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 por palabras en títulos, resúmenes, temas, personas, lugares o firmas.
Resultados para «Jiatong Li»
Más recientes primero · Hasta 30 noticias por página
China fiscalizará pagamentos de fabricantes de automóveis como BYD, Geely e outros
China implementará fiscalizaciones anuales para verificar el cumplimiento de los plazos de pago de los fabricantes de automóviles, buscando solucionar problemas de retrasos en la cadena de suministro. La medida incluye inspecciones aleatorias de proveedores y exigirá a las empresas presentar informes detallados sobre los pagos realizados. Esto busca reforzar los compromisos de pago acordados para mejorar la salud financiera de las empresas en la cadena de suministro.
No se identificaron personas.
El foro empresarial de la APEC comienza en Shenzhen con más de 2.000 participantes
El foro empresarial APEC comenzó en Shenzhen con más de 2.000 representantes políticos y empresariales de 34 economías. El evento busca debatir prioridades económicas de la región, incluyendo temas como la inteligencia artificial, la economía digital y la sostenibilidad. Se prevé publicar la Iniciativa de Shenzhen, un documento con propuestas del sector privado para los dirigentes de la APEC.
Presidentes de comisiones de investidura del RDPC para las elecciones legislativas y municipales de 2027
El partido RDPC está preparando la logística para las elecciones legislativas y municipales de febrero de 2027. Se ha publicado una lista de personalidades designadas para dirigir las comisiones regionales y departamentales de supervisión y selección de candidatos. Esta medida busca asegurar la transparencia y la cohesión del partido, seleccionando candidatos legítimos para las próximas elecciones.
Análisis de la colaboración entre Travis Scott, Rockstar Games y Nike en la colección Air Force 1 "GTA 6"
Travis Scott, Rockstar Games y Nike están colaborando en una colección de Air Force 1 Low "GTA 6". Se espera un lanzamiento público el 21 de noviembre de 2026, centrado en combinaciones de color negro/rosa fuego y blanco/rosa fuego. La colaboración refuerza la presencia de la marca Cactus Jack en Vice City.
Académicos extranjeros debaten el intercambio de civilizaciones y la construcción del sistema de conocimiento autónomo chino
Un seminario académico celebrado en la Universidad de Lenguas Extranjeras de Pekín discutió el intercambio de civilizaciones y la construcción de un sistema de conocimiento autónomo chino. Los expertos debatieron cómo la comparación cultural puede impulsar la innovación del conocimiento y la necesidad de superar el eurocentrismo para lograr un sistema de conocimiento chino propio. Se enfatizó la importancia de la investigación literaria y la construcción de recursos para fortalecer la confianza cultural y la capacidad de China para influir en el mundo.
CNN en Español añade a Shery Ahn, expresentadora de Bloomberg
Shery Ahn se unirá a CNN en Español como presentadora y corresponsal el 4 de enero de 2027, enfocándose en la economía de la comunidad hispana de EE. UU. Su cobertura analizará temas como el costo de vida, trabajos y la intersección de la inmigración y la economía. Ahn aporta experiencia empresarial y habilidades de reportaje internacional, habiendo trabajado previamente en Bloomberg Media y con figuras internacionales de alto nivel.
Robin Li de Baidu advierte sobre el riesgo de burbuja de IA por el retraso en la adopción de aplicaciones frente al gasto en infraestructura
Robin Li, CEO de Baidu, advirtió que la industria de la IA podría experimentar una burbuja si las empresas no logran transformar la adopción de aplicaciones en mayores ganancias. Señaló que la difusión de las aplicaciones de IA no ha cumplido las expectativas a pesar del fuerte gasto en infraestructura y desarrollo de modelos. Abogó por que las empresas reorganicen su trabajo para convertir las capacidades de la IA en beneficios comerciales.
Christie’s subastará bolsos de colaboración de artistas de Louis Vuitton
Christie's New York subastará una colección privada de bolsos de colaboración de artistas de Louis Vuitton, incluyendo piezas de Takashi Murakami y Frank Gehry. La subasta, denominada “Escasez e Infinito”, presentará la colección más completa de estos artículos, destacando diseños que fusionan arte y moda. El evento se llevará a cabo entre el 25 de noviembre y el 10 de diciembre de 2026.
