optimización
Todas las noticias con este tag.
Ver estadísticas de este tema
Noticias por hora
Últimas 24 horas · hora argentina
Consultar los valores por hora
| Hora | Noticias |
|---|---|
| 4 nov 2026, 4:00 a. m. | 0 |
| 4 nov 2026, 5:00 a. m. | 0 |
| 4 nov 2026, 6:00 a. m. | 0 |
| 4 nov 2026, 7:00 a. m. | 0 |
| 4 nov 2026, 8:00 a. m. | 0 |
| 4 nov 2026, 9:00 a. m. | 1 |
| 4 nov 2026, 10:00 a. m. | 0 |
| 4 nov 2026, 11:00 a. m. | 0 |
| 4 nov 2026, 12:00 p. m. | 1 |
| 4 nov 2026, 1:00 p. m. | 0 |
| 4 nov 2026, 2:00 p. m. | 0 |
| 4 nov 2026, 3:00 p. m. | 0 |
| 4 nov 2026, 4:00 p. m. | 0 |
| 4 nov 2026, 5:00 p. m. | 0 |
| 4 nov 2026, 6:00 p. m. | 0 |
| 4 nov 2026, 7:00 p. m. | 0 |
| 4 nov 2026, 8:00 p. m. | 0 |
| 4 nov 2026, 9:00 p. m. | 0 |
| 4 nov 2026, 10:00 p. m. | 0 |
| 4 nov 2026, 11:00 p. m. | 0 |
| 5 nov 2026, 12:00 a. m. | 0 |
| 5 nov 2026, 1:00 a. m. | 0 |
| 5 nov 2026, 2:00 a. m. | 0 |
| 5 nov 2026, 3:00 a. m. | 0 |
| 5 nov 2026, 4:00 a. m. | 0 |
Noticias por día
Últimos 30 días, incluido hoy · hora argentina
Consultar los valores por día
| Día | Noticias |
|---|---|
| 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 | 0 |
| 2026-10-29 | 0 |
| 2026-10-30 | 0 |
| 2026-10-31 | 0 |
| 2026-11-01 | 0 |
| 2026-11-02 | 1 |
| 2026-11-03 | 5 |
| 2026-11-04 | 4 |
| 2026-11-05 | 0 |
Los gráficos cuentan por fecha de publicación y respetan los filtros. El archivo incluye todo el histórico.
Noticias de optimización
14 noticias · De más nuevas a más antiguas.
The DecoderGPT-6 Astra ve la matriz y reprograma otros modelos de IA directamente a través de sus pesos
Investigadores desarrollaron un método llamado "Programación en Espacio de Pesos" donde un modelo de IA, Astra, puede ajustar directamente los pesos de otros modelos sin necesidad de un reentrenamiento completo. Este enfoque permitió a Astra mejorar las habilidades matemáticas de un modelo de lenguaje, aumentando significativamente su precisión en benchmarks específicos. Se sugiere que este método podría facilitar auditorías de seguridad y cambios de comportamiento dirigidos en modelos de IA de manera más eficiente.
Tom's HardwareIngenieros de Cloudflare optimizan servicios de construcción de DNS para el doble de velocidad y un 85% menos de uso de RAM
Ingenieros de Cloudflare han optimizado los servicios de construcción de DNS logrando el doble de velocidad y reduciendo el uso de RAM en un 85%.
arXiv Computer Science AIOptimidad asintótica de la regla cμ para la programación de inferencia de LLM bajo restricción de memoria
El artículo estudia el problema de programación en línea para la inferencia de LLM bajo la restricción de memoria de la caché KV. Se desarrolla un modelo fluido que resulta en una regla de prioridad cμ para determinar la tasa de servicio efectiva. Los experimentos demuestran que esta regla minimiza el costo de retención y maximiza el rendimiento de tokens de salida en sistemas reales.
MuonRec: Cambiando el paradigma del optimizador más allá de Adam en recomendaciones escalables
Se presenta MuonRec, un nuevo *framework* que incorpora el optimizador Muon para el entrenamiento de sistemas de recomendación (RecSys). Este método busca mejorar la eficiencia de la optimización y la calidad del ranking al reducir los pasos de entrenamiento y mejorar la calidad de la recomendación. Los resultados demuestran que MuonRec supera a las líneas base basadas en Adam/AdamW en métricas clave.
