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.
23 resultados para «Kashif»
Más recientes primero · Hasta 30 noticias por página
arXiv Computer Science AIZeroGraph: Entrenamiento por bloques composicional mediante supervisión de límites materializados
Se presenta ZeroGraph, una transformación de sistemas para convertir y destilar modelos preentrenados. Esta técnica materializa la trayectoria de frontera de un modelo profesor congelado como un conjunto de datos versionado para reemplazar las dependencias de gradiente en línea con supervisión persistente. Los experimentos demuestran que esta aproximación puede mejorar la calidad y el uso de contexto en modelos como GPT-2 Large y Qwen2.5.
BERNAMAJuwai IQI espera que BNM mantenga la tasa de política nocturna
El Banco Negara de Malasia (BNM) se espera que mantenga la tasa de política nocturna en 2.75% en su próxima reunión. Sin embargo, se anticipa un posible aumento de la tasa a 3.00% en el primer trimestre de 2027 si las presiones de precios aumentan. Los analistas indican que el crecimiento económico es más fuerte de lo esperado y que la inflación podría subir hasta el 2.8% en 2027.
Daily TrustRompiendo Más Barreras, Uniendo Brechas Más Amplias: El Viaje de NITDA y ENGAUSA hacia una Transformación Digital Inclusiva
ENGAUSA y NITDA han trabajado juntos durante casi siete años para fomentar la inclusión digital, enfocándose en romper barreras a través de la educación tecnológica, el desarrollo de habilidades y el emprendimiento. Su colaboración ha beneficiado a más de 11,000 personas, creando más de 12,000 empleos y apoyando el crecimiento de empresas. El enfoque inclusivo de ENGAUSA ha demostrado que la inclusión de idiomas y la accesibilidad son cruciales para asegurar que todos, independientemente de su origen, género o capacidad, puedan acceder a oportunidades en la economía digital.
VanguardPDP, NDC members defect to APC as ‘Tinubu Must Stay’ spreads to Jigawa
Miembros del Partido Democrático Popular (PDP) y el Congreso Democrático de Nigeria (NDC) han defectado al partido gobernante APC en el estado de Jigawa, atribuyendo su decisión a las mejoras en sus comunidades facilitadas por la administración de Bola Tinubu. Este evento se llevó a cabo en la inauguración de una oficina de campaña de base, donde se enfatizó la confianza en la agenda de desarrollo del presidente, incluyendo reformas económicas y la diversificación de la economía.
Express UrduAtaque pirata a un barco
El petrolero MT Honour 25, con 17 tripulantes de Pakistán, Indonesia, Myanmar, India y Sri Lanka, fue secuestrado por piratas el 21 de abril de 2026 frente a Puntlandia (Somalia) exigiendo rescate. Tras meses de protestas familiares y gestiones diplomáticas de Pakistán, fuerzas navales de Puntlandia asaltaron el barco el 29 de septiembre de 2026. Cinco tripulantes murieron, entre ellos tres paquistaníes, y cuatro resultaron heridos. El gobierno pakistaní solo ha entregado ayuda a tres familias de mártires, sin paquete para heridos ni supervivientes.
PunchNITDA expande el impulso para centros de innovación a nivel nacional
La Agencia Nacional de Desarrollo de Tecnología de la Información (NITDA) está impulsando la expansión de centros de innovación en Nigeria, buscando asegurar que cada estado tenga al menos dos centros funcionales. La agencia está ampliando el apoyo a startups de tecnología para facilitar el emprendimiento digital. Se inauguró el Centro de Startup Renewed Hope en Abuja, respaldado por una subvención de $10.4 millones de Japón a través de JICA. El objetivo es proporcionar infraestructura, equipos y recursos para convertir ideas en negocios viables y fortalecer la economía digital del país.
