Sumi es un modelo de lenguaje de difusión uniforme de 7B parámetros preentrenado desde cero con 1.5T tokens. Compite con modelos autoregresivos en tareas de conocimiento, razonamiento y codificación, pero tiene un rendimiento inferior en benchmarks de sentido común, probablemente debido a su mezcla de datos centrada en la educación. Los pesos del modelo, los puntos de control y la receta completa de entrenamiento se han liberado públicamente.
arxiv
arXiv cs.CL
·
hace 84 d
·
research
Sumi: Modelo de lenguaje de difusión uniforme abierto desde cero
Traducido del English → Español
Artículos relacionados
blog
Simon Willison
·
hace 58 d
·
3 vistas
Simon Willison crea una mascota personalizada para Codex Desktop usando GPT-5.6 y gpt-image-2
Simon Willison demuestra cómo crear una "mascota" animada personalizada para la aplicación Codex Desktop aprovechando el modelo Sol de OpenAI GPT-5.6 y la API gpt-image-2.
arxiv
arXiv cs.AI
·
hace 83 d
·
6 vistas
AutoPass: Agentes LLM guiados por evidencia para el ajuste de rendimiento del compilador
AutoPass utiliza evidencia en tiempo de ejecución y del compilador para guiar las decisiones de optimización generadas por LLM, superando a heurísticas expertas y métodos clásicos de autotuneo. Logra aceleraciones geométricas medias de 1.043x en sistemas x86-64 y 1.117x en sistemas ARM64 sin entrenamiento previo ni ajuste fino.
arxiv
arXiv cs.LG
·
hace 83 d
·
4 vistas
Los núcleos de GPU generados por LLM enfrentan la ilusión de la corrección
Las pruebas de referencia que utilizan comprobaciones de forma fija pasan por alto errores reales en los núcleos de GPU generados por LLM. Un corpus controlado de 24 núcleos, que incluye 9 variantes con errores de transcripción, revela que un oráculo consciente del esquema de operaciones detecta todos los fallos y pasa todos los controles correctos, con resultados idénticos en cinco arquitecturas de GPU.
arxiv
arXiv cs.CL
·
hace 83 d
·
4 vistas
AgentFinVQA: QA de gráficos financieros auditable y en las instalaciones
AgentFinVQA introduce una canalización multi-agente para la respuesta a preguntas sobre gráficos financieros que garantiza la auditabilidad y la capacidad de implementación en las instalaciones sin una pérdida significativa de precisión. Supera a los modelos base en +7.68 pp utilizando un backbone propietario y en +4.84 pp con Qwen3.6-27B-FP8 de pesos abiertos, mientras proporciona una señal de confianza a través de la salida del verificador que mejora el enrutamiento de la revisión humana.
arxiv
arXiv cs.CL
·
hace 83 d
·
2 vistas
LLMs agénticos de cero disparos extraen patología pulmonar de narrativas
Un flujo de trabajo agéntico de cero disparos que utiliza LLMs de código abierto extrae 13 campos sinópticos del Colegio Estadounidense de Patólogos a partir de informes de patología de resección pulmonar. El mejor modelo (GPT-OSS-20B) logró un Micro-F1 de 0.893, superando la sensibilidad de referencia y capturando con precisión relaciones patológicas complejas sin entrenamiento específico para la tarea.