Buscar noticias
Buscá por texto y descubrí noticias relacionadas con tu consulta.
Noticias relevantes
Hasta 10 noticias relacionadas por su significado, ordenadas por relevancia.
Hugging Face BlogIBM detalla cómo se construyeron los modelos Granite 4.1, con arquitectura densa y entrenamiento en cinco fases
IBM publicó un informe técnico sobre la familia Granite 4.1, modelos de lenguaje densos de 3B, 8B y 30B parámetros entrenados con unos 15 billones de tokens en un pipeline de cinco fases que incluye contexto largo de hasta 512K tokens. El entrenamiento combina ajuste fino supervisado sobre 4,1 millones de muestras curadas con un marco de LLM-como-Juez y aprendizaje por refuerzo multietapa con GRPO on-policy y pérdida DAPO. Según IBM, el modelo instruct de 8B iguala o supera al anterior Granite 4.0-H-Small de 32B con arquitectura MoE, y todos los modelos se publican bajo licencia Apache 2.0.
La República Costa RicaGBM introduce servidor de IBM que acerca la inteligencia artificial a empresas costarricenses
GBM ha lanzado el servidor IBM Power S1112 en Costa Rica para facilitar la incorporación de inteligencia artificial en empresas medianas y oficinas remotas. Este servidor está diseñado para ofrecer capacidades de procesamiento y seguridad empresarial sin la complejidad de sistemas de gama alta. Permite ejecutar modelos de IA localmente con los datos propios de la organización, optimizando costos y espacio físico.
IBM lanza Granite 4.0 Nano, sus modelos de IA más pequeños para el borde y dispositivos
IBM presentó Granite 4.0 Nano, su familia de modelos de lenguaje más pequeños hasta la fecha, pensados para aplicaciones en el borde y en dispositivos. Incluye cuatro modelos instruct (H 1B, H 350M, 1B y 350M) con arquitectura híbrida SSM y variantes transformer, bajo licencia Apache 2.0 y con certificación ISO 42001. La compañía afirma que superan a modelos de tamaño similar en conocimiento general, matemáticas, código, seguridad, seguimiento de instrucciones y llamado de herramientas.
IBM lanza Granite Embedding Multilingual R2: modelos de embeddings multilingües abiertos con licencia Apache 2.0 y contexto de 32K
IBM presentó dos nuevos modelos de embeddings multilingües de código abierto bajo licencia Apache 2.0, construidos sobre ModernBERT: uno compacto de 97M de parámetros y otro completo de 311M. Ambos cubren más de 200 idiomas, manejan contextos de hasta 32.768 tokens y añaden recuperación de código en nueve lenguajes de programación. El modelo de 97M lidera la calidad de recuperación entre los modelos abiertos de menos de 100M de parámetros, mientras que el de 311M se ubica segundo entre los modelos abiertos de menos de 500M.
CERT-FRMúltiples vulnerabilidades en productos IBM, alerta el CERT-FR
El CERT-FR publicó un aviso sobre múltiples vulnerabilidades en productos IBM, con primera y última versión del 23 de octubre de 2026, basado en once boletines de seguridad de IBM emitidos entre el 15 y el 23 de octubre de 2026. Los riesgos incluyen ejecución de código arbitrario remoto, elevación de privilegios, denegación de servicio remota, SSRF, XSS y afectación de integridad y confidencialidad de datos. Entre los sistemas afectados figuran AIX, Cognos Analytics, Db2, QRadar, Sterling B2B Integrator, Sterling File Gateway, VIOS y WebSphere eXtreme Scale; se recomienda aplicar los parches del editor.
No se identificaron personas.
IBM presenta la familia Granite 4.2, sus primeros modelos de lenguaje densos con razonamiento explícito
IBM publicó Granite 4.2, su primera familia de modelos de lenguaje densos solo decodificadores centrados en razonamiento, en tamaños de 3B, 8B y 30B parámetros bajo licencia Apache 2.0. Los modelos se postentrenaron desde las bases Granite-4.1, preentrenadas con unos 15 billones de tokens y contexto extendido a 512K, con ajuste fino supervisado y una canalización de aprendizaje por refuerzo de múltiples etapas que incluye RL agéntico para las variantes de 8B y 30B. Todos incorporan modos de pensamiento, sin pensamiento y de bajo esfuerzo, además de llamada de herramientas nativa compatible con OpenAI.