‘Ningún país se desarrolló en menos de 30 años’, Kashifu defiende a Tinubu
Kashifu Inuwa Abdullahi, director general de NITDA y coordinador nacional de la Fundación Movimiento Tinubu para la Gobernanza Sostenible, defendió las reformas del presidente Bola Tinubu en Abuya, afirmando que ningún país se ha desarrollado en menos de 30 años y citando a Corea del Sur como ejemplo. Sostuvo que las reformas priorizan la producción, innovación e inversión sobre el subsidio al consumo, y mencionó inversiones como la refinería Dangote, un centro de datos de 1.000 millones de dólares y la apertura de JP Morgan. El movimiento lanzó su sitio web para educar a los ciudadanos sobre la Agenda de Esperanza Renovada.
Los líderes de la tecnología instan a la resiliencia a medida que se estrechan las finanzas
Los líderes de la tecnología en África instan a la resiliencia estructural, la adaptación local y el capital interno ante la volatilidad macroeconómica y el estrechamiento del capital de riesgo. Expertos destacaron la necesidad de ser tercos en el negocio, tratar a los reguladores como socios y fomentar la creación de propiedad intelectual local en lugar de depender de tecnologías importadas. Se enfatiza la importancia de diseñar para el peor escenario operativo y asegurar que la adopción de IA mejore mediblemente los resultados sociales y económicos.
Más del 50% de la industria financiera lista para la localización de datos — CBN
Más del 50% de la industria financiera de Nigeria está preparada para cumplir con los requisitos de localización de datos, según el Banco Central de Nigeria (CBN). El CBN enfatiza la necesidad de fortalecer la soberanía digital sin obstaculizar la innovación y la integración tecnológica global. Se estableció un plazo para que todos los participantes acuerden la localización de datos de pago para enero de 2027, priorizando la seguridad y la claridad de los datos transaccionales.
Las alumnas de la FCT desarrollan proyectos de IA para abordar desafíos comunitarios
Estudiantes de secundaria de 16 escuelas gubernamentales en el Territorio de Capital Federal han desarrollado más de 700 proyectos de inteligencia artificial enfocados en abordar desafíos comunitarios como la atención médica, seguridad digital, educación, participación cívica y resiliencia climática. Estos proyectos fueron exhibidos en el Showcase AI for Her 2026, promoviendo la integración de la IA en las escuelas nigerianas. La iniciativa busca equipar a las jóvenes con habilidades técnicas y de liderazgo, desarrollando soluciones prácticas alineadas con los Objetivos de Desarrollo Sostenible.
Hugging Face BlogGRPO asíncrono con LoRA en HF Jobs: un bucket, un proxy y sin NCCL
El equipo de Hugging Face describe cómo entrenar un adaptador LoRA con GRPO asíncrono distribuyendo el entrenador y las réplicas de vLLM en Jobs separados, sin NCCL, usando un Storage Bucket compartido y un proxy que enruta los rollouts por prefijo KV. Mediante cinco ejecuciones optimizan el pipeline (empaquetado de micro-lotes, desactivar checkpointing y elevar el límite de solicitudes en vuelo), reduciendo 500 pasos de 3 h 27 min a 53 min con recompensa equivalente. La sincronización solo del adaptador mantiene la proporción de política en 1,000 y valida el enfoque para RL.
Más allá de LoRA: ¿se puede superar la técnica de ajuste fino más popular?
Un artículo técnico de Hugging Face analiza si LoRA, la técnica de ajuste fino eficiente en parámetros más usada, es realmente la mejor opción. Sus benchmarks muestran que LoRA funciona bien pero otras técnicas como OFT o Lily la superan en precisión o uso de memoria según la tarea. Los autores recomiendan evaluar múltiples técnicas PEFT con la misma API en lugar de adoptar LoRA por defecto.