¡Amplificando la vitalidad y energía de la música de lengua materna! Compilación de ganadores y videos de actuaciones del "Premio de Música Popular Original de Taiwán" de 115 años
El 23º Premio de Música Popular Original de Taiwán, organizado por varias entidades gubernamentales, celebró la vitalidad de la música en lengua materna taiwanesa. Se destacaron ganadores en las categorías de lenguas indígenas, Hakka y Taiwán, quienes continuarán promoviendo su música a través de concursos y difusión. Las obras ganadoras ya están disponibles en línea, buscando fomentar la creación musical en lengua materna y las oportunidades de actuación internacional.
Evaluación del control y la capacidad de modelos de mundo de caja negra: un marco de dos regímenes para mercados de LLM-Agentes
El artículo propone un marco de evaluación de dos regímenes para mercados de agentes de LLM, diferenciando la simulación de información y la emergencia macro. Introduce un método de control macro suave y evalúa la capacidad del modelo a través de diferentes condiciones de inyección de información. Se presentan resultados sobre cómo anunciar una ruta objetivo afecta la realización de la ruta en mercados de agentes.
Retroceder, avanzar: Calibración de retroalimentación de error para pronósticos de series temporales
Se presenta la Calibración de Retroalimentación de Error (EFC), un marco para la corrección post-hoc determinista de pronósticos de series temporales. Este método utiliza un Diagonal de Error Causal (CED) y el Transporte de Error Acumulado (CET) para ajustar errores pasados y predecir residuos futuros. Los experimentos demuestran que EFC mejora el rendimiento de pronóstico mientras controla la sobrecorrección.
La práctica de reporte importa: El impacto de la elección de referencia en la evaluación de informes de radiografía de tórax
El estudio cuantifica cómo las variaciones en las prácticas de reporte de radiología afectan la evaluación de modelos de generación de informes basados en IA. Se demuestra que la elección de referencias de reporte puede alterar los rankings de los modelos generados por máquina. Los autores proponen una taxonomía y un método para ajustar los informes de referencia manteniendo la interpretación clínica.
Modelado Causal Espacio-Temporal Basado en Grafos para Predicción de Check-in de Puntos de Interés con Inicio Frío
Se presenta CausalPOI, un marco de aprendizaje basado en grafos espacio-temporales para predecir el patrón de check-in de Puntos de Interés con inicio frío. Este modelo aborda las limitaciones de los métodos existentes al modelar la evolución temporal y las interacciones funcionales entre P.O.I. cercanos. Los experimentos demuestran que CausalPOI supera a los métodos actuales en la predicción y estimación de efectos causales.
GameReplica: Un punto de referencia para la replicación visual de juegos de caja negra por agentes de visión-lenguaje
Se presenta GameReplica, un punto de referencia para la replicación de juegos de caja negra mediante agentes de visión-lenguaje. El estudio evalúa la capacidad de estos agentes para reproducir sistemas sin especificaciones explícitas. Los experimentos indican que la replicación de caja negra sigue siendo un desafío, siendo la fidelidad visual más fácil de lograr que la recuperación de mecánicas.
ETAS: Un lenguaje tipado por efectos para sistemas agentes
Se presenta Etas, un lenguaje tipado por efectos diseñado para sistemas agentes, que eleva las especificaciones de comportamiento a construcciones verificadas por el compilador. El lenguaje separa los efectos persistentes de los efectos escapables para mejorar la seguridad y la previsibilidad de las operaciones. La implementación con Rust demuestra optimizaciones que reducen el tiempo de ejecución y mejoran la precisión de las tareas en los programas de agente.
Modelos de lenguaje se unen a pruebas de vibración para satélites de constelación LEO con predicción de respuesta calibrada a partir de barridos de pocas muestras
Se propone un paradigma de validación determinista para el análisis de ingeniería impulsado por Modelos de Lenguaje Grandes (LLM) para asegurar la consistencia de los resultados. Esto incluye verificar la consistencia de unidades, citas y acuerdo entre modelos para mitigar alucinaciones. Se aplica este método a pruebas de aceptación de vibración para satélites LEO, logrando una coincidencia bit a bit en la mayoría de las configuraciones probadas.
