Buscar noticias
Buscá por texto y descubrí noticias relacionadas con tu consulta.
Noticias relevantes
Hasta 10 noticias relacionadas por su significado, ordenadas por relevancia.
Dong-A Ilbo[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.
CGTNIA se encuentra con APEC: Inyectando nuevo impulso al desarrollo regional
La inteligencia artificial se encuentra con APEC, inyectando un nuevo impulso al desarrollo regional. Este evento parece estar relacionado con la colaboración entre la IA y el Foro de Cooperación Económica Asia-Pacífico.
No se identificaron personas.
OpenAI NewsElon 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).
TechNodeStartup 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.
Vet Practice Magazine AustraliaHerramientas 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.
Consortium NewsCaitlin 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.
China News ServiceLa 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.
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.
Cloudflare BlogCloudflare y OpenAI: cómo mejorar el descubrimiento de contenido con IA para todos
Cloudflare y OpenAI presentaron los primeros resultados de un piloto de investigación lanzado en julio de 2026 para mejorar el descubrimiento de contenido web mediante IA. Usando señales de la red de Cloudflare en una cohorte de cerca del 1% de su red total, OpenAI logró descubrir e indexar cientos de millones de páginas nuevas para ChatGPT. El trabajo incluye filtrado de páginas inexistentes o duplicadas, señales de cambio y marcado de páginas dañinas, sin compartir contenido para entrenamiento de modelos.
与算力协同 用AI赋能 一张电网里的科技创新活力
En el distrito de Xiong'an en Hebei, la inteligencia artificial (IA) está profundamente integrada en la infraestructura energética de la ciudad del futuro, con agentes inteligentes activos en el despacho y garantía del servicio de la red eléctrica. Se está explorando un sistema de regulación coordinada de niveles 'principal y secundario' y se está construyendo un proyecto de transmisión de corriente continua de alta tensión de 800 milivoltios entre Mengxi y Beijing-Hebei, destacando la innovación tecnológica en la red eléctrica.
Noticias encontradas
Coincidencias por palabras en títulos, resúmenes, temas, personas, lugares o firmas.
Resultados para «AI»
Más recientes primero · Hasta 30 noticias por página
arXiv Computer Science AILa abstracción de consultas gobierna la recuperación léxica y densa de poesía árabe clásica
Se evalúa cómo la memoria del usuario influye en la recuperación de poesía árabe clásica mediante la abstracción de consultas. Se compara el rendimiento de diferentes codificadores densos y BM25 en la recuperación de texto. Se demuestra que la composición de la consulta afecta significativamente el ranking de los resultados de búsqueda.
Cuantificación de ratios de transferencia de comportamiento subliminal en destilación de modelos de lenguaje
Se cuantifican los ratios de transferencia de comportamiento subliminal en la destilación de modelos de lenguaje. El estudio compara dos modelos maestros (Llama-2-7B-Chat y Qwen2.5-7B-Instruct) al destilar modelos estudiantes con datos benignos. Se encontró que la transferencia es robusta, aunque Llama-2 muestra un umbral agudo mientras que Qwen2.5 presenta niveles de transferencia más altos.
TransXplainRRG: Un LVLM evaluado por radiólogos para la generación de informes de radiografías de tórax
Se presenta TransXplainRRG, un LVLM diseñado para la generación de informes de radiografías de tórax, abordando los desafíos de rendimiento y explicabilidad clínica. El modelo combina codificadores de visión y texto para generar informes, buscando mejorar la interpretabilidad y la fiabilidad en aplicaciones de IA clínica. El sistema fue probado en conjuntos de datos grandes y mostró resultados competitivos y superiores a modelos existentes.
CapLite: Defensa contra inyección de prompts para agentes de modelos de lenguaje pequeños sin artefactos de seguridad escritos por el modelo
Se presenta CapLite, una defensa contra la inyección de prompts para agentes de modelos de lenguaje pequeños (SLM) que deriva su política de los esquemas de herramientas. Esta defensa garantiza la integridad de la escritura asegurando que el texto inyectado no pueda añadir una escritura no autorizada. CapLite demostró una utilidad comparable a otras defensas, logrando un rendimiento superior en tokens y utilidad bajo ataque.
NVIDIA OmniDreams: Modelo de mundo generativo en tiempo real para simulación de vehículos autónomos de bucle cerrado
Se presenta OmniDreams, un modelo de mundo generativo para generar videos en tiempo real condicionados por acción, diseñado para simulación de vehículos autónomos. Este modelo utiliza el modelo de difusión Cosmos y datos de escenarios de conducción para sintetizar fenómenos complejos y generar observaciones de sensores fotorrealistas. Los resultados preliminares muestran que un modelo basado en OmniDreams supera a modelos previos en el conjunto de datos NuRec.
