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 «Kashif Rasul»
Más recientes primero · Hasta 30 noticias por página
Mehr News AgencyLa protesta del 13 de Aban en Bejar: una narrativa diferente
La protesta del 13 de Aban en Bejar se centró en la conciencia de la generación juvenil sobre la seguridad, la independencia y la defensa del país, exacerbada por la reciente guerra de Irán con Israel y Estados Unidos. Los estudiantes enfatizaron la necesidad de que la educación histórica y la conciencia social se combinen con la responsabilidad personal para construir un futuro seguro y próspero para Irán. Se destacó que la participación activa de los jóvenes es crucial para asegurar que el país mantenga su independencia y avance.
Khabar OnlineEl ciclismo iraní se aleja del pasado oscuro
El ciclismo iraní busca superar desafíos pasados mediante cambios estructurales, incluyendo la lucha contra el dopaje y el desarrollo de infraestructura. Se lograron medallas en los Juegos Paraasiáticos de Nagoya, y se están implementando medidas para mejorar la gestión y la juventud de la disciplina. La federación se enfoca en la continuidad de los éxitos y el apoyo a los atletas para asegurar un futuro sostenible en el ámbito internacional.
Young Journalists ClubDescubrimiento multimillonario de mercancías contrabando y equipos no autorizados en Lorestan
La policía de Lorestan ha realizado varias operaciones exitosas para descubrir cargamentos de contrabando, incluyendo drogas, vehículos pesados y equipos de extracción de criptomonedas. Se detuvieron personas involucradas en el tráfico de drogas y se incautaron bienes de alto valor. Además, se detectaron dispositivos de extracción de criptomonedas y se realizaron operativos contra la venta ilegal de productos.
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.
Yahoo SportsNo fue bonito, pero los Commanders consiguieron una victoria muy necesaria 27-10 sobre los Eagles
Los Washington Commanders lograron una victoria necesaria contra los Eagles por 27-10 en el Sunday Night Football. Aunque el partido fue difícil, los Commanders remontaron después de un inicio complicado, con fallos del quarterback Jayden Daniels y problemas de sincronización. El equipo de Washington finalizó en tercer lugar, mientras que los Eagles cayeron a la última posición en la NFC Este, y los Commanders se preparan para enfrentar a los LA Rams próximamente.
Lenta.ruOncólogo nombra un método eficaz para reducir el riesgo de desarrollar cáncer
El oncólogo y quimioterapeuta Rasul Akhmaev sugiere que para reducir el riesgo de cáncer es fundamental mantener un equilibrio entre actividad física y alimentación saludable. Recomienda incorporar caminatas al aire libre, consumir alimentos saludables como el té verde, y eliminar hábitos dañinos como el consumo de alcohol. Además, aconseja hacer ejercicio semanalmente y buscar formas más saludables de relajarse, enfatizando la importancia de minimizar los riesgos conocidos.
Moskovsky KomsomoletsUn participante de la Operación Militar Especial de Daguestán abrió un punto de recogida de pedidos por 300 mil rublos mediante un contrato social
La Dirección de Protección Social del Ministerio de Trabajo de Daguestán firmó un contrato social con Rasul Aminov, participante desmovilizado de la Operación Militar Especial, en la dirección de desarrollo de negocio propio. Aminov recibió 300 mil rublos con los que compró equipo y abrió un punto de recogida de pedidos. El contrato social le ayuda desde hace tres meses a cubrir las necesidades financieras de su familia y planea seguir desarrollándose. El ministro interino de Trabajo, Magomedzagid Kikhasurov, indicó que en la república se han celebrado más de 5 mil contratos sociales, 337 con participantes de la operación y 250 con familias de militares.
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.
Hong Kong Free Press‘No soy importante’: Jefe de seguridad defiende quedarse en el cargo tras la investigación del incendio de Wang Fuk Court
El jefe de seguridad de Hong Kong, Chris Tang, defendió su permanencia en el cargo tras la investigación del fatal incendio de Wang Fuk Court, afirmando que su deber hacia la sociedad supera sus intereses personales. Tang ofreció disculpas al público, enfatizando que el jefe de Estado había tomado una decisión política. Además, se anunció un plan para criminalizar y aumentar las sanciones por amaño de licitaciones en el sector de mantenimiento de edificios, buscando mejorar la lucha contra la corrupción.
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.