Bamba: modelo híbrido Mamba2 eficiente en inferencia
IBM, Princeton, CMU y UIUC presentaron Bamba-9B, un modelo híbrido Mamba2 entrenado con 2,2 billones de tokens y datos abiertos. Según los autores, ofrece hasta 2,5 veces más rendimiento y la mitad de latencia que transformers estándar en vLLM, y su desempeño promedio queda casi a la par de Meta Llama 3.1 8B al excluir matemáticas y MMLU. El modelo y las recetas de entrenamiento se publicaron en transformers, vLLM, TRL y llama.cpp para fomentar la experimentación de la comunidad.
- Linsong Chu
- Divya Kumari
- Tri Dao
- Albert Gu
- Raghu Ganti
- Dakshi Agrawal
- Mudhakar Srivatsa
- Davis Wertheimer
- Fabian Lim
- Antoni Viros
- Nelson Gonzalez
- Tuan HoangTrong
- Ofir Arviv
- Yotam Perlitz
- Michal Shmueli-Scheuer
- Haochen Shen
- Minjia Zhang
- Gabe Goodhart
- Naigang Wang
- Nick Hill
- Joshua Rosenkranz
- Charlie Liu
- Adnan Hoque
- Chih-Chieh Yang
- Sukriti Sharma
- Anh Uong
- Jay Gala
- Syed Zawad
- Ryan Gordon
Cómo Hugging Face optimizó la inferencia de BLOOM con una reducción de latencia de 5x
El artículo detalla el proceso de optimización del servidor de inferencia del modelo BLOOM de 176.000 millones de parámetros, desarrollado por Hugging Face y BigScience. El equipo logró reducir la latencia de 350 ms/token a 71 ms/token y multiplicar por 50 el throughput, combinando paralelismo de tensores, kernels personalizados, torch.jit.script y un servidor web en Rust y Python. También relata fracasos como mediciones erróneas por un profiler olvidado y las dificultades de estabilidad con DeepSpeed.
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 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.
Noticias encontradas
Coincidencias en título, descripción, resumen, tags, personas o periodista.
29 resultados para «IBM»
Más recientes primero · Hasta 30 noticias por página
GBM introduce servidor de IBM que acerca la inteligencia artificial a empresas costarricenses
GBM ha lanzado el servidor IBM Power S1112 en Costa Rica para facilitar la incorporación de inteligencia artificial en empresas medianas y oficinas remotas. Este servidor está diseñado para ofrecer capacidades de procesamiento y seguridad empresarial sin la complejidad de sistemas de gama alta. Permite ejecutar modelos de IA localmente con los datos propios de la organización, optimizando costos y espacio físico.
The Globe and MailLa política del resentimiento se ha dirigido contra el maestro de la forma
Los resultados de las elecciones intermedias estadounidenses sugieren un descontento generalizado con el país y con las acciones del Congreso. Los votantes expresaron su frustración contra el presidente Donald Trump, señalando un escepticismo nacional hacia su liderazgo. Los resultados indican que el partido Demócrata está superando las expectativas, lo que podría poner fin a la agenda de Trump.
MakeUseOfEl fundador que vendió su empresa a IBM construyó una aplicación de terminal gratuita, y es absurdamente rápida
Mitchell Hashimoto, cofundador de HashiCorp, desarrolló Ghostty, una aplicación de terminal gratuita y extremadamente rápida que funciona en Linux y macOS. Esta herramienta ha mejorado significativamente el rendimiento, ofreciendo una salida más suave y reduciendo el uso de memoria, lo que la hace muy eficiente para tareas intensivas de texto. Ghostty es de código abierto y su desarrollo está respaldado por la organización benéfica Hack Club, asegurando su naturaleza sin fines de lucro.
Khabar OnlineLa razón técnica de la elección del color verde para mostrar texto e imágenes en monitores antiguos
Históricamente, los monitores de computadora utilizaban texto verde debido a razones prácticas y económicas. Los fosforescentes verdes, como el tipo P31, ofrecían alta luminosidad, eficiencia y resistencia a la quemadura de pantalla. Este color aprovechaba la sensibilidad del ojo humano al espectro amarillo-verde, proporcionando mejor contraste y nitidez con menor consumo eléctrico. La elección se justificó por el costo menor de las pantallas monocromáticas y la necesidad de estabilidad lumínica en las interfaces de usuario tempranas, aunque con la mejora de la tecnología, estos monitores cedieron paso a pantallas a color.
