El Proyecto UCTF ha sido reestructurado desde una única propuesta en un programa de investigación abierto y basado en hipótesis para investigar si las representaciones intermedias nativas para máquinas pueden reducir la redundancia semántica intercultural en el entrenamiento de IA multilingüe.
Un usuario informa que se encontró con un error al intentar generar un certificado de finalización para el curso de RL profundo en Hugging Face. El problema persiste a pesar de ingresar los detalles requeridos de nombre de usuario y nombre, sin que exista orientación disponible en línea.
El artículo presenta DiScoFormer, un modelo transformer unificado capaz de realizar tanto estimación de densidad como tareas de generación basadas en puntuación a través de varias distribuciones de datos.
Un experto de Google explica el concepto de adoptar un enfoque de stack completo para la inteligencia artificial. El artículo destaca que esta metodología integral ha servido como base para el trabajo de IA de Google durante un período prolongado.
Este artículo presenta un Puente Latente continuo que acopla modelos de visión y lenguaje con razonamiento congelados y reactivos para habilitar agentes de juego en tiempo real con latencia de milisegundos y planificación a largo plazo. Al proyectar los residuos del modelo lento en el espacio de incrustación de entrada del modelo rápido, evita las rondas de texto mientras iguala o supera a los Puentes de Texto tradicionales en rendimiento.
Los autores proponen G$^3$VLA, un módulo geométrico consciente de la cámara que inyecta estructura calibrada en el flujo de tokens visuales de modelos preentrenados de Visión-Lenguaje-Acción sin alterar su espacio de acción u objetivo de imitación. Este enfoque combina incrustaciones de rayos condicionadas intrínsecamente, codificación posicional proyectiva y fusión cruzada bidireccional entre vistas para abordar la discrepancia entre las coordenadas de imagen 2D y la geometría de la cámara del robot.
El artículo presenta video-SALMONN-R$^3$, un modelo de lenguaje grande para vídeo de extremo a extremo que permite el re-visualización eficiente de segmentos de vídeo mediante aprendizaje por refuerzo, sin depender de datos de cadena de pensamiento. Este enfoque aborda las limitaciones computacionales y de memoria que típicamente obligan a los modelos a utilizar tasas de fotogramas reducidas y resoluciones espaciales.
Este artículo presenta un marco novedoso para optimizar las trayectorias de vehículos aéreos no tripulados (UAV) en sistemas celulares 6G, integrando aprendizaje continuo mejorado dentro de la arquitectura O-RAN. El sistema utiliza una biblioteca de modelos preentrenados y un mecanismo de selección para minimizar el tiempo de adaptación al operar en entornos dinámicos.
Los autores proponen RetiSEM, un marco de modelado de ecuaciones estructurales con restricciones de dominio diseñado para recuperar grafos causales y realizar análisis de mediación utilizando datos biomédicos fragmentados con recursos multimodales limitados. El método organiza las variables en bloques informados biológicamente y aplica restricciones de aristas prohibidas para descomponer los efectos a nivel de vía.
Este trabajo presenta el primer análisis de seguridad en profundidad de sistemas agénticos ampliamente utilizados para operaciones de seguridad ofensiva, revelando defectos de diseño comunes que permiten a los adversarios exfiltrar claves de API y comprometer las máquinas del operador incluso dentro de sandboxes.
CrossPool es un motor de servicio diseñado para modelos Mixture-of-Experts (MoE) en frío que disgrega los pesos FFN y el KV-cache en pools separados de memoria GPU para abordar las ineficiencias de memoria en escenarios de solicitudes dispersas. Al consolidar los pesos estáticos y aprovisionar dinámicamente la demanda activa de KV-cache, el sistema tiene como objetivo mejorar la utilización de la memoria GPU y admitir solicitudes de contexto largo con ráfagas.
Una receta de cuantización personalizada aplicada al modelo abliterado de HuiHui demuestra un rendimiento superior en comparación con la variante vanilla 3.6-35B-a3b en tareas de matemáticas y programación. Los resultados sugieren que eliminar los mecanismos de rechazo permite al modelo lograr mayor precisión y sabiduría en estos dominios.
Esta publicación de Reddit comparte una imagen que contiene la cita "Los modelos de código abierto se comerán a tus hijos" atribuida a Amodei. El contenido consiste en un enlace a la imagen y un enlace al hilo de comentarios asociado en r/LocalLLaMA.
Dario Amodei, CEO de Anthropic, ha expresado preocupaciones de que los modelos de IA de código abierto puedan llevar a resultados peligrosos. La declaración destaca los riesgos potenciales asociados con el acceso sin restricciones a tecnologías avanzadas de inteligencia artificial.
El artículo analiza las razones por las que los exponentes de escalado de las aplicaciones actuales de Modelos de Lenguaje Grande indican un régimen insostenible en cuanto a recursos energéticos.
Este estudio realiza una reevaluación rigurosa de nueve Modelos Fundacionales de Grafos (GFMs) recientes para la predicción de propiedades de nodos, comparándolos con líneas base sólidas de Redes Neuronales de Grafos (GNN) para abordar la falta de estándares de evaluación unificados en el campo.
Los investigadores presentan RaDaR, un modelo de lenguaje grande (LLM) de código abierto con 32B parámetros diseñado para acelerar el diagnóstico de enfermedades raras abordando desafíos en la implementabilidad clínica y la escasez de datos. El modelo fue entrenado con casi 50,000 casos públicos y más de 100,000 casos sintéticos, demostrando un rendimiento superior en benchmarks y centros de validación externa.
Los autores proponen un marco de ajuste fino basado en aprendizaje por refuerzo que utiliza la evaluación autónoma de visión y lenguaje como una señal de supervisión escalable para agentes de GUI, eliminando la necesidad de etiquetas manuales o heurísticas específicas de la tarea. Al tratar los comentarios del evaluador como un canal de recompensa binario ruidoso y derivar un estimador corregido por ruido para la Optimización de Política Próxima (Proximal Policy Optimization), el método aborda la dificultad de obtener recompensas legibles por máquina en entornos de escritorio de propósito general.
Los autores presentan AdversaBench, una pipeline de red-teaming end-to-end que genera entradas difíciles para grandes modelos de lenguaje utilizando cinco operadores de mutación estructurados y confirma fallos mediante un panel de tres jueces con desempate por un meta-juez.
Se ha presentado una demanda en Estados Unidos contra los principales fabricantes de chips de memoria Samsung, SK Hynix y Micron por alegaciones de fijación de precios.