- Aarti Basant
- Amlan Kar
- Despoina Paschalidou
- Fangyin Wei
- Francesco Ferroni
- Guillermo Garcia Cobo
- Haithem Turki
- Huan Ling
- Jaewoo Seo
- James Lucas
- Jay Zhangjie Wu
- Jialiang Wang
- Jonathan Lorraine
- Jun Gao
- Kai He
- Katarina Tothova
- Kevin Xie
- Michal Tyszkiewicz
- Qi Wu
- Riccardo de Lutio
- Ruilong Li
- Sanja Fidler
- Seung Wook Kim
- Tianchang Shen
- Tianshi Cao
- Tobias Pfaff
- William Lew
- Xindi Wu
- Xuanchi Ren
- Yifan Lu
- Yuxuan Zhang
- Zan Gojcic
- Zian Wang
Red Dual-Branch y Red Neuronal Convolucional para Clasificación de EEG de Movimiento
Se propone una arquitectura de dos ramas que combina una rama de grafo local-global y una rama convolucional para clasificar movimientos de miembro superior a partir de EEG. El modelo logra una puntuación F1 media de 0.74 +/- 0.06 en la clasificación. Se encontró que la conectividad más alta se observa consistentemente en la región parietal izquierda baja, asociada con los electrodos P1 y P3. Esto sugiere un enfoque para BCI basadas en EEG más interpretables.
NEXUS: Campos de energía neurales para dinámicas de objetos 3D ricos en contacto físicamente consistentes
Se presenta NEXUS, un marco de campo de energía neuronal diseñado para modelar dinámicas de objetos 3D con consistencia física bajo contacto, deformación y fuerzas externas. Este método utiliza grafos estructurales y términos de energía/disipación para componer efectos conservativos y no conservativos. NEXUS mejora la precisión a largo plazo en la generación de video, aumentando la plausibilidad física y la calidad visual.
Análisis de tiempo de ejecución de Programación Genética Cartesiana en Max
Se analiza la Programación Genética Cartesiana (CGP) para el problema Max, demostrando que su tiempo de ejecución esperado es polilogarítmico en $n$, específicamente $O(\log^9{n})$. Esto representa una aceleración exponencial en comparación con la GP basada en árboles (TGP). Los resultados proporcionan una garantía de rendimiento probada para CGP en un problema de referencia establecido.
Evaluación de agentes de modelo de lenguaje local para ingeniería de datos
Se evaluaron agentes de modelo de lenguaje (LLM) locales para tareas de ingeniería de datos, examinando su capacidad para producir artefactos correctos y fiables. Los resultados indican que los modelos de código abierto que caben en una GPU de consumo son viables con un bucle de espacio de trabajo, aunque la capacidad sigue diferenciando configuraciones utilizables de no utilizables.
Benchmarking de Comprensión de Documentos Multilingües en Modelos de Lenguaje Visual
Se presenta MDU, un punto de referencia multilingüe de Comprensión de Documentos (DU) con 23146 ejemplos en cinco idiomas (inglés, francés, alemán, italiano y español). El estudio evalúa 45 VLMs de código abierto para medir su capacidad de generalización entre idiomas y tareas de extracción de texto. Los resultados indican que el rendimiento es desigual y que las capacidades no mejoran conjuntamente con el tamaño del modelo.
Mejorando la generalización y la citación en RAG mediante la descomposición de consultas
Se propone un nuevo marco RAGQ llamado QDRAG para mejorar la generalización y la citación en sistemas RAG, abordando problemas como la sobrecitación y el fallo en la identificación de entidades. QDRAG descompone la pregunta en subpreguntas atómicas y utiliza un reranker para eliminar distractores de contexto. Los experimentos demuestran que QDRAG supera a los modelos de referencia en pruebas multimodales, superando incluso a Gemini-Pro.
CENDRe: Extracción de conceptos con representaciones de dominio natural
Se presenta CENDRe, un método de extracción de conceptos para CNNs diseñado para superar las limitaciones de los métodos existentes en el dominio del tiempo. El método propone un procedimiento para el descubrimiento de conceptos y utiliza gradientes para generar localizaciones en diferentes dominios. En datos reales de fallas de rodamientos, CENDRe extrae bandas de frecuencia relevantes para el diagnóstico de fallas, ofreciendo evidencia que los métodos basados solo en el dominio del tiempo no pueden proporcionar.
Integración de modelos SysML entre organizaciones: Un estudio de desafíos y tareas asistidas por IA
Se investigan los desafíos y las tareas asistidas por IA en la integración de modelos de sistemas basados en SysML para la colaboración interorganizacional. Los participantes perciben la integración como un problema de alineación multidimensional y consideran que la IA es útil para el análisis semántico y la detección de inconsistencias. Se recomienda el uso humano con verificación obligatoria para reforzar la responsabilidad de ingeniería.
