inteligencia artificial
Todas las noticias con este tag · Estados Unidos.
Noticias por hora
Últimas 24 horas · hora argentina
Consultar los valores por hora
| Hora | Noticias |
|---|---|
| 2 nov 2026, 7:00 a. m. | 1 |
| 2 nov 2026, 8:00 a. m. | 1 |
| 2 nov 2026, 9:00 a. m. | 1 |
| 2 nov 2026, 10:00 a. m. | 1 |
| 2 nov 2026, 11:00 a. m. | 4 |
| 2 nov 2026, 12:00 p. m. | 0 |
| 2 nov 2026, 1:00 p. m. | 2 |
| 2 nov 2026, 2:00 p. m. | 3 |
| 2 nov 2026, 3:00 p. m. | 1 |
| 2 nov 2026, 4:00 p. m. | 3 |
| 2 nov 2026, 5:00 p. m. | 2 |
| 2 nov 2026, 6:00 p. m. | 1 |
| 2 nov 2026, 7:00 p. m. | 4 |
| 2 nov 2026, 8:00 p. m. | 2 |
| 2 nov 2026, 9:00 p. m. | 5 |
| 2 nov 2026, 10:00 p. m. | 1 |
| 2 nov 2026, 11:00 p. m. | 1 |
| 3 nov 2026, 12:00 a. m. | 1 |
| 3 nov 2026, 1:00 a. m. | 2 |
| 3 nov 2026, 2:00 a. m. | 167 |
| 3 nov 2026, 3:00 a. m. | 0 |
| 3 nov 2026, 4:00 a. m. | 1 |
| 3 nov 2026, 5:00 a. m. | 3 |
| 3 nov 2026, 6:00 a. m. | 3 |
| 3 nov 2026, 7:00 a. m. | 0 |
Noticias por día
Últimos 30 días, incluido hoy · hora argentina
Consultar los valores por día
| Día | Noticias |
|---|---|
| 2026-10-05 | 0 |
| 2026-10-06 | 0 |
| 2026-10-07 | 0 |
| 2026-10-08 | 0 |
| 2026-10-09 | 0 |
| 2026-10-10 | 0 |
| 2026-10-11 | 0 |
| 2026-10-12 | 0 |
| 2026-10-13 | 0 |
| 2026-10-14 | 0 |
| 2026-10-15 | 0 |
| 2026-10-16 | 0 |
| 2026-10-17 | 0 |
| 2026-10-18 | 0 |
| 2026-10-19 | 0 |
| 2026-10-20 | 0 |
| 2026-10-21 | 0 |
| 2026-10-22 | 0 |
| 2026-10-23 | 0 |
| 2026-10-24 | 0 |
| 2026-10-25 | 0 |
| 2026-10-26 | 0 |
| 2026-10-27 | 0 |
| 2026-10-28 | 14 |
| 2026-10-29 | 28 |
| 2026-10-30 | 39 |
| 2026-10-31 | 25 |
| 2026-11-01 | 32 |
| 2026-11-02 | 38 |
| 2026-11-03 | 177 |
Los gráficos cuentan por fecha de publicación y respetan los filtros. El archivo incluye todo el histórico.
Noticias de inteligencia artificial
353 noticias · De más nuevas a más antiguas.
arXiv Computer Science AITemperatura, no conocimiento: Lo que el autoentrenamiento recursivo y sus remedios hacen a la confianza de un modelo de lenguaje
Se investiga cómo el autoentrenamiento recursivo afecta la confianza de los modelos de lenguaje, encontrando que la confianza se agudiza y las respuestas más seguras se vuelven menos fiables. Se comparan diferentes remedios para mitigar este efecto, observando que algunos métodos mejoran la discriminación pero provocan subconfianza.
Noticia originalSkill++: Hacia agentes de aprendizaje permanente a través de la refinación de habilidades consciente del enrutamiento
Se presenta Skill++, una solución para el enrutamiento de habilidades en modelos de lenguaje grande (LLM) que aborda el problema del aprendizaje continuo incremental. Skill++ reescribe el nombre y la descripción de las habilidades entrantes para mantener la selectibilidad de habilidades anteriores mientras se incorporan nuevas. Este método logra una selección de habilidades significativamente mayor en comparación con enfoques previos.
