Buscar noticias

Buscá por texto y descubrí noticias relacionadas con tu consulta.

Noticias relevantes

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

Meta AI tendrá menos olvido y dejará de rendirse con la nueva actualización

Meta ha actualizado los modelos de sus agentes Muse y Meta AI para mejorar la memoria y la capacidad de recuperación de información. La nueva funcionalidad permite a los asistentes de IA recordar detalles de conversaciones pasadas y mejorar la capacidad de la IA para corregir errores y completar tareas complejas. Meta está utilizando modelos especializados para tareas cotidianas en lugar de modelos fronterizos, buscando hacer que sus asistentes sean más útiles en el trabajo práctico diario.

Periodista: Kazi Nasir

Personas mencionadas

Meta se inclina por los Tamagotchi porque sabe que eres un adicto a la interacción

Meta está utilizando la ternura y la interacción para atraer a los usuarios con su nueva aplicación Waddle World, una mascota tipo Tamagotchi. Esta aplicación fomenta la interacción al permitir a los usuarios hablar con la mascota, que actúa como confidente, buscando mantener al usuario comprometido. La compañía parece aplicar esta estrategia, similar a sus esfuerzos con otras herramientas de IA, para suavizar la experiencia de interacción con la inteligencia artificial y fomentar la repetición de uso.

Periodista: Firma no identificada

Personas mencionadas

Meta busca recaudar hasta $25 mil millones en venta de deuda por el aumento del gasto en IA

Meta está buscando recaudar entre $20 y $25 mil millones en una venta de bonos para financiar su creciente inversión en infraestructura de inteligencia artificial. Esta decisión se produce mientras la empresa enfrenta incertidumbre debido al gasto de capital y al flujo de caja libre negativo reportado recientemente. La compañía busca asegurar fondos para sus iniciativas de IA a través de diversas operaciones de deuda y capital.

Periodista: Seema Mody, Jonathan Vanian

Personas mencionadas

Meta se une con Pueri de China para desarrollar prototipo de robot humanoide 'Max'

Meta colaboró con la startup china Pueri durante tres meses para desarrollar el prototipo de robot humanoide 'Max', buscando integrar su asistente de IA 'Muse' con un cuerpo físico para realizar tareas domésticas. Max, de 1.5 m de altura y 48 kg, está equipado con el chip Jetson Tor de NVIDIA y tiene características como una pantalla facial y un sistema de agarre con cinco dedos. Meta probó el prototipo y planea desarrollar un segundo modelo, 'Max2', con mejoras en la estructura y sensores.

Periodista: 임재혁

Personas mencionadas

Meta reevalúa su objetivo de emisiones cero ante el auge de la inteligencia artificial

Meta está reconsiderando su objetivo de neutralidad de carbono para 2030 debido al auge de la inteligencia artificial, lo que complica sus compromisos climáticos. La compañía está reevaluando plazos y hitos intermedios tras el impacto de la IA en la construcción de centros de datos. Meta necesita infraestructura para la IA, lo que ha llevado a firmar acuerdos para usar centrales a gas en lugar de electricidad renovable.

Periodista: AFP

Personas mencionadas

La venta de bonos de Meta muestra una nueva realidad para la deuda tecnológica

Meta buscó vender 25 mil millones de dólares en bonos corporativos el 3 de noviembre, una maniobra que podría complicar el financiamiento de su inversión en inteligencia artificial debido a la presión política de los Demócratas. Los gestores de fondos están exigiendo mayor claridad sobre cómo el gasto en IA se traducirá en flujo de caja libre. Además, la incertidumbre regulatoria podría ralentizar el desarrollo de centros de datos en EE. UU., afectando el endeudamiento de las grandes tecnológicas.

Periodista: Bloomberg

Personas mencionadas

Meta prevé recaudar al menos US$ 20.000 millones en posibles emisiones de bonos

Meta evalúa emitir bonos transfronterizos por US$20.000 millones, buscando diversificar su financiamiento en euros y dólares. La compañía mide el interés de los inversores ante el escepticismo sobre el gasto en inteligencia artificial. Se reporta que la venta de acciones de Meta atrae una demanda significativamente mayor a la oferta.

