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.
3 resultados para «Kevin Liu»
Más recientes primero · Hasta 30 noticias por página
OpenAI NewsOpenAI publica la tarjeta de seguridad de Operator, su agente que usa computadoras
OpenAI publicó la tarjeta de seguridad de Operator, una vista previa de investigación de su modelo Agente que usa computadoras (CUA), que combina la visión de GPT-4o con razonamiento por refuerzo para operar interfaces gráficas como un humano. El informe detalla evaluaciones de riesgo de frontera: CBRN y autonomía del modelo califican como riesgo bajo, ciberseguridad bajo y persuasión medio, con una tasa de éxito del 1% en tareas de riesgo biológico. También describe mitigaciones en capas, como rechazos proactivos, confirmaciones antes de acciones críticas y un monitor de inyección de prompt con 99% de recall, y anuncia la disponibilidad del modelo en la API como computer-use-preview desde el 11 de marzo de 2025.
- Alex Beutel
- Andrea Vallone
- Andrew Howell
- Anting Shen
- Casey Chu
- David Medina
- David Robinson
- Dibyo Majumdar
- Eric Wallace
- Filippo Raso
- Fotis Chantzis
- Heather Whitney
- Hyeonwoo Noh
- Jeremy Han
- Joaquin Quinonero Candela
- Joe Fireman
- Kai Chen
- Kai Xiao
- Kevin Liu
- Lama Ahmad
- Lindsay McCallum
- Miles Wang
- Noah Jorgensen
- Owen Campbell-Moore
- Peter Welinder
- Reiichiro Nakano
- Saachi Jain
- Sam Toizer
- Sandhini Agarwal
- Sarah Yoo
- Shunyu Yao
- Spencer Papay
- Tejal Patwardhan
- Tina Sriskandarajah
- Troy Peterson
- Winston Howes
- Yaodong Yu
- Yash Kumar
- Yilong Qin
OpenAI presenta SWE-bench Verified, un subconjunto validado por humanos para evaluar modelos de IA en tareas de software
OpenAI presentó SWE-bench Verified, un subconjunto de 500 muestras del benchmark SWE-bench validado por 93 desarrolladores de software que examinaron 1.699 muestras originales. El proceso filtró el 68,3% de las muestras por enunciados poco especificados, pruebas unitarias injustas u otros problemas, ya que el benchmark original subestimaba las capacidades de los agentes de IA. Con el nuevo conjunto, GPT-4o resuelve el 33,2% de las muestras, más del doble del 16% obtenido en el SWE-bench original.
OpenAI desarrolla un sistema de alerta temprana para el riesgo biológico asistido por modelos de lenguaje
OpenAI publicó un estudio con 100 participantes (50 expertos en biología y 50 estudiantes) para evaluar si GPT-4 puede aumentar la capacidad de crear amenazas biológicas. El acceso al modelo produjo mejoras leves en precisión y exhaustividad, pero no estadísticamente significativas. La compañía lo presenta como un sistema de alerta temprana y pide más investigación sobre umbrales de riesgo significativo.