Buscar noticias

Buscá por texto y descubrí noticias relacionadas con tu consulta.

Noticias relevantes

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

GGML celebra su inversión anual de 10 mil millones de dirhams en proyectos de RSE

GEITA Gold Mining Limited (GGML) destacó su inversión de 10 mil millones de dirhams en proyectos de Responsabilidad Social Corporativa, señalando su papel como socio de desarrollo del Gobierno de Tanzania durante más de 26 años. La empresa enfatizó que su inversión en RSE proviene de una porción de sus ingresos brutos para asegurar que las comunidades cercanas a la mina se beneficien directamente de las actividades mineras.

Periodista: DAILY News Reporter

Noticias encontradas

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

Resultados para «GGML»

Más recientes primero · Hasta 30 noticias por página

GGML celebra su inversión anual de 10 mil millones de dirhams en proyectos de RSE

GEITA Gold Mining Limited (GGML) destacó su inversión de 10 mil millones de dirhams en proyectos de Responsabilidad Social Corporativa, señalando su papel como socio de desarrollo del Gobierno de Tanzania durante más de 26 años. La empresa enfatizó que su inversión en RSE proviene de una porción de sus ingresos brutos para asegurar que las comunidades cercanas a la mina se beneficien directamente de las actividades mineras.

Periodista: DAILY News Reporter

GGML dice invertir hasta 10 mil millones de dólares anualmente en proyectos de RSC

GGML anuncia que invierte hasta 10 mil millones de dólares anualmente en proyectos de Responsabilidad Social Corporativa. La noticia también menciona varias otras novedades en Tanzania, incluyendo la regulación de microfinanzas, la necesidad de fortalecer sistemas digitales y discusiones sobre reformas policiales y políticas económicas.

Periodista: The Citizen Reporter

Personas mencionadas

llama.cpp v1.0.0: Una base más sólida para el ecosistema de IA local

llama.cpp v1.0.0 facilita la ejecución de LLMs multimodales en diversos hardware, desde máquinas locales hasta servidores empresariales. El proyecto busca hacer accesible la inferencia de IA a través de una implementación portable y versátil. Se enfatiza la importancia de la IA local y la privacidad, y se anuncia la liberación de nuevas bibliotecas con reglas estrictas de compatibilidad de API.

Periodista: llama.cpp team at Hugging Face

Personas mencionadas

No se identificaron personas.

Transformers ahora ejecuta cuantizaciones de llama.cpp

Hugging Face incorporó soporte para ejecutar modelos en formato GGUF, el estándar de cuantización de llama.cpp, dentro de la librería transformers. La integración reutiliza los kernels ggml de llama.cpp y optimiza el bucle de generación para acercar el rendimiento a esa herramienta en Apple Silicon, comenzando por la arquitectura Qwen3.5. El objetivo es facilitar la inferencia local en Python y PyTorch, aunque la ruta empaquetada es por ahora solo para MPS y con cobertura limitada de arquitecturas.

Periodista: Marc Sun

Estado de los modelos abiertos: observaciones del verano de 2026

El informe semestral de Hugging Face sobre modelos abiertos (enero-agosto de 2026) señala que varios laboratorios chinos lanzaron modelos de frontera de mayor tamaño que los estadounidenses, con techos de hasta 2,78 billones de parámetros frente a menos de 130.000 millones en EE.UU. Los repositorios crecieron de 2,43 a 2,96 millones, pero la distribución es extrema: el 85,6% de los modelos tiene menos de 200 descargas y el 1,5% concentra el 99,2% del total. Qwen se consolidó como base de la comunidad con 151.448 derivados, mientras los modelos pequeños dominan el uso práctico y los agentes autónomos se convirtieron por primera vez en el principal usuario del Hub.

Periodista: Adina Yakefu, Apolinário, Irene Solaiman

Transformers v5: definiciones de modelos simples que impulsan el ecosistema de IA

Hugging Face lanzó Transformers v5, la nueva versión de su biblioteca de definición de modelos de IA, que ahora supera los 1.200 millones de instalaciones y las 400 arquitecturas. La versión prioriza la simplicidad del código, la interoperabilidad con motores de inferencia como vLLM, SGLang y llama.cpp, y convierte la cuantización en una característica de primera clase. También abandona el soporte de Flax/TensorFlow para centrarse en PyTorch como único backend.

Periodista: Lysandre, Arthur Zucker, Cyril Vallez, Vaibhav Srivastav