de mercados de predicción para simular cómo los individuos responden a nuevas situaciones. Se introduce macro2mind, un modelo de lenguaje entrenado con GRPO usando señales de mercado para inferir y predecir las interacciones de los participantes. El modelo demuestra un rendimiento de vanguardia en benchmarks de simulación de usuarios y mejora la precisión de simuladores posteriores.

Periodista: Yining Zhao, Bushi Liu, Haofei Yu, Zhengyang Qi, Shanyong Wang, Chuyue Li, Yuxiang Liu, Jiaxuan You

Personas mencionadas

Estimación de contacto mediante visión y propiocepción para manipulación hábil en mano

Se presenta un marco multimodal basado en transformadores llamado NoContactNoWorries que fusiona visión RGB-D con la propiocepción del robot para inferir estados de contacto binario. Este enfoque busca ofrecer una alternativa escalable al hardware táctil para la estimación de contacto en interacciones mano-objeto. Los experimentos validan la capacidad del modelo para inferir contacto a partir de visión y propiocepción, lo que soporta agentes de aprendizaje por refuerzo para la reorientación de objetos.

Periodista: Soham Patil, Avirup Das, Sourabh Bhosale, Spandan Roy

Personas mencionadas

Arena de hardware embebido: Optimización iterativa mediante retroalimentación de hardware

Se presenta una arena de agente hardware-in-the-loop para optimizar modelos de IA en hardware de borde, buscando resolver restricciones de memoria, potencia y temperatura. El método permite la optimización iterativa del modelo y el firmware mediante compilación y medición en hardware real. Se demuestra que esta formulación logra despliegues exitosos y una compresión significativa en modelos de visión y audio, superando resultados de expertos humanos.

Periodista: Zhihan Zhang, Alexander Le Metzger, Jiuyang Lyu, Chun-Cheng Chang, Jiayi Shao, Yujia Liu, Emmanuel Azuh Mensah, Edward Wang, Kurtis Heimerl, Gregory D. Abowd, Shwetak Patel, Natasha Jaques, Vikram Iyer

LEMMO: Un modelo electromagnético grande que aprovecha LLMs preentrenados para la comprensión de señales con millones de muestras

Se presenta LEMMO, un modelo de EM grande diseñado para el reconocimiento y la descripción guiados por instrucciones de grabaciones IQ largas sin procesar. Este modelo procesa hasta ocho millones de muestras complejas mediante un codificador de atención lineal y remuestreo temporal. LEMMO mejora significativamente la precisión en tareas de reconocimiento y descripción de señales EM en comparación con modelos previos. Se libera un corpus unificado de señales EM reales y sintéticas para investigación.

Periodista: Mingkai Li, Jiajun Wu, Yihan Mao, Zilin Sang, Taosong Yu, Yuan Ma, Minghe Liu, Qianqian Yang, Zhiguo Shi

Personas mencionadas

Guía de flujo que conserva la probabilidad

Se analiza la guía en modelos generativos basados en difusión y flujo, enfocándose en la Guía sin Clasificador (CFG) y métodos basados en extrapolación. Se demuestra que la Guía de Manifold Adaptativa (AdaMaG) mejora el realismo y reduce artefactos visuales en la generación de imágenes bajo guía fuerte.

Periodista: Parsa Esmati, Junha Hyung, Amirhossein Dadashzadeh, Jaegul Choo, Majid Mirmehdi

Personas mencionadas

Ejecución en tiempo real con políticas autorregresivas

Se demuestra que las políticas autorregresivas pueden lograr la ejecución en tiempo real ajustando el horizonte de tokenización y aplicando decodificación restringida. Estos métodos garantizan límites de latencia estrictos que permiten la decodificación de múltiples trayectorias para maximizar el rendimiento. Los resultados indican que las políticas autorregresivas superan a las políticas de *flow-matching* en velocidad de finalización de tareas.

Periodista: Sangkyu Lee, Seohyeon Park, Tackgeun You, Avi Caciularu, Idan Szpektor, Hwasup Lim, Youngjae Yu

Personas mencionadas

Evaluación de la robustez del descubrimiento causal de series temporales en escenarios mal especificados

Se presenta CausalCompass, un marco de puntos de referencia para evaluar la robustez de métodos de descubrimiento causal de series temporales (TSCD) ante violaciones de suposiciones de modelado. Los resultados indican que los enfoques basados en aprendizaje profundo suelen tener el mejor rendimiento en la mayoría de los escenarios evaluados. El trabajo busca facilitar la adopción de estos métodos en aplicaciones del mundo real mediante una evaluación sistemática.

Periodista: Huiyang Yi, Xiaojian Shen, Yonggang Wu, Duxin Chen, He Wang, Wenwu Yu

Personas mencionadas

Hoy el trabajo de hoy, la fuerza laboral del mañana: Incentivando el aprendizaje en el trabajo asistido por IA

El artículo analiza cómo la asistencia de la Inteligencia Artificial afecta el desarrollo y retención de habilidades en el trabajo. Se compara a trabajadores que priorizan la utilidad inmediata con trabajadores estratégicos que valoran sus habilidades futuras. Se concluye que las organizaciones deben enfocarse en cómo mantener la experiencia humana y qué habilidades invertir para asegurar la sostenibilidad del trabajo independiente.

Periodista: Moritz Diener, Daniel Hendriks, Philipp Spitzer, Gerhard Satzger, Joshua Holstein, Wei Sun

Personas mencionadas

Defensa contra jailbreaks para LLMs mediante aprendizaje conjunto de selección y escalado de cabezales de atención dispersa

Se presenta AttentionSwitch, una defensa contra jailbreaks para LLMs que optimiza conjuntamente los sitios de intervención y las fortalezas de los cabezales de atención dispersa dentro de un LLM congelado. Este método aprende un conjunto disperso de cabezales de atención con factores de escalado condicionados por la consulta para atenuar o amplificar sus salidas sin cambiar las direcciones de sus representaciones. AttentionSwitch supera a defensas existentes en modelos populares y muestra resultados fuertes, especialmente con datos de entrenamiento limitados.

Periodista: Doniyorkhon Obidov, Honggang Yu, Xiaolong Guo, Kaichen Yang

Personas mencionadas

No se identificaron personas.