inteligencia artificial
Todas las noticias con este tag.
Noticias por hora
Últimas 24 horas · hora argentina
Consultar los valores por hora
| Hora | Noticias |
|---|---|
| 2 nov 2026, 7:00 a. m. | 2 |
| 2 nov 2026, 8:00 a. m. | 14 |
| 2 nov 2026, 9:00 a. m. | 17 |
| 2 nov 2026, 10:00 a. m. | 15 |
| 2 nov 2026, 11:00 a. m. | 18 |
| 2 nov 2026, 12:00 p. m. | 15 |
| 2 nov 2026, 1:00 p. m. | 14 |
| 2 nov 2026, 2:00 p. m. | 23 |
| 2 nov 2026, 3:00 p. m. | 15 |
| 2 nov 2026, 4:00 p. m. | 17 |
| 2 nov 2026, 5:00 p. m. | 9 |
| 2 nov 2026, 6:00 p. m. | 8 |
| 2 nov 2026, 7:00 p. m. | 19 |
| 2 nov 2026, 8:00 p. m. | 17 |
| 2 nov 2026, 9:00 p. m. | 28 |
| 2 nov 2026, 10:00 p. m. | 12 |
| 2 nov 2026, 11:00 p. m. | 19 |
| 3 nov 2026, 12:00 a. m. | 22 |
| 3 nov 2026, 1:00 a. m. | 17 |
| 3 nov 2026, 2:00 a. m. | 194 |
| 3 nov 2026, 3:00 a. m. | 29 |
| 3 nov 2026, 4:00 a. m. | 37 |
| 3 nov 2026, 5:00 a. m. | 26 |
| 3 nov 2026, 6:00 a. m. | 28 |
| 3 nov 2026, 7:00 a. m. | 9 |
Noticias por día
Últimos 30 días, incluido hoy · hora argentina
Consultar los valores por día
| Día | Noticias |
|---|---|
| 2026-10-05 | 1 |
| 2026-10-06 | 1 |
| 2026-10-07 | 5 |
| 2026-10-08 | 6 |
| 2026-10-09 | 2 |
| 2026-10-10 | 1 |
| 2026-10-11 | 2 |
| 2026-10-12 | 1 |
| 2026-10-13 | 0 |
| 2026-10-14 | 2 |
| 2026-10-15 | 3 |
| 2026-10-16 | 1 |
| 2026-10-17 | 4 |
| 2026-10-18 | 0 |
| 2026-10-19 | 9 |
| 2026-10-20 | 19 |
| 2026-10-21 | 29 |
| 2026-10-22 | 25 |
| 2026-10-23 | 13 |
| 2026-10-24 | 16 |
| 2026-10-25 | 5 |
| 2026-10-26 | 16 |
| 2026-10-27 | 22 |
| 2026-10-28 | 143 |
| 2026-10-29 | 211 |
| 2026-10-30 | 204 |
| 2026-10-31 | 218 |
| 2026-11-01 | 317 |
| 2026-11-02 | 378 |
| 2026-11-03 | 362 |
Los gráficos cuentan por fecha de publicación y respetan los filtros. El archivo incluye todo el histórico.
Noticias de inteligencia artificial
2.035 noticias · De más nuevas a más antiguas.
arXiv Computer Science AIInferencia geométrica y algebraica en humanos y redes neuronales
Se formalizan las estrategias de inferencia geométrica y algebraica en humanos y redes neuronales, analizando sus compensaciones computacionales. Se postula que la estrategia geométrica domina cuando las relaciones son conocidas, mientras que la algebraica es necesaria para inferencias novedosas en contexto. Los hallazgos demuestran que estas estrategias dependen de la geometría representacional y mecanismos de atención selectiva, reconciliando visiones sobre la flexibilidad cognitiva.
Noticia originalEstudio piloto sobre límites de autonomía de agentes de codificación en el mantenimiento de software
Un estudio piloto comparó un agente de codificación con y sin información de Contratos de Límite para tareas de mantenimiento de software. La condición basada en límites mejoró significativamente la selección de edición y la cobertura de comportamiento requerido. Esto sugiere que los roles explícitos de los artefactos pueden influir en el comportamiento de mantenimiento más allá de la simple localización de archivos.
Noticia originalPruebas sin nominales: El argumento ontológico de Gödel, su incrustación superficial y las preguntas abiertas de las Notas del Monatshefte
El texto aborda la incrustación superficial de la lógica modal de orden superior en la lógica modal de orden superior clásica, utilizando el argumento ontológico de Gödel y Scott. Se discuten las preguntas abiertas de las Notas del Monatshefte y cómo se resuelven sin nominales. Se verifica la validez de los teoremas en Isabelle/HOL y Lean 4.