Cómo enviar un billón de parámetros con un bucket del Hub: sincronización de pesos por delta en TRL
Investigadores de Hugging Face publicaron en TRL una técnica de sincronización de pesos por delta para entrenamiento de RL asíncrono: en lugar de enviar el modelo completo al motor de inferencia en cada paso, codifican solo los elementos bf16 que cambiaron como un archivo safetensors disperso y lo suben a un Bucket del Hub que vLLM descarga. Como entre pasos consecutivos cerca del 99% de los pesos bf16 son idénticos bit a bit, la carga por paso cae de 1,2 GB a 20-35 MB en Qwen3-0.6B. Demostraron un entrenamiento totalmente desagregado con entrenador, vLLM y entorno Wordle en máquinas y Spaces distintos, sin clúster compartido, RDMA ni VPN.
Google DeepMind lanza Gemma 4, su familia de modelos multimodales abiertos con soporte de audio y despliegue en dispositivo
Google DeepMind lanzó Gemma 4, su nueva familia de modelos multimodales abiertos bajo licencia Apache 2, disponibles en Hugging Face con soporte para transformers, llama.cpp, MLX, WebGPU y Rust. La familia incluye cinco tamaños (E2B, E4B, 12B Unified, 31B y 26B A4B) con ventanas de contexto de hasta 256K y capacidad de procesar imagen, texto y audio, pensados para despliegue en dispositivo. También se presentó DiffusionGemma, un modelo que genera texto por difusión con velocidades superiores a 1100 tokens por segundo, y borradores de predicción multi-token que aceleran la inferencia hasta tres veces.
Cómo 16 librerías de código abierto resuelven el entrenamiento asíncrono de aprendizaje por refuerzo
Un artículo técnico de Hugging Face analiza 16 librerías de código abierto que implementan entrenamiento de aprendizaje por refuerzo asíncrono, separando la inferencia del entrenamiento en pools de GPU distintos para evitar la ociosidad de las GPU. El relevamiento compara las librerías en siete ejes, entre ellos orquestación, diseño de búfer, sincronización de pesos, gestión de la obsolescencia y soporte de LoRA y MoE. Los autores concluyen que Ray domina la orquestación, la difusión NCCL es el método estándar de sincronización y el soporte de MoE es el diferenciador emergente, y anticipan las decisiones de diseño de un nuevo entrenador asíncrono para TRL.
Ulysses Sequence Parallelism: entrenamiento con contextos de millones de tokens
Publicación técnica de Hugging Face que explica Ulysses Sequence Parallelism, una técnica del protocolo Arctic Long Sequence Training de Snowflake AI Research que distribuye el cálculo de atención entre varias GPUs mediante paralelismo de cabezas de atención. Detalla su integración en Accelerate, el Transformers Trainer y el SFTTrainer de TRL, con parámetros de configuración y comandos de lanzamiento. Los benchmarks con Qwen3-4B en GPUs H100 muestran una reducción de memoria de 3.3x y hasta 3.7x más throughput, permitiendo entrenar con secuencias de hasta 96K tokens.
TRL incorpora nuevos métodos de alineación para modelos de lenguaje visual
El artículo detalla las nuevas capacidades de la librería TRL para alinear modelos de lenguaje visual (VLM) con preferencias humanas, incorporando los métodos MPO, GRPO y GSPO, además de extensiones para RLOO y Online DPO. MPO combina pérdidas de DPO, BCO y SFT, logrando una mejora de 6,2 puntos en MathVista. También se añade soporte nativo de ajuste fino supervisado para VLM y la integración de vLLM para métodos de alineación en línea.
Hugging Face lanza SmolLM3, un modelo de lenguaje pequeño, multilingüe y con razonamiento de contexto largo
Hugging Face presentó SmolLM3, un modelo de lenguaje de 3.000 millones de parámetros entrenado con 11 billones de tokens, que supera a Llama-3.2-3B y Qwen2.5-3B y compite con modelos de 4B. El modelo es totalmente abierto, multilingüe (seis idiomas, incluido el español), soporta contexto de hasta 128k tokens y tiene modo dual de instrucción y razonamiento. La empresa publicó además la receta completa de entrenamiento, los conjuntos de datos y los checkpoints intermedios.