Moskovsky KomsomoletsDos extranjeros fueron asesinados por descarga eléctrica en la piscina de un hotel de 5 estrellas
Dos extranjeros, uno miembro de la tripulación de Lufthansa y otro jefe de proyecto de IBM, murieron en la piscina de un hotel de cinco estrellas en Bangalore, India, tras sufrir una descarga eléctrica. El incidente ocurrió en el tercer piso del hotel Conrad en Halasuru. Dos personas resultaron heridas durante el intento de rescate. La policía inició una investigación, sugiriendo negligencia en el mantenimiento de la piscina como posible causa de la fatalidad.
CNN IndonesiaKapolri Lanza el Programa Polisi que Cuida al Desempleo
El Kapolri General Suyudi Ario Seto anunció el programa 'Poliran, Policía que Cuida al Desempleo' para empoderar a la población desempleada. Este programa busca reclutar a personas desempleadas a través de los Bhabinkamtibmas, capacitarlas con el Ministerio de Trabajo, y canalizarlas a empresas mediante acuerdos. Además, se coordinará con otros ministerios para incluir a personas en rehabilitación de adicciones, con el objetivo final de reducir el desempleo y disminuir la criminalidad y los disturbios sociales.
ExpansiónLa IA amenaza los empleos que permiten adquirir experiencia
El artículo analiza cómo la IA está eliminando los empleos de entrada que tradicionalmente permitían a los jóvenes adquirir experiencia y progresar profesionalmente. Mientras Amazon promete 30.000 empleos juveniles en Reino Unido centrados en logística, IBM, PwC y Salesforce ensayan fórmulas para preservar el acceso a profesiones cualificadas rediseñando funciones y manteniendo programas de incorporación. Estudios de Stanford y Revelio Labs detectan menor contratación de principiantes en ocupaciones expuestas a la IA, aunque Yale no halla impacto generalizado. El Gobierno británico aspira a crear 200.000 empleos tecnológicos de entrada en una década. El desafío es formar futuros especialistas sin renunciar a las ventajas de automatizar.
DetikKapolri dan PBNU Perkuat Sinergi Jaga Kamtibmas hingga Bina Generasi Muda
El Kapolri Jenderal Suyudi Ario Seto se reunió con el Ketua Umum de la PBNU, KH Abdul Hakim Mahfudz (Gus Kikin), para discutir el fortalecimiento de la sinergia entre la Policía Nacional (Polri) y la PBNU en la seguridad ciudadana y la formación de la juventud. Se acordó la posibilidad de formalizar esta colaboración mediante un memorando de entendimiento (MoU) y un acuerdo de cooperación (PKS). Ambos líderes enfatizaron la importancia de la colaboración para mantener el orden social y guiar a la juventud frente a los desafíos sociales y tecnológicos, alineando sus esfuerzos con los principios de la organización.
Kapolri Sambangi PP Muhammadiyah hingga PBNU, Sepakat Jaga Kamtibmas
El Jefe de Policía (Kapolri) Jenderal Suyudi Ario Seto visitó la Pimpinan Central (PP) Muhammadiyah y la Organización General de Nahdlatul Ulama (PBNU) para reafirmar su compromiso con la seguridad pública. El Kapolri agradeció el apoyo de ambas organizaciones y enfatizó la colaboración continua para prevenir delitos como narcotráfico, juegos de azar y fraudes. Se destacó la necesidad de fortalecer la educación y la resiliencia social para proteger a la juventud y asegurar un entorno social pacífico y seguro.
Granite Switch 4.1.1 — Actualiza modelos como actualizas software
Granite Switch 4.1.1 es una versión de parche que mejora la arquitectura modular al permitir configurar modelos de lenguaje con adaptadores especializados y eficientes en caché. Esta actualización incluye un modelo ASR de habla actualizado para texto a voz multilingüe en 10 idiomas con puntuación y capitalización nativas, y un adaptador de decisión mejorado en granitelib-core, lo que resulta en un rendimiento general mejorado en pruebas. El modelo base no se modifica, permitiendo a los usuarios componer los adaptadores deseados.
Silla Roda dari Pak Polisi Bawa Keceriaan bagi Bocah Fitri
La Policía Nacional (Polri), a través de su División de Relaciones Públicas, entregó una silla de ruedas a Fitri Abelia Untahwa, una niña de 9 años con discapacidad, en el municipio de Reok, Manggarai, NTT. La entrega fue realizada por el Kapolsek Reo Ipda Joko Sugiarto y el Bhabinkamtibmas local, como una muestra de atención y empatía hacia niños con necesidades especiales. Esta acción busca fortalecer los lazos entre la policía y la sociedad, demostrando su compromiso social.