Periodista: Firma no identificada

Personas mencionadas

No se identificaron personas.

Meta dice que probablemente retrasará sus controvertidos nuevos términos comerciales de nuevo

Meta ha anunciado que probablemente retrasará la implementación de sus nuevos términos comerciales hasta el 20 de noviembre debido a la reacción de los editores por preocupaciones sobre el entrenamiento de IA. La compañía afirmó que no tiene intención de realizar cambios de políticas sin consulta con líderes de la industria. Los términos, que inicialmente permitían entrenar modelos de IA con contenido de sitios de noticias, fueron pospuestos para mitigar estas preocupaciones legales y de la industria.

Periodista: Firma no identificada

Personas mencionadas

Noticias encontradas

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

Resultados para «Meta AI»

Más recientes primero · Hasta 30 noticias por página

Escalado en tiempo de prueba para modelos de lenguaje de difusión con remasquillado consciente de la frecuencia

Se propone un escalado en tiempo de prueba para modelos de lenguaje de difusión mediante una asignación adaptativa de cómputo y estrategias de decodificación. El método utiliza un muestreador rápido para preguntas fáciles y remasquillado consciente de la frecuencia para preguntas difíciles. Los experimentos demuestran mejoras en precisión y cobertura en benchmarks como MATH-500 y HumanEval.

Periodista: Bowen Zuo, Yue Yu, Dongruo Zhou, Yinglun Zhu

Personas mencionadas

De la conexión de herramientas al control de ejecución: Evaluación de invariantes de seguridad en *runtimes* de agentes estilo MCP

El artículo presenta la formulación de ocho invariantes de ejecución (I1-I8) para agentes conectados a herramientas, diseñados para asegurar la integridad incluso ante instrucciones adversarias. Se compara el rendimiento de estos invariantes en dos arquitecturas de *runtime*: HCP (runtime en memoria) y una ACL de *gateway*/servidor independiente (B3). Los resultados demuestran que aplicar los invariantes I1-I8 asegura la ejecución segura de herramientas independientemente del diseño del *runtime* utilizado.

Periodista: Ting Liu

Personas mencionadas

Spatial-IQ: Descomponiendo la inteligencia espacial mediante pruebas de capacidad jerárquica

Se presenta Spatial-IQ, un marco de diagnóstico jerárquico diseñado para evaluar el razonamiento espacial de los modelos de lenguaje grandes (MLLMs). Este marco descompone el conteo de objetos en estructuras 3D, analizando subtareas perceptuales y cognitivas basadas en etapas de la cognición humana. Se demuestra que entrenar estos modelos con supervisión de cadena de pensamiento y aprendizaje por refuerzo mejora la consistencia y la precisión del rendimiento espacial.

Periodista: Patrick Rim, Tom Long, Ekta Prashnani, Ruth Rosenholtz, Ben Boudaoud, Peter Xenopoulos, Alex Wong, Joohwan Kim, Jae-Hyun Jung

Personas mencionadas

Cuando la experiencia se convierte en una puerta trasera: Envenenamiento de agentes de LLM autoevolutivos mediante optimización de tareas consciente del fallo

Se estudia un problema de ataques de puerta trasera a nivel de tarea en agentes de LLM autoevolutivos, donde el atacante inyecta tareas de evolución envenenadas. Se proponen BadEvolve, un marco que diagnostica fallos en cuatro etapas de evolución y utiliza reversión para preservar el progreso y evitar actualizaciones ineficaces. Los experimentos demuestran la efectividad de este marco contra diversos marcos de autoevolución.