SIRI: Aprendizaje por Refuerzo Auto-Internalizante con Habilidades Intrínsecas para el Entrenamiento de Agentes LLM
Se presenta SIRI, un marco de tres fases para el Aprendizaje por Refuerzo Auto-Internalizante con Habilidades Intrínsecas, diseñado para que los agentes LLM descubran, validen e internalicen habilidades sin depender de generadores de habilidades externos. Este método busca reducir la complejidad de ingeniería y la latencia de despliegue al permitir que los agentes desarrollen habilidades internas. Los resultados demuestran mejoras significativas en el rendimiento de GiGPO en entornos específicos al comparar con métodos basados en prompts y memoria.
MemoryLane: Apoyando conversaciones de reminiscencia entre adultos mayores con demencia leve y cuidadores no profesionales usando un agente de IA simulado
Se presenta MemoryLane, una herramienta con IA diseñada para ayudar a cuidadores no profesionales a facilitar conversaciones de reminiscencia con pacientes con demencia leve. Esta herramienta permite una conversación triádica con un agente de IA simulado y ofrece una interfaz para controlar el comportamiento del agente y las imágenes generadas por IA. Un estudio preliminar validó el valor de este agente de IA como compañero y la posibilidad de que los cuidadores moderen los elementos visuales.
Distilación de Conjuntos de Datos de Prueba Lineal Cerrada para Modelos de Visión Preentrenados
Se propone la Distilación de Conjuntos de Datos de Prueba Lineal Cerrada (CLP-DD), una formulación bilevel que utiliza un solucionador de *kernel ridge* de espacio muestral para calcular el *linear probe* inducido por un conjunto sintético. El método mejora el rendimiento sobre otros enfoques al lograr resultados comparables o superiores a métodos existentes en benchmarks como ImageNet-1K, reduciendo significativamente el costo computacional.
DeCO: Composición de Evidencia Discriminatoria para Destilación de Conjuntos de Datos de Granularidad Fina
Se propone el método Discriminative Evidence Composition (DeCO) para la destilación de conjuntos de datos de granularidad fina, buscando preservar la evidencia localizada en lugar de solo estadísticas globales. DeCO utiliza atención para identificar parches informativos y organiza regiones por clase para crear imágenes compactas. Los experimentos demuestran que DeCO supera a los métodos existentes en diversas tareas de clasificación visual.
Recomendación legible y direccionable a través de intereses naturales del lenguaje
Se presenta CLEAR, un sistema de recomendación construido con una capa de interés de lenguaje natural editable, implementado en Meta. Este sistema hace que un subconjunto de intereses inferidos sea legible y utiliza eventos históricos del usuario para fundamentar las recomendaciones. Los componentes de CLEAR han operado en producción por más de un año en Instagram y Facebook.
- Qi Guo
- Reza Mirghaderi
- Iordanis Fostiropoulos
- David Fan
- Yuchen Liu
- Shiliang Tang
- Lukasz Korycki
- Golnaz Ghasemiesfeh
- Xinzhu Bei
- Sasha Vorontsov
- Hanchao Yu
- Brendan Quinlivan
- Khoi Pham
- Jigar Gada
- Hao Yu
- Felix Li
- Hang Gao
- Boyu Fang
- Yang Gao
- Yale Thomas
- Xiaomeng Jin
- Avishek Dutta
- Hong Hong
- Janet Xia
- Ethan Zhu
- Ellie Pan
- Xiang Shen
- Jawwad Zakaria
- Jinfeng Lin
- Jonathan Rush
- Ruixue Lian
- Noah Kennedy
- Brian Vanover
- Jas Pyneni
- Daniel Thiyagu
- Apoorv Saxena
- Sanyogeeta Lawande
- Huayu Ding
- Hima Cherukuru
- Yang Liu
- Chen Kovacs
- Qunshu Zhang
- Lizhu Zhang
- Benyu Zhang
- Kate Chen
- Ashish Singal
- Danny Kanoff
- Zhiyu Liu
- Jiayi Liu
- Jianyu Wang
- Fei Liu
- Xiangjun Fan
- Abhishek Kumar
- Hong Yan
VAMR: Razonamiento Multi-Pregunta Agéntico para una Comprensión Eficiente de Video de Formato Largo
Se presenta VAMR, un agente diseñado para el razonamiento multi-pregunta en comprensión de video de formato largo, que coordina todas las preguntas a través de una trayectoria de uso de herramientas compartida. Este enfoque busca mejorar la adquisición conjunta de evidencia y la construcción de una comprensión compartida. VAMR logró la mayor precisión y el menor número de rondas de razonamiento en las evaluaciones LVBench, superando a VideoARM.