Noticia originalAprendiendo a evolucionar mediante la coincidencia de velocidades
Se presenta una nueva técnica llamada Velocity Matching (VM) para superar las limitaciones de los objetivos basados en trayectorias en el aprendizaje de sistemas dinámicos no lineales. VM es un objetivo libre de simulación que utiliza interpolación lineal por partes y colocación estocástica para aproximar el riesgo de la población de velocidad. El trabajo demuestra que VM mejora la precisión sobre los métodos basados en trayectorias al evitar el costo de simulación y las inestabilidades de recorridos largos.
Noticia originalEntrevistas moderadas por IA para investigación de mercado y calibración de gemelos digitales
Se investiga si las entrevistas moderadas por Inteligencia Artificial son un método escalable para generar perspectivas de consumidores y construir gemelos digitales. El estudio comparó estas entrevistas con entrevistas humanas y métodos estáticos, encontrando que la moderación por IA es más efectiva para descubrir necesidades del cliente que para predecir respuestas.
Noticia originalEl valor de primer orden de covariables libres en el monitoreo de riesgo presupuestado
Se estudia cómo gestionar el presupuesto de etiquetas para detectar rápidamente un aumento de riesgo mientras se controlan las falsas alarmas. Se demuestra que ciertas reglas pueden detectar cambios en las entradas de manera eficiente, incluso cuando el riesgo permanece por debajo de un umbral de seguridad. Los experimentos sugieren que las covariables libres pueden ahorrar rondas al calibrar el presupuesto en la fuente de datos.
Noticia originalLLM juez de trayectorias: Qué omite un LLM que solo juzga el resultado en trayectorias de agentes
Se realizó una prueba para evaluar un juez de LLM de trayectorias de agentes, determinando si detecta fallos en ejecuciones correctas. El estudio analiza la discriminación emparejada del juez en diferentes tipos de fallos y la fiabilidad de su detección de errores. Se recomienda reportar la discriminación emparejada contra ejecuciones limpias para mejorar el desarrollo fiable de agentes.
Noticia originalInteracción Bidireccional Adaptativa de Tareas para Segmentación y Clasificación de Ultrasonido Mamario
Se presenta un nuevo decodificador que permite el intercambio de características latentes entre las ramas de segmentación y clasificación en cuatro niveles. Se introduce una unidad de Ponderación de Interacción Adaptativa para ajustar el presupuesto softmax compartido entre ambas tareas. El modelo supera a las líneas base existentes en métricas de IoU en ultrasonido mamario.
Noticia originalDescomposiciones conscientes del solucionador para la programación por ejemplo: Cuando dividir requiere saber cómo conquistar
Se propone la descomposición consciente del solucionador (SAD) para la programación por ejemplo, buscando mejorar la precisión de la síntesis de programas. Los experimentos demuestran una paradoja de precisión donde la calidad de la descomposición depende del sintetizador que ejecuta los subobjetivos, no solo de la tarea. SAD mejora la síntesis y la precisión de la tarea en dominios de procesamiento de listas, incluso bajo transferencia cero-shot.
Noticia originalSQL-o1: Síntesis de programas Text-to-SQL automático mediante búsqueda heurística con auto-recompensa
Se presenta SQL-o1, un marco de búsqueda heurística basado en agentes y búsqueda MCTS para mejorar las capacidades de razonamiento de los modelos Text-to-SQL. Este método logra una mejora de 10.8 puntos en la precisión de ejecución en el conjunto de datos BIRD, superando a modelos basados en GPT-4. SQL-o1 demuestra una fuerte generalización few-shot y una robusta transferibilidad entre diferentes LLMs de código abierto.
Noticia originalSCOUT: Planificación bajo oclusión mediante despliegues de modelo de mundo centrado en objetos
Se presenta SCOUT, un marco de planificación consciente de la oclusión diseñado para robots que operan en espacios con objetos superpuestos. Este marco utiliza una representación centrada en objetos para reconstruir geometría oculta y determinar corredores de accesibilidad. SCOUT utiliza un LLM para proponer acciones y MCTS para evaluarlas, superando a otros modelos de planificación en tareas complejas.
Noticia originalMétodo híbrido de detección de anomalías para identificación de vehículos eléctricos a partir de registros de medidores inteligentes
Se propone un método híbrido de detección de anomalías para identificar vehículos eléctricos (VE) utilizando registros de medidores inteligentes. Este método combina técnicas basadas en predicción y reconstrucción para abordar el problema de desequilibrio de datos. El modelo se compara con métodos existentes y demuestra su superioridad con datos reales.
