Buscar noticias
Buscá por texto y descubrí noticias relacionadas con tu consulta.
Noticias relevantes
Hasta 10 noticias relacionadas por su significado, ordenadas por relevancia.
No encontramos noticias relacionadas por su significado.
Noticias encontradas
Coincidencias en título, descripción, resumen, tags, personas o periodista.
5 resultados para «Ayhan Sebin»
Más recientes primero · Hasta 30 noticias por página
Hugging Face BlogIBM presenta un método de pronóstico por ensamble con sus modelos Granite de series temporales
IBM presentó Granite Timeseries Ensemble, una receta que combina cuatro modelos Granite de series temporales para generar pronósticos de mediana y cuantiles sin reentrenamiento ni pesos ajustados. El método ofrece dos variantes: el Ensamble Probabilístico, recomendado por defecto, y el Ensamble IQR adaptativo. En 97 configuraciones del benchmark GIFT-Eval, ambos ensambles superaron a los cuatro modelos individuales en MASE agregado, con una mejora pequeña pero orientada a la robustez.
Tu agente superó la tarea. ¿La volverá a superar?
Investigadores de IBM presentan el Consistency Analyzer, una herramienta que mide la consistencia de los agentes de IA más allá de la precisión promedio. Un agente ReAct con GPT-4.1 que acierta el 77,4% en promedio solo resuelve todas las repeticiones en el 53,0% de las tareas, una brecha de 24,4 puntos. Las directrices de consistencia generadas reducen esa brecha a 12,0 puntos sin perder precisión promedio.
Cuánta memoria necesita realmente un agente de IA: la dosis debe calibrarse según el modelo
Investigadores de IBM presentan ALTK-Evolve, un método que permite a los agentes de IA aprender de sus propias trayectorias pasadas destilando directrices reutilizables que se reinyectan en la inferencia, sin actualizar pesos ni requerir anotación humana. Tras evaluar ocho modelos en el benchmark AppWorld, concluyen que la cantidad de memoria debe calibrarse según la capacidad del modelo: los fuertes con margen rinden mejor con el conjunto completo de directrices, los débiles con un núcleo compacto más recuperación por tarea, y los saturados no muestran ganancias. La recuperación curada puede ser a la vez la más precisa y la más barata, con gpt-oss-120b ganando +16,1 puntos de finalización de tareas con solo +5% de tokens.
VAKRA, el nuevo benchmark de IBM que evalúa la fiabilidad de los agentes de IA en entornos empresariales
IBM presentó VAKRA, un benchmark ejecutable que evalúa cómo los agentes de IA razonan y actúan en entornos empresariales, con más de 8.000 API locales en 62 dominios y tareas de 3 a 7 pasos. El benchmark se divide en cuatro capacidades: encadenamiento de API, selección de herramientas, razonamiento de múltiples saltos y razonamiento multisource con adherencia a políticas. El análisis de errores muestra que los modelos fallan en selección de herramientas, argumentos y síntesis final, y que les cuesta incorporar restricciones externas, una brecha crítica para el despliegue real.
IBM y UC Berkeley diagnostican por qué fallan los agentes empresariales con IT-Bench y MAST
IBM Research y UC Berkeley aplicaron la taxonomía MAST al benchmark ITBench para analizar 310 trazas de agentes de IA en tareas de automatización de TI. Hallaron que los modelos de frontera como Gemini-3-Flash fallan de forma aislada (2,6 modos de fallo por traza), mientras que los modelos abiertos como GPT-OSS-120B sufren fallos en cascada (5,3 por traza). La verificación incorrecta (FM-3.3) es el principal predictor de fallo, y proponen intervenciones de ingeniería como puertas de verificación externas y máquinas de estado para mejorar la confiabilidad.