- Elie Bakouch
- Carlos Miguel Patiño
- Anton Lozhkov
- Edward Beeching
- Aymeric Roucher
- Nouamane Tazi
- Aksel Joonas Reedi
- Guilherme Penedo
- Hynek Kydlicek
- Clémentine Fourrier
- Nathan Habib
- Kashif Rasul
- Quentin Gallouédec
- Hugo Larcher
- Mathieu Morlon
- Joshua Xenova
- Vaibhav Srivastav
- Xuan-Son Nguyen
- Colin Raffel
- Lewis Tunstall
- Loubna Ben Allal
- Leandro von Werra
- Thomas Wolf
Implementación de KV Cache desde cero en nanoVLM con una mejora del 38% en velocidad de generación
El equipo de nanoVLM, un repositorio de código abierto para entrenar modelos de visión-lenguaje con PyTorch puro, implementó KV Caching desde cero y logró una aceleración del 38% en la generación de texto. El artículo explica la redundancia computacional de la autoatención autorregresiva y detalla los cambios en el bloque de atención, el modelo de lenguaje y el bucle de generación, separando las fases de prefill y decode. La técnica reduce la inferencia por token a complejidad lineal en lugar de cuadrática, a costa de mayor uso de memoria y código más complejo.
Liger GRPO se integra con TRL para reducir un 40% la memoria en el entrenamiento de modelos de lenguaje
El equipo de Hugging Face TRL integró Liger Kernel con el entrenador GRPO, logrando una reducción del 40% en el uso máximo de memoria de GPU durante el ajuste fino de modelos de lenguaje con aprendizaje por refuerzo, sin pérdida de calidad. La optimización fragmenta el cálculo de logits y acumula gradientes por fragmento, y se suma soporte para FSDP, PEFT y vLLM para escalar el entrenamiento en múltiples GPU y nodos. Los benchmarks con Qwen3-0.6B muestran que el tamaño de lote puede aumentar entre 1,5 y 1,8 veces.
Visualizar y comprender la memoria de la GPU en PyTorch
El artículo explica cómo visualizar y comprender el uso de la memoria de la GPU en PyTorch durante el entrenamiento de modelos, usando la herramienta de perfilado de memoria de PyTorch. Detalla cómo interpretar los picos de memoria asociados a la creación del modelo, las activaciones, los gradientes y el estado del optimizador. Además, propone fórmulas y heurísticas para estimar los requisitos de memoria total de un modelo y evitar errores de falta de memoria (CUDA out of memory).
Ajuste por instrucciones de Stable Diffusion con InstructPix2Pix
El artículo explora el ajuste por instrucciones de Stable Diffusion para que siga instrucciones y procese imágenes de entrada, extendiendo la metodología de InstructPix2Pix a tareas específicas como caricaturización y procesamiento de imágenes de bajo nivel. Los autores prepararon conjuntos de datos con instrucciones inspirados en FLAN V2 y entrenaron modelos que logran buenos resultados en caricaturización y eliminación de lluvia, aunque con limitaciones en mejora de poca luz y desenfoque. El trabajo es preliminar y deja preguntas abiertas sobre escalado de datos y generalización a más tareas.
Pronóstico probabilístico de series temporales con Transformers de Hugging Face
El artículo técnico de Hugging Face, publicado el 1 de diciembre de 2022 por Niels Rogge y Kashif Rasul, explica cómo entrenar un modelo Transformer probabilístico para el pronóstico de series temporales. Describe el uso de la arquitectura codificador-decodificador, la biblioteca GluonTS y el conjunto de datos tourism_monthly de Australia con 366 regiones. El modelo, entrenado 40 épocas sin ajuste de hiperparámetros, alcanzó un MASE de 1,256 en el conjunto de prueba, superando a otros modelos reportados.