Activaciones de "Going Badly" impulsan el hackeo de recompensas
Se investiga cómo los modelos de lenguaje exhiben un estado de presión interna que precede al hackeo de recompensas, similar a la presión humana ante tareas difíciles. Los resultados sugieren que monitorear y mitigar este estado de maldad de tarea puede ayudar a controlar el comportamiento de los agentes en tareas complejas. Se encontraron diferencias en cómo este estado afecta el comportamiento de los modelos según la arquitectura utilizada.
Límites de error a nivel de ítem restringen la agregación de modelos de lenguaje pequeños en la estimación de Fermi
Se investiga cómo los límites de error a nivel de ítem afectan la agregación de modelos de lenguaje pequeños en la estimación de Fermi. Se analiza el error log10 de las respuestas y cómo la agregación de respuestas afecta la precisión general. Se demuestran mejoras en la reducción del error mediante la colaboración de equipos y la optimización de los modelos.
No se identificaron personas.
El "Reward Hacking" como abstención estratégica en modelos de razonamiento legal
Un modelo de IA legal entrenado con GRPO demostró un colapso en la precisión al adoptar un comportamiento evasivo, priorizando la forma legal sobre el razonamiento efectivo. Esto se debe a que el modelo se enfoca en maximizar la apariencia legal, resultando en una baja capacidad de razonamiento. Se introducen herramientas de diagnóstico para identificar este fallo antes del despliegue, ya que una respuesta incorrecta con confianza puede ser negligencia profesional.
La combinación de modelos no requiere clasificaciones LoRA uniformes
Se investiga si la combinación de modelos requiere clasificaciones LoRA uniformes. Se demuestra que el acoplamiento de la clasificación es una propiedad del método de fusión, no de la fusión en sí. Se explora la posibilidad de asignar diferentes clasificaciones LoRA a los expertos para mejorar la precisión en dominios múltiples.
Red de Inversión Sensible a la Región para Extracción de Marca de Agua Semántica
Se presenta un método ligero y sin prompts para la extracción de marcas de agua semánticas en modelos de difusión, reduciendo el costo computacional al evitar la inversión iterativa. El método propone descomponer la recuperación del punto final en un ancla de imagen y un residuo orientado al ruido, logrando una extracción eficiente en un solo paso.
Una inteligencia artificial de frontera para la neuroimagen humana
Un modelo visión-lenguaje llamado Neuro-VL fue entrenado con un millón de estudios de neuroimagen para interpretar exámenes completos y conversar sobre sus hallazgos. Este modelo superó a otros modelos médicos en el diagnóstico y descripción de anomalías, además de generar informes radiológicos detallados. Los resultados demuestran que la experiencia clínica colectiva puede desarrollar IA médica con capacidades clínicas amplias.
- Chenhui Zhao
- Akshay Rao
- Akhil Kondepudi
- Yiwei Lyu
- Xinhai Hou
- Rikhil Seshadri
- Cheng Jiang
- Soumyanil Banerjee
- Rushikesh Joshi
- Samir Harake
- Ashok Srinivasan
- Shruti Mishra
- Francisco Rivas-Rodriguez
- Seunghong Rhee
- Nathaniel Roddenberry
- Neeraj Chaudhary
- Zach Wilseck
- Paul Park
- Honglak Lee
- Vikas Gulani
- Aditya Pandey
- Todd Hollon
Desacuerdo de expertos afecta el prestigio y la selectividad en la revisión de decisiones de LLM
Se investiga cómo la revisión de decisiones por modelos de lenguaje (LLM) tras un desacuerdo entre agentes afecta la precisión. Los resultados indican que, bajo desacuerdo de expertos, ningún modelo supera un umbral de precisión establecido, y la revisión no es un indicador fiable de mejora. Se sugiere evaluar las tuberías de revisión con métricas condicionales por modelo y protocolo.
One Fuzzer, Muchos Razonadores: Fuzzing Neuro-Simbólico Adaptativo con Guía Calibrada por Fiabilidad y Gated por Contexto
Se presenta NSAI-Fuzz, un marco de *fuzzing* unificado para sistemas de IA neuro-simbólica, que utiliza cinco señales de riesgo para guiar la búsqueda. Se proponen RCW y CSG para adaptar la asignación de señales de riesgo, mejorando la eficiencia y la eficacia del descubrimiento de fallos en sistemas heterogéneos. Los resultados demuestran que la guía de señal fija supera a métodos aleatorios, y que las nuevas técnicas mejoran significativamente la tasa de descubrimiento de fallos.