Periodista: Minhua Lin, Zongyu Wu, Hanqing Lu, Xianfeng Tang, Xiang Zhang, Qi He, Suhang Wang

Personas mencionadas

Predicción temprana de memecoins fraudulentos en Solana mediante aprendizaje automático

Un estudio utiliza aprendizaje automático para detectar fraudes de "rug pull" en memecoins de Solana. La investigación analiza un conjunto de datos de 6.4 millones de tokens para identificar características de rug pull en la plataforma. Se demuestra que modelos de aprendizaje automático como XGBoost son efectivos para predecir estos fraudes basándose en datos de negociación iniciales. El estudio sugiere que la fusión de datos de múltiples fuentes mejora la fiabilidad de la detección en este ecosistema.

Periodista: Jianghai Li, Pavel Kuznetsov, Yury Yanovich, Konstantin Nott-Whaley, Igor Vodolazov

Personas mencionadas

PEARL: Modelado de optimización interactivo Solver-in-the-Loop a partir del lenguaje natural

Se presenta PEARL, un sistema para el modelado de optimización interactivo de solucionador que utiliza ejecución de Python y solucionadores de programación matemática en un ciclo iterativo. Este sistema aprende a probar modelos parciales y revisar diagnósticos del solucionador para mejorar las formulaciones y el código antes de la finalización. PEARL demuestra un mejor acuerdo objetivo ejecutable y es competitivo con modelos de referencia existentes.

Periodista: Hongliang Lu, Zhong Li, Yuxuan Chen, Yuan Lan, Fan Zhang, Zaiwen Wen

Personas mencionadas

PoEM: Predicción de resultados de RL a partir de políticas existentes

Se presenta PoEM, un marco para predecir los resultados de Aprendizaje por Refuerzo (RL) utilizando modelos entrenados previamente con otras recompensas. El objetivo es predecir la política RL óptima para una nueva función de recompensa sin necesidad de un entrenamiento adicional. El método aprovecha la combinación lineal de políticas existentes para aproximar la política objetivo.

Periodista: Kimia Hamidieh, Giannis Daras, Antonio Torralba

Personas mencionadas

Hacia una detección de fraude auditable: Combinando características de grafos, explicaciones de modelos e investigación de casos agente

Se presenta un *pipeline* de detección de fraude por capas que integra clasificadores, características de grafos, señales de anomalía y un agente de investigación LLM. El estudio evalúa la contribución de cada componente en la detección de fraude, encontrando que la justificación de un agente de investigación no siempre resulta en una decisión mejor. Se concluye que cada parte del sistema solo es efectiva bajo condiciones específicas.

Periodista: Rahil Sharma

Personas mencionadas

Ediciones Mecanísticas Certificadas: Garantías de Comportamiento para la Eliminación y Preservación de Habilidades

Se presentan ediciones mecánicas como herramientas estándar para eliminar capacidades dañinas de redes neuronales manteniendo otras útiles. Se certifica el efecto de estas ediciones, garantizando que la eliminación de una habilidad preserve otra en regiones continuas de entradas. Se demuestra que ninguna prueba de caja negra determinista puede certificar la eliminación, incluso con pruebas exhaustivas.

Periodista: Md Sazid Uddin, Md. Khairul Alam Mazumder, M. F. Mridha

Personas mencionadas

No se identificaron personas.

VOIM: Mapeo de instancias 3D de vocabulario abierto sin entrenamiento para RGB-D y SLAM monocular

Se presenta VOIM, un sistema sin entrenamiento que genera mapas de instancias 3D de vocabulario abierto utilizando datos de video RGB-D o video RGB monocular. Este sistema acumula evidencia de etiquetas suaves de modelos de percepción preexistentes para determinar las etiquetas y las instancias de objetos. Los experimentos en ScanNet++ y la navegación en robots reales demuestran la usabilidad de estos mapas.