Noticia originalMétodos de red neuronal para predicción de trayectoria calibrada y control de intervalos de puntos de control
Se presenta un marco que utiliza una red neuronal con base espectral para aprender trayectorias y bandas de cuantil con restricciones integradas. El trabajo también emplea una regresión de cuantil conformacional modificada y aritmética de intervalos para asegurar garantías de cobertura calibrada y libre de ruido. Se demuestra que el tiempo de inferencia de trayectoria para un cuadricóptero es de 3.45 ms, lo que resulta en un tiempo de *pipeline* total de 9.81 ms.
Noticia originalGSExplorer: Generación interactiva de mundo con estado Gaussiano persistente 3D
Se presenta GSExplorer, un marco de generación-reconstrucción basado en un estado de mundo Gaussiano 3D persistente para la generación interactiva de mundos. Este sistema utiliza condiciones de renderizado y reconstrucción SLAM para asegurar la consistencia de la escena a lo largo de la exploración. El método demuestra un rendimiento superior en evaluaciones de WorldScore, logrando alta consistencia y control de cámara en extrapolaciones de múltiples pasos.
Noticia originalEstrategias de prompting guiado por conceptos aumentan la diversidad en poblaciones de recetas generadas por LLM
Se propone un método de prompting guiado por conceptos para mejorar la diversidad en las recetas generadas por Modelos de Lenguaje Grande (LLM). Este método genera conceptos temáticos antes de generar las respuestas, superando a otras estrategias de prompting en la cobertura semántica. Los resultados indican una mayor exploración de la población y diversidad de soluciones, aunque se necesita más investigación sobre la calidad y generalización.
Noticia originalReconocimiento facial sin cara frontal usando GANs y clasificadores basados en memristor
Se propone un marco de reconocimiento facial que soluciona las variaciones de pose no frontal mediante la integración de frontalización de pose basada en GAN y reconocimiento neuromórfico basado en memristor. Los resultados experimentales muestran una precisión de identificación de hasta el 96% al combinar aprendizaje adversarial con tecnología memristiva. Este método busca aliviar los cuellos de botella computacionales de la IA convencional para una solución eficiente en entornos dinámicos.
Noticia originalMedCUA-Bench: Un benchmark de solo captura de pantalla para agentes de uso de computadora clínica
Se presenta MedCUA-Bench, un benchmark interactivo diseñado para evaluar la fiabilidad de los agentes de uso de computadora en entornos clínicos. Este benchmark cubre 18 escenarios clínicos en 10 dominios médicos, utilizando interfaces reconstruidas para simular entornos reales. El estudio compara el rendimiento de agentes de IA, mostrando diferencias significativas entre modelos de código cerrado y abierto en la ejecución de tareas clínicas. El objetivo es identificar la brecha entre los agentes actuales y el software clínico fiable.
Noticia originalEvaluación de respuestas incorrectas engaña la selección de confianza: Calificación basada en hechos para QA abierto
Un estudio evalúa la calificación de respuestas abiertas en pruebas de LLM y NLP, enfocándose en cómo las reglas de calibración afectan la confianza. Se presenta FactForm, un calificador que prioriza las coincidencias de referencia, logrando un error equilibrado de 0.077 y un AUROC de 0.985. Esto sugiere una mejora en la precisión de la calificación de respuestas abiertas.
Noticia originalLa distancia no es suficiente: La brecha de alineación olvido-retención predice la robustez de los LLM
Se propone la Brecha de Alineación Olvido-Retención (FRAG) como un predictor libre de entrenamiento para evaluar la alineación entre el olvido y la retención en actualizaciones de modelos de lenguaje grandes (LLM). Se argumenta que la selectividad de los pesos es un mejor indicador de robustez que la distancia global. Se introduce el Poda Olvido-Retención (FRP) para mejorar la robustez del reaprendizaje basado en el principio de afectar pesos críticos para olvidar y preservar los críticos para retener.
Noticia originalAprovechamiento de habilidades de agentes: Patrones arquitectónicos y una arquitectura de referencia para agentes basados en habilidades
Se identifican patrones arquitectónicos y una arquitectura de referencia para el aprovechamiento de habilidades en agentes basados en LLM. Se revisaron 36 sistemas y 51 artículos académicos para derivar estos patrones. La arquitectura de referencia organiza las responsabilidades en cuatro capas y dos sustratos transversales para gestionar el suministro, la ejecución y la revisión de habilidades.