Noticia originalImplicaciones de la curiosidad y la base cultural en interacciones de LLM multi-agente
Se presenta el marco CuriousTogether para evaluar interacciones de LLM multi-agente impulsadas por la curiosidad, midiendo la búsqueda de novedad y la curiosidad epistémica y social. Los entornos guiados por curiosidad mejoraron el rendimiento en siete de ocho tareas, logrando ganancias significativas en generación de historias y reducción de sesgos. Estos hallazgos sugieren que la interacción guiada por curiosidad es un mecanismo práctico para mejorar la colaboración multi-agente en tareas de razonamiento y creatividad.
Noticia originalTransferencia de conocimiento funcional urbano a través de representaciones globales ante datos desiguales
Se investiga la transferencia de conocimiento funcional urbano a través de representaciones globales, dado que las observaciones funcionales están distribuidas de manera desigual. Se presenta el Embedding Urbano alineado con POI (PURE), que mejora el rendimiento en tareas de análisis urbano en 142 países y territorios. Los resultados indican que la transferencia de conocimiento es selectiva, favoreciendo contextos físicamente similares y geográficamente cercanos.
Noticia original¿Martillo o bisturí? Un marco adaptativo de grano fino para la detección implícita de discurso de odio
Se presenta un marco adaptativo novedoso llamado FAID para la detección de discurso de odio implícito, que clasifica y luego se adapta a categorías específicas. El sistema utiliza Prompt-Tuning para muestras superficiales, aumentación de conocimiento para comentarios dirigidos y un marco agente para comentarios dependientes del contexto. Los experimentos demuestran que FAID supera a las líneas de base SOTA en cuatro conjuntos de datos de referencia.
Noticia originalAttentionIndex: Acelerando la Atención Escasa Aprendida con un Índice Invertido Causal
Se presenta AttentionIndex, un método para acelerar la atención dispersa aprendida en modelos de IA. Este índice dirige las consultas a través de un índice de archivo invertido que agrupa claves por similitud. El método mejora el rendimiento de prellenado y la precisión en benchmarks de contexto largo en comparación con HiSA.
Noticia originalInvestigación sobre los efectos del tamaño del parche en modelos fundacionales de series temporales
Se investiga cómo el tamaño del parche afecta a los modelos fundacionales de series temporales basados en parches, analizando su interacción con arquitecturas transformer. Los resultados indican que los modelos encoder-only se benefician de parches más pequeños, mientras que los modelos decoder-only funcionan mejor con tamaños intermedios de parche. La elección del tamaño del parche y la arquitectura debe ajustarse según el horizonte de pronóstico y las limitaciones de despliegue.
Noticia originalGeneración de macro-operadores y selección de predicados para el aprendizaje de operadores TAMP
Se presenta un sistema para generar macro-operadores que comprimen secuencias de acciones en un solo paso de planificación, resolviendo el problema de la dificultad en tareas secuenciales largas. El sistema también poda predicados no referenciados por operadores aprendidos, reduciendo el estado simbólico. Este método logra hasta un 4.6 veces más velocidad de planificación en comparación con el método base y resuelve tareas secuenciales largas.
Noticia originalSpeechEQ: Evaluación del Coeficiente de Inteligencia Emocional en Modelos Conversacionales de Voz Socialmente Conscientes
Se presenta SpeechEQ, un marco para evaluar el razonamiento sociolingüístico de Modelos de Lenguaje Hablados (SLMs) mediante un conjunto de datos validado y un protocolo de evaluación basado en la teoría EQ-i 2.0. El estudio demuestra que los modelos multimodales actuales están limitados por dependencias textuales, lo que constituye una barrera para lograr una IA verdaderamente emocionalmente consciente.
Noticia originalOmniOPD: Destilación On-Policy para Generación Conjunta de Audio-Video
Se presenta OmniOPD, un marco de destilación on-policy diseñado para mejorar la generación conjunta de audio y video mediante el aprendizaje por refuerzo. Este método busca resolver la interferencia entre modalidades al transferir capacidades de modelos especializados. Se proponen técnicas como la construcción de información visual privilegiada y el muestreo de ruido agrupado para lograr una generación estable y equilibrada. Los resultados demuestran que OmniOPD mejora la generación de video manteniendo la calidad del audio.
Noticia originalMedición de la estabilidad de la explicación mediante la separabilidad
Se propone un marco basado en la distribución para medir la estabilidad de las puntuaciones de atribución en modelos de caja negra. El enfoque busca entender la separabilidad del vector de atribución clasificado y determinar el índice para el cual la clasificación de características es fiable. Este método extiende la comparación de métodos de atribución basándose en la robustez de sus clasificaciones en diferentes conjuntos de datos.
Noticia original