EvoKnow: Evolución continua del conocimiento para la detección de imágenes generadas por IA
Se presenta EvoKnow, un marco libre de repeticiones para la detección continua de imágenes generadas por IA, abordando el desafío de la adaptación a nuevos modelos generativos. El método preserva una base forense y añade expertos residuales para evidencia relevante, logrando una adaptación continua a largo plazo con alta precisión. Los experimentos demuestran un rendimiento de vanguardia en el aprendizaje continuo.
El "Benchleaking" se acelera: La contaminación de los benchmarks empeora drásticamente en el último mes
La contaminación de los benchmarks se ha intensificado recientemente, afectando tanto al post-entrenamiento como al pre-entrenamiento de los modelos. Se ha detectado que los ejemplos de prueba de los benchmarks están filtrándose en los datos de entrenamiento, lo que afecta la capacidad real de los modelos. Se recomienda establecer informes de descontaminación y puntuaciones ajustadas para mitigar este problema.
Evidencia condicionada de finalización y síntesis de registros de salud electrónicos
Se presenta EHRDiB, un marco que unifica la finalización y síntesis de registros de salud electrónicos (EHR) al distinguir la omisión original de entradas retenidas. El estudio compara este método con otros enfoques en bases de datos MIMIC-IV y Duke Health, evaluando la utilidad predictiva y el riesgo de divulgación. EHRDiB mostró mejoras significativas en la utilidad predictiva y reducciones en los vacíos de AUPRC en las tareas de síntesis.
¿Exploran los LLMs multiagente entre sí?
Se investiga si los agentes de modelos de lenguaje grande (LLM) pueden explorar eficazmente al interactuar entre sí en sistemas multiagente. Se demuestra que los agentes actuales a menudo fallan en esta exploración, mostrando patrones de interacción que resultan subóptimos. Se propone un marco llamado MACE para promover la exploración mediante la selección estructurada de pares, mejorando el rendimiento de la tarea.
No se identificaron personas.
Modelos Fundacionales Tabulares como Emuladores para la Predicción de Dinámicas del Ecosistema Terrestre
Se compara el modelo TabPFN-3.5 con dos modelos base de DeepED ($DeepED_{LSTM}$ y $DeepED_{Transformer}$) para predecir dinámicas del ecosistema terrestre. El estudio evalúa el rendimiento de estos modelos en la predicción del estado de los ecosistemas bajo diferentes escenarios de forzamiento climático (SSP1-2.6 y SSP5-8.5) para el periodo 2021-2060. Se concluye que TabPFN-3.5 es el modelo más preciso para ciertas métricas bajo el escenario SSP5-8.5.
Distilación On-Policy Relay: Trayectoria Relacionada con la Política
Se presenta la Distilación On-Policy Relay (Relay-OPD) para abordar el fallo de prefijo en la destilación on-policy (OPD). Este método introduce un mecanismo donde el maestro interviene brevemente en puntos clave para redirigir la trayectoria, permitiendo al estudiante continuar optimizando la generación. Los resultados demuestran que Relay-OPD supera a OPD estándar y FastOPD en benchmarks de razonamiento matemático.
Agentes de Memoria Recurrente Multi-Cabeza
Se presenta el marco Multi-Head Recurrent Memory (MHM) para extender los LLMs a contextos de memoria arbitrariamente largos, abordando el problema de la retención de memoria que afecta a los agentes de memoria recurrentes. Se propone MHM-LRU, una implementación que mejora significativamente la retención de memoria en benchmarks de contexto largo, logrando una tasa de retención del 73.96% en RULER-HQA a 896K tokens. Esto sugiere que la optimización arquitectónica es una vía práctica para lograr memoria recurrente fiable en contextos extensos.
ToolGraph como Q-Function para el escalado en tiempo de prueba del uso de herramientas
Se presenta ToolGraph, un grafo de dependencia dirigido y ponderado sobre un catálogo de herramientas, diseñado para modelar la cadena de llamadas interdependientes de los agentes de uso de herramientas. El estudio compara diferentes estimadores de valor para determinar si esta estructura puede proporcionar un valor multi-paso al componer caminos de grafos. Se demuestra que un estimador basado en LLM mejora significativamente el rendimiento en comparación con métodos puramente estructurales.