Periodista: Sangmin Song, Sarath Kodagoda, Marc G. Carmichael, Karthick Thiyagarajan, Amal Gunatilake, Kelly Prentice, Jodi Martin

Personas mencionadas

Monitorización en tiempo de ejecución con validez válida de certificados de barrera aprendidos

Se propone un monitor en tiempo de ejecución con validez válida para auditar certificados de barrera aprendidos, detectando la pérdida de soporte estadístico de la condición de barrera desplegada. El sistema utiliza pruebas de hipótesis secuenciales y transforma incrementos de barrera en una supermartingala para controlar falsas alarmas. El monitor busca detectar evidencia estadística de que el certificado de seguridad no es consistente con las dinámicas observadas.

Periodista: Zhipeng Cao, Taoran Wu, Weiru Cui, Luke Ong, Bai Xue

Personas mencionadas

Modelos de lenguaje no reportan estados de dolor inyectados

Un estudio evaluó si los modelos de lenguaje podían reportar un estado de dolor inyectado. Los resultados indican que, aunque se pudo distinguir el dolor de la tristeza, los modelos no lograron reportar el dolor en las capas principales de inyección. Sin embargo, los reportadores entrenados lograron recuperar el estado de dolor en tareas específicas.

Periodista: Emilio Ferrara

Personas mencionadas

No se identificaron personas.

Marco orientado a agentes para el análisis reproducible de datos de termorreflectancia en el dominio de la frecuencia

Se presenta Vibe-FDTR, un marco orientado a agentes que permite a los agentes de LLM realizar análisis de termorreflectancia en el dominio de la frecuencia (FDTR) de manera reproducible a partir de solicitudes en lenguaje natural. Este marco combina un paquete de código configurado con habilidades de agente para traducir intenciones en pasos de análisis verificables. Los resultados muestran que los agentes con Vibe-FDTR alcanzan tasas de éxito del 100% y 98.9% en tareas controladas, reduciendo el costo computacional y el tiempo de ejecución.

Periodista: Fuwei Yang, Weiheng Li, Bai Song

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

Muestreo estocástico consistente con SDE para el post-entrenamiento de RL en modelos de Flow-Matching

Se propone Precise, un nuevo muestreador estocástico que equilibra la exploración efectiva y la estabilidad en modelos de flow-matching. Este método mantiene la consistencia SDE de la trayectoria de eliminación de ruido mediante una aproximación que resuelve el problema del exceso de ruido. Los experimentos demuestran que esta formulación resulta en una optimización de recompensa más rápida y estable, logrando puntuaciones de alineación de vanguardia con menor tiempo de entrenamiento.

Periodista: Jade Zou, Tao Huang, Weijie Kong, Junzhe Li, Yue Wu, Qi Tian, Jiangfeng Xiong, Jianwei Zhang, Liefeng Bo, Zhao Zhong

Personas mencionadas

Señales tempranas de uso problemático de IA: Roles longitudinales de la motivación y el compromiso emocional

Un estudio longitudinal sobre 114 adultos reveló que la motivación para usar IA conversacional predice un uso problemático posterior de esta tecnología. Se encontró que la motivación para usar IA, especialmente para gestionar sentimientos y superar dificultades, se correlaciona con un uso problemático. Los resultados sugieren que la motivación de la IA puede servir como señal de advertencia temprana de un uso problemático.

Periodista: Jina Suh, Constance Hadley, Koustuv Saha

Personas mencionadas

No se identificaron personas.

Elsewise: Creación de narrativas interactivas abiertas con visualización del espacio de posibilidad

Se presenta Elsewise, una herramienta de autoría para narrativas interactivas basadas en LLM que utiliza un concepto de Trama Agrupada para mejorar la comprensión del espacio de posibilidad narrativa por parte del autor. El estudio de usuario indica que este enfoque mejora la anticipación del autor sobre la experiencia narrativa del jugador, facilitando un mejor control y exploración de dichas posibilidades.