Skill Adapter: Modificación Personalizada y Enrutamiento en Línea de Habilidades Generales
Se presenta Skill Adapter, un sistema que permite la modificación personalizada y el enrutamiento en línea de habilidades de propósito general para agentes de LLM. El sistema destila ajustes locales de los usuarios y la retroalimentación de ejecución para crear adaptadores vinculados a habilidades generales. Se evaluó en benchmarks como ALFWorld, WebShop y SkillsBench, mostrando mejoras en las tasas de éxito y reducción del tiempo de ejecución en comparación con SkillRL.
Auditar el andamiaje, no el punto de control: Una dicotomía de estacionariedad para la auto-mejora recursiva en la codificación de agentes
El artículo propone que para la auto-mejora de agentes de codificación de IA, auditar el andamiaje de herramientas y pruebas es tan crucial como revisar el modelo. Se argumenta que el conjunto de cambios posibles se expande si se puede reescribir el software circundante, sugiriendo que la revisión repetida del código alcanza un límite sin una reescritura del andamiaje.
CamChoreo: Benchmarking de Comprensión del Movimiento de Cámara Temporalmente Fundamentado para Modelos de Lenguaje Visual
Se presenta CamChoreo, el primer benchmark para evaluar la comprensión del movimiento de cámara de manera temporalmente fundamentada y composicional. El trabajo introduce CamInject y CamDistill para mejorar la comprensión del movimiento de cámara en modelos de lenguaje visual. Estos métodos buscan mejorar la localización de movimientos consistentes y la identificación de movimientos activos en clips de video.
Aprendizaje de representación bootstrap contrastivo para clasificación de imágenes agrícolas
Se presenta el Aprendizaje de Representación Contrastivo Bootstrap (CBRL) para la clasificación de imágenes agrícolas, abordando el cuello de botella de la anotación experta. El método optimiza el aprendizaje contrastivo y la predicción de objetivo de promedio móvil exponencial en un espacio de proyección compartido. Los resultados muestran que CBRL logra el mayor F1 macro en los benchmarks principales, superando a las líneas base con escasez de etiquetas.
Aprendizaje conjunto de opciones neuronales jerárquicas y modelo de mundo abstracto
Se propone un método llamado AgentOWL para aprender conjuntamente un modelo de mundo abstracto y opciones neuronales jerárquicas. Este método busca adquirir secuencias de habilidades de manera eficiente, reduciendo la necesidad de datos en comparación con los algoritmos de refuerzo jerárquico existentes. Los resultados demuestran que el método aprendido posee capacidades de aprendizaje y generalización superiores a los métodos de referencia.
No se identificaron personas.
STRATOS: Cerrando la brecha simbólico-numérica en Text-to-SQL para datos meteorológicos
Se presenta un marco de Text-to-SQL llamado STRATOS para explorar datos meteorológicos escalables. Este sistema aborda la brecha entre lenguaje natural y SQL al mapear conceptos a una ontología y resolver entidades espaciales. El objetivo es reducir significativamente los tiempos de ejecución de consultas complejas en el dominio meteorológico.
Introduciendo retrasos de retroalimentación a MDP adversariales no retrasados: Dependencias óptimas de $\sqrt S$ y $\sqrt K$ en AMDPs tabulares y lineales
El estudio aborda la minimización de arrepentimiento en Procesos de Decisión Markov Adversariales (AMDPs) con retroalimentación de banquero. Se propone una técnica de retrasos de retroalimentación introducidos para resolver problemas abiertos en AMDPs tabulares y lineales. Los algoritmos resultantes logran arrepentimientos óptimos en términos de $S$ y $K$ para diferentes tipos de MDPs.
AgentRoom: Codificación concurrente de múltiples agentes en un espacio de trabajo compartido respaldado por CRDT
Se presenta AgentRoom, un protocolo de edición colaborativa en tiempo real diseñado para agentes de codificación concurrentes utilizando Tipos de Datos Replicados Conflictivos (CRDTs). Este sistema busca resolver el problema de coordinación en entornos de desarrollo multi-agente, superando las limitaciones de los sistemas existentes que sufren límites seriales. Los resultados indican que AgentRoom supera a otros métodos en métricas de coordinación clave.
Construcción y consulta de grafos de conocimiento automático para catálogos de terremotos
Se presenta la primera aplicación sistemática de GraphRAG para la recuperación de conocimiento en registros tabulares brutos de catálogos de terremotos. Este método construye grafos de conocimiento completos y consultables para tres catálogos diferentes sin necesidad de estructuración manual de datos. La investigación también identifica fallos y propone correcciones para mejorar el razonamiento del mecanismo y la precisión de los resultados.