Noticia originalEstudio sobre el compromiso entre energía y precisión de los Modelos de Lenguaje Grande en tareas de respuesta a preguntas médicas
Se investiga el consumo de energía y la huella de carbono de los Modelos de Lenguaje Grande (LLMs) utilizados en sistemas de respuesta a preguntas médicas. El estudio demuestra cómo estimar el consumo de energía y las emisiones para modelos disponibles en el leaderboard OpenMedical-LLM. Se enfatiza la necesidad de evaluar el compromiso entre energía y precisión para seleccionar modelos más eficientes y sostenibles.
Noticia originalLas neuronas son todo lo que necesitas
Se propone NURESA, una nueva capa neuronal que introduce memoria intra-unidad persistente para permitir la transferencia de memoria entre instancias de modelos de IA. Este enfoque permite la transferencia de capacidad aprendida a cero *shot* sin reentrenamiento, mejorando la capacidad de los modelos transformadores. Los experimentos demuestran que este proceso es eficiente y produce archivos de transferencia significativamente más pequeños.
Noticia originalPRIME: Enrutamiento Predictivo de Intervenciones Mediante Modelado de Efectos para la Ideación Científica
Se presenta PRIME, una capa de decisión de revisión para sistemas de LLM en ideación científica, diseñada para mejorar la iteración basada en retroalimentación. PRIME aborda el problema del desajuste diagnóstico-intervención, permitiendo construir intervenciones basadas en el modelado de efectos y la comparación de riesgos. Los resultados validan que PRIME mejora la calidad del sucesor y la fiabilidad del enrutamiento en comparación con las líneas base existentes.
Noticia originalSAMP: Priorización de Margen Autoadaptativa para Marcado de Agua de Difusión Robusto
Se presenta SAMP, un marco autoadaptativo para el marcado de agua en modelos de difusión, que ajusta la fuerza de incrustación y la prioridad de optimización de las dimensiones del marcado de agua. Este enfoque busca mejorar la robustez del marcado de agua al adaptar la fuerza de incrustación según la separación de códigos y priorizar dimensiones vulnerables a perturbaciones. Los resultados experimentales muestran mejoras significativas en la precisión de recuperación de información y en métricas como PSNR y LPIPS.
Noticia originalLas barreras de seguridad predictivas no siempre hacen a los agentes de LLM más seguros
Se investiga el *pipeline* de predicción a acción en agentes de LLM para evaluar barreras de seguridad predictivas. Los hallazgos indican que la mayor implicación de la predicción no garantiza ganancias de seguridad y puede aumentar el costo de inferencia. Además, las predicciones del modelo del mundo son insuficientemente fiables, lo que sugiere una brecha fundamental entre la previsión y la acción.
Noticia originalIteración de valor aproximada offline: Un enfoque de aprendizaje por refuerzo para el despliegue de constelaciones de satélites
Se presenta un enfoque basado en aprendizaje por refuerzo para optimizar el despliegue de constelaciones de satélites tipo Walker, considerando incertidumbres como fallos de lanzamiento y mal funcionamiento de satélites. El método utiliza iteración de valor aproximada offline para reducir los requisitos computacionales y de memoria al encontrar políticas de despliegue óptimas. Los resultados preliminares indican que los tiempos y costos de despliegue son inferiores a los de métodos basados en horizonte rodante.
Noticia originalFOCUS: Retroalimentación de atención de bucle cerrado para una comprensión eficiente de lenguaje y visión
Se presenta FOCUS, un marco de tres capas sin entrenamiento diseñado para reducir las invocaciones de modelos de lenguaje-visión (VLM) al dirigir la atención hacia regiones semánticamente relevantes. Este método utiliza medidas de gating temporal para activar capturas solo cuando la escena cambia de manera significativa. Los resultados demuestran que FOCUS logra una alta precisión manteniendo la calidad del mejor *baseline* con una reducción significativa en las llamadas al VLM.
Noticia originalBúsqueda neural para el descubrimiento semántico de software de código abierto
Se presenta MediaWiki Code2Code Search, un sistema de recuperación neuronal diseñado para el descubrimiento semántico de código a código en grandes ecosistemas de software. El sistema indexa 1.29 millones de entidades estructurales en más de 2,500 repositorios de MediaWiki, permitiendo la recuperación basada en la intención computacional. La evaluación demuestra mejoras significativas en la calidad de clasificación sobre la línea base BM25 en tareas complejas.
Noticia originalHybrid++: El puente entre modelos PDE y aprendizaje profundo para la eliminación de ruido gamma
Se presenta Hybrid++, una arquitectura de reacción-difusión no lineal entrenable que busca combinar la interpretabilidad de los modelos basados en ecuaciones diferenciales parciales (PDE) con el rendimiento de los modelos de aprendizaje profundo. Esta arquitectura mejora significativamente los resultados en el benchmark FoE sobre métodos clásicos y se acerca al rendimiento de modelos de caja negra con un uso eficiente de parámetros.
Noticia original