ITmedia NEWSMicrosoft acelera PC con Windows 11 mejorando el rendimiento multitarea
Microsoft ha implementado mejoras en Windows 11 para optimizar el rendimiento multitarea, incluyendo la reducción del uso de memoria y la aceleración de la carga de aplicaciones como Edge y Teams. Estas optimizaciones buscan mejorar la velocidad de respuesta y reducir el consumo de recursos en sistemas con menos memoria. La compañía también contextualiza estas acciones en el contexto del aumento de los precios de la memoria RAM en el mercado de PC.
iProfesionalWhatsApp oculta una función de limpieza para borrar basura digital del celular
WhatsApp ofrece herramientas internas para limpiar la memoria del celular eliminando archivos pesados y duplicados sin afectar el historial de conversaciones. Se recomienda vaciar la papelera interna, revisar las carpetas de imágenes y videos, y gestionar las copias de seguridad antiguas para mantener el rendimiento del dispositivo. La optimización incluye desactivar la descarga automática de multimedia y mantener un espacio libre mínimo del 15% para asegurar la fluidez del sistema.
No se identificaron personas.
Iteración 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.
RubricWorld: Optimización de rúbricas guiada por modelo mundial para calificadores de LLM
Se presenta RubricWorld, un marco diseñado para optimizar la calificación de Modelos de Lenguaje Grande (LLM) mediante el aprendizaje de evaluaciones previas de ediciones. Este modelo predice las tasas de corrección y degradación de las ediciones para guiar la búsqueda de candidatos. Se reporta que RubricWorld mejoró la precisión de gpt-5-mini en ASAP2.0 de 18.20% a 46.70%, superando el mejor punto de referencia en 22.60 puntos porcentuales.
Compresión guardada del estado del optimizador Adam con límites de gradiente compartidos
Se investiga la compresión guardada del estado del optimizador Adam para reducir el tamaño de los momentos, manteniendo la precisión de la actualización nativa FP32 dentro de una tolerancia específica. Se demuestra que al limitar la diferencia entre las actualizaciones, se logran reducciones significativas en la carga útil de los momentos, mejorando la eficiencia de la compresión.
La GacetaLa función que hay que desactivar en Android para que tu celular funcione más rápido
Los usuarios de Android pueden mejorar el rendimiento de sus celulares desactivando las animaciones del sistema operativo desde los ajustes. Este cambio reduce las demoras, optimiza el uso de recursos del procesador y la memoria, y puede prolongar la vida útil de dispositivos antiguos. Al desactivar estas animaciones, el sistema responde más rápido y las transiciones son más ágiles.
No se identificaron personas.
EPFL NewsUna IA capaz de duda puede optimizar el descubrimiento científico
Un equipo de EPFL desarrolló GOLLuM, un método que combina Modelos de Lenguaje Grande (LLM) con un proceso gaussiano para optimizar el descubrimiento científico. Este método permite al LLM aprender de la incertidumbre para reorganizar el espacio de búsqueda, encontrando condiciones experimentales de alto rendimiento de manera más eficiente que los métodos tradicionales. GOLLuM superó a la optimización bayesiana en la búsqueda de soluciones buenas con menos experimentos.
Hugging Face BlogPerfilado en PyTorch (Parte 3): La atención es todo lo que perfilás
Tercera entrega de la serie "Profiling in PyTorch", que enseña a leer trazas del perfilador para optimizar código. Se perfilan distintas implementaciones de atención: la ingenua escrita a mano, la variante con enmascaramiento in situ, y los backends de SDPA (math, efficient, flash y cuDNN). El backend math resulta 3.7 veces más lento por usar FP32 en núcleos CUDA y reconstruir la máscara en cada llamada, mientras que flash y efficient logran un único kernel fusionado en bf16 sobre Tensor Cores.
Perfilado en PyTorch (Parte 2): de nn.Linear a un MLP fusionado
Segunda entrega de la serie "Profiling in PyTorch", que enseña a leer trazas del perfilador para optimizar modelos. El artículo parte de nn.Linear, muestra que el sesgo ya está plegado en el epílogo del kernel GEMM (addmm) y que torch.compile no tiene nada que fusionar en una sola capa. Luego apila tres capas en un MLP con activación GeGLU: en modo eager se lanzan cinco kernels y el intermedio pasa por HBM, mientras que compile fusiona GeLU y mul en un único kernel Triton; finalmente compara con kernels ajustados a mano de Liger, que logran la misma fusión sin costo de compilación.
Perfilado en PyTorch (Parte 1): guía para principiantes de torch.profiler
Entrada de blog de Hugging Face que inaugura una serie sobre perfilado en PyTorch, centrada en el uso de torch.profiler para leer trazas de CPU y GPU. Explica con ejemplos de multiplicación y suma de matrices cómo distinguir algoritmos limitados por sobrecarga de los limitados por cómputo, interpretar la tabla del perfilador y la cadena de despacho hasta los kernels de CUDA. También analiza el efecto de torch.compile, que fusiona operaciones a nivel del despachador pero no genera un kernel único y aumenta la sobrecarga de CPU por paso.