Periodista: Yi Wang, John Joon Young Chung, Melissa Roemmele, Yuqian Sun, Tiffany Wang, Shm Garanganao Almeda, Brett A. Halperin, Yuwen Lu, Max Kreminski

Personas mencionadas

PEEK: Corrección de sesgo de exposición con mirada hacia adelante de un paso para muestreo de difusión

Se propone PEEK, un plugin de muestreador determinista sin entrenamiento, para mitigar el sesgo de exposición en generadores de imágenes por difusión. PEEK realiza una actualización provisional de un paso y utiliza una predicción un paso adelante para mejorar la calidad de la imagen al mitigar el sesgo de exposición. Los experimentos mostraron reducciones en la Distancia de Percepción de Fréchet (FID) de hasta un 49.3% en varios modelos.

Periodista: Yunwei Bai, Ying Kiat Tan, Tsuhan Chen

Personas mencionadas

Deliberación No Recíproca de Tensor de Arista Tipada para Razonamiento Deductivo Contrafactual de Mundo Abierto

Se presenta una nueva arquitectura de razonamiento latente continuo de tiempo neuro-simbólica llamada TE-BPHD. Esta arquitectura combina conservación port-Hamiltoniana antisimétrica con transporte direccional no recíproco y amortiguamiento disipativo para mejorar el razonamiento deductivo. Los resultados demuestran que elimina la deriva de horizonte profundo y aumenta la precisión del razonamiento cíclico en benchmarks específicos.

Periodista: Zeyu Jia

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

Impacto algorítmico revela la estructura oculta de la elección social de alineación

El artículo aborda el problema de la elección social al alinear algoritmos de inteligencia artificial que afectan a múltiples personas. Propone una reformulación matemática que permite tratar el problema de alineación como una optimización lineal sobre un espacio de impacto convexo. Esto permite traducir protocolos de alineación en consecuencias de bienestar y viceversa, demostrando la viabilidad de mecanismos como la votación por temas.

Periodista: Zachary Wojtowicz, Michelle Si, Finale Doshi-Velez, Ariel Procaccia

Personas mencionadas

¿Cuándo deberían reconsiderar los Modelos de Difusión de Lenguaje sus compromisos?

Se presenta el Aprendizaje Conjunto de Desenmascaramiento y Revisión Planificado (PURL) para Modelos de Difusión Enmascarados (MDMs) para unificar la generación paralela con la revisión selectiva de tokens. Este marco mejora la precisión en tareas como razonamiento matemático y generación de código, logrando mejoras de hasta 47.4% en precisión. El análisis sugiere que la generación paralela efectiva depende de hacer que los compromisos de tokens sean revisables en el momento adecuado, en lugar de revisar más tokens.

Periodista: Haoyang Zheng, Yidong Ouyang, Blake Jianhang Chen, Tian Tan, Ziqian Lin, Liqian Peng, Alec Go, Guang Lin

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

DiSARM: Minería de reglas de asociación diversas y sorprendentes con Modelos de Lenguaje Grande

Se propone DiSARM, un marco híbrido que utiliza el conocimiento del mundo de los Modelos de Lenguaje Grande (LLMs) para evaluar el interés subjetivo de las reglas de asociación, manteniendo la fiabilidad estadística y la diversidad. Este enfoque busca mejorar la Minería de Reglas de Asociación (ARM) al integrar el conocimiento del mundo con la fiabilidad estadística. Los experimentos demuestran que DiSARM ofrece un método prometedor para el Análisis Exploratorio de Datos (ADE) con datos transaccionales.

Periodista: Lijia Liu, Hisashi Kashima

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

Explorando la especialización y sensibilidad de redes neuronales convolucionales bajo aumentaciones de imagen simultáneas

Se propone un marco para investigar la inferencia interna de redes neuronales convolucionales bajo múltiples alteraciones de entrada simultáneas. El estudio evalúa redes como AlexNet, VGG11 y ResNet18, buscando entender la sensibilidad a estas transformaciones para mejorar sistemas de toma de decisiones autónoma. El marco desarrollado busca transferir sus hallazgos al estudio de redes neuronales biológicas complejas.

Periodista: Pavel Kharyuk, Sergey Matveev, Ivan Oseledets

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