El PaísCupón diario de la ONCE: comprobar sorteo del miércoles 28 de octubre
La ONCE celebró su Cupón Diario el miércoles 28 de octubre, ofreciendo un premio principal de 500.000 euros para el cupón que acertara las cinco cifras y la serie. Este sorteo, que se realiza de lunes a jueves, también distribuyó numerosos premios menores a miles de participantes en España. El evento conmemoró el aniversario de IBM España, destacando la innovación inclusiva en el ámbito de los juegos de azar.
ClarínRed Hat Summit 2026: el emblemático encuentro anual del código abierto, a sala llena
Resumen del corpus no disponible.
Mirador ProvincialConsumo en pausa: advierten que la alta morosidad frena la recuperación de las ventas en el mercado interno - Mirador Provincial
El economista Emiliano Libman advierte que el sobreendeudamiento de las familias argentinas y el incremento de la morosidad son un grave problema macroeconómico impulsado por la pérdida de poder adquisitivo y las altas tasas de interés, lo que frena la recuperación del consumo y de la actividad productiva interna.
Múltiples vulnerabilidades en productos IBM, alerta el CERT-FR
El CERT-FR publicó un aviso sobre múltiples vulnerabilidades en productos IBM, con primera y última versión del 23 de octubre de 2026, basado en once boletines de seguridad de IBM emitidos entre el 15 y el 23 de octubre de 2026. Los riesgos incluyen ejecución de código arbitrario remoto, elevación de privilegios, denegación de servicio remota, SSRF, XSS y afectación de integridad y confidencialidad de datos. Entre los sistemas afectados figuran AIX, Cognos Analytics, Db2, QRadar, Sterling B2B Integrator, Sterling File Gateway, VIOS y WebSphere eXtreme Scale; se recomienda aplicar los parches del editor.
No se identificaron personas.
IBM 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.
CenitalFalleció Maricarmen Abascal, la mujer que fue desalojada en Madrid | Cenital
Resumen informativo de Cenital que aborda diversos temas: la solicitud de información sobre tierras bonaerenses en manos extranjeras, los despidos masivos en Granja Tres Arroyos, el proceso de elección del secretario general de la ONU, la polémica sobre la venta de ciudadanías argentinas a través de Henley & Partners, la represión policial en Francia, y la muerte de Maricarmen Abascal en Madrid.
Palo Alto Networks Unit 42OperTraitors: cómo los operadores de Kubernetes traicionan tu postura de seguridad
Investigadores de Unit 42 de Palo Alto Networks publicaron OperTraitor, una herramienta de código abierto basada en LLM que audita los permisos RBAC de los operadores de Kubernetes y detecta privilegios excesivos. El análisis halló que más del 5% de los operadores relevados piden permisos excesivos, incluido acceso implícito a administrador de clúster, y que OperatorHub aloja componentes abandonados y vulnerables. Se identificó una vulnerabilidad de severidad alta (CVE-2026-6389, CVSS 8.8) en el operador Prometurbo de IBM Turbonomic, ya parcheada, y se señaló una configuración amplia en el operador de Datadog.
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.
IBM presenta la familia Granite 4.2, sus primeros modelos de lenguaje densos con razonamiento explícito
IBM publicó Granite 4.2, su primera familia de modelos de lenguaje densos solo decodificadores centrados en razonamiento, en tamaños de 3B, 8B y 30B parámetros bajo licencia Apache 2.0. Los modelos se postentrenaron desde las bases Granite-4.1, preentrenadas con unos 15 billones de tokens y contexto extendido a 512K, con ajuste fino supervisado y una canalización de aprendizaje por refuerzo de múltiples etapas que incluye RL agéntico para las variantes de 8B y 30B. Todos incorporan modos de pensamiento, sin pensamiento y de bajo esfuerzo, además de llamada de herramientas nativa compatible con OpenAI.
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.
Más allá de los LLM: por qué la adopción escalable de IA empresarial depende de la lógica de agentes
Un artículo de IBM Research sostiene que la adopción escalable de IA en empresas no depende solo de modelos de lenguaje de gran escala, sino de la "lógica de agentes": primitivas de software como grafos de conocimiento y análisis de programas que reducen el contexto y guían al modelo dentro de los flujos de trabajo. El texto presenta casos en modernización de código heredado, generación de pruebas, respuesta a incidentes y cumplimiento normativo, con mejoras de rendimiento y fuertes reducciones en consumo de tokens. También describe pilotos internos en salud y en gestión de activos inmobiliarios.
IBM lanza Granite Embedding Multilingual R2: modelos de embeddings multilingües abiertos con licencia Apache 2.0 y contexto de 32K
IBM presentó dos nuevos modelos de embeddings multilingües de código abierto bajo licencia Apache 2.0, construidos sobre ModernBERT: uno compacto de 97M de parámetros y otro completo de 311M. Ambos cubren más de 200 idiomas, manejan contextos de hasta 32.768 tokens y añaden recuperación de código en nueve lenguajes de programación. El modelo de 97M lidera la calidad de recuperación entre los modelos abiertos de menos de 100M de parámetros, mientras que el de 311M se ubica segundo entre los modelos abiertos de menos de 500M.
IBM detalla cómo se construyeron los modelos Granite 4.1, con arquitectura densa y entrenamiento en cinco fases
IBM publicó un informe técnico sobre la familia Granite 4.1, modelos de lenguaje densos de 3B, 8B y 30B parámetros entrenados con unos 15 billones de tokens en un pipeline de cinco fases que incluye contexto largo de hasta 512K tokens. El entrenamiento combina ajuste fino supervisado sobre 4,1 millones de muestras curadas con un marco de LLM-como-Juez y aprendizaje por refuerzo multietapa con GRPO on-policy y pérdida DAPO. Según IBM, el modelo instruct de 8B iguala o supera al anterior Granite 4.0-H-Small de 32B con arquitectura MoE, y todos los modelos se publican bajo licencia Apache 2.0.
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.
Hugging Face lanza Storage Buckets, almacenamiento de objetos mutable para flujos de trabajo de IA
Hugging Face anunció el lanzamiento de Storage Buckets, un almacenamiento de objetos mutable similar a S3 para flujos de trabajo de machine learning, publicado el 10 de marzo de 2026. Los Buckets se apoyan en Xet, el backend de almacenamiento basado en chunks que deduplica contenido, lo que reduce ancho de banda y costos, y ofrecen precalentamiento para acercar datos a AWS y GCP. Se gestionan desde la CLI de hf, Python (huggingface_hub v1.5.0), JavaScript y HfFileSystem, y contaron con una beta privada junto a Jasper, Arcee, IBM y PixAI.
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.
IBM lanza Granite 4.0 Nano, sus modelos de IA más pequeños para el borde y dispositivos
IBM presentó Granite 4.0 Nano, su familia de modelos de lenguaje más pequeños hasta la fecha, pensados para aplicaciones en el borde y en dispositivos. Incluye cuatro modelos instruct (H 1B, H 350M, 1B y 350M) con arquitectura híbrida SSM y variantes transformer, bajo licencia Apache 2.0 y con certificación ISO 42001. La compañía afirma que superan a modelos de tamaño similar en conocimiento general, matemáticas, código, seguridad, seguimiento de instrucciones y llamado de herramientas.
Bamba: modelo híbrido Mamba2 eficiente en inferencia
IBM, Princeton, CMU y UIUC presentaron Bamba-9B, un modelo híbrido Mamba2 entrenado con 2,2 billones de tokens y datos abiertos. Según los autores, ofrece hasta 2,5 veces más rendimiento y la mitad de latencia que transformers estándar en vLLM, y su desempeño promedio queda casi a la par de Meta Llama 3.1 8B al excluir matemáticas y MMLU. El modelo y las recetas de entrenamiento se publicaron en transformers, vLLM, TRL y llama.cpp para fomentar la experimentación de la comunidad.
- Linsong Chu
- Divya Kumari
- Tri Dao
- Albert Gu
- Raghu Ganti
- Dakshi Agrawal
- Mudhakar Srivatsa
- Davis Wertheimer
- Fabian Lim
- Antoni Viros
- Nelson Gonzalez
- Tuan HoangTrong
- Ofir Arviv
- Yotam Perlitz
- Michal Shmueli-Scheuer
- Haochen Shen
- Minjia Zhang
- Gabe Goodhart
- Naigang Wang
- Nick Hill
- Joshua Rosenkranz
- Charlie Liu
- Adnan Hoque
- Chih-Chieh Yang
- Sukriti Sharma
- Anh Uong
- Jay Gala
- Syed Zawad
- Ryan Gordon