Investigadores crean gusano de IA autorreplicante con modelos locales abiertos
Investigadores crean un gusano de IA que se replica sin ayuda humana usando solo modelos locales. Descubre cómo funciona y sus implicaciones en seguridad.
#peso
Hyperflux: La poda revela la importancia
Descubre Hyperflux, un método de poda que revela la importancia de cada peso mediante flujo y presión. Reduce latencia y energía manteniendo precisión.
EinSort: Solo ordenar para tensorizar LLMs
EinSort: ordenando índices para tensorizar LLMs. Descubre estructuras de rango bajo y comprime pesos y KV-cache con mejor calidad. ¡Optimiza tus modelos!
Pesos de Contribución: Análisis Geométrico de Transformers de Autoatención
Los Pesos de Contribución ofrecen una métrica más fiel que la atención para identificar tokens clave en LLMs. Revelan el rol activo de los sinks de atención.
Ablación en inferencia NVFP4: bloque, pesos y escala para redes de borde
El estudio de ablación NVFP4 muestra cómo ajustar bloque, pesos y escala logra inferencia eficiente en dispositivos de borde con hasta 26.85x menos energía.
Adaptación robótica vía metaaprendizaje en pesos
Descubre cómo WIZARD usa meta-aprendizaje en pesos para adaptar robots a nuevas tareas con solo una instrucción y un video, sin reentrenamiento.
Dispuesta pero incapaz: Abliteración en LLMs de código
La abliteración elimina la negativa en LLMs de código, permitiendo inyectar vulnerabilidades como SQL injection. Resultados en Qwen2.5-Coder.
¿Qué significa una báscula inteligente para usuarios de GLP-1?
Descubre cómo la nueva báscula inteligente Withings BodyFit está diseñada especialmente para usuarios de fármacos GLP-1 como Ozempic. ¿Qué aporta?
PC Layer: Preacondicionamiento de Pesos Polinomial para Mejorar el Pre-entrenamiento de LLMs
La capa PC estabiliza el espectro de valores singulares en LLMs, mejorando convergencia sin overhead de inferencia. Optimiza tu pre-entrenamiento.
TailLoR: Protegiendo Componentes Principales en Aprendizaje Continuo
Descubre TailLoR, un método que protege los componentes principales usando descomposición espectral para un aprendizaje continuo eficiente y sin interferencias.
GenFT: Ajuste eficiente generativo para modelos preentrenados
GenFT: método de ajuste fino que genera actualizaciones de pesos condicionadas a pesos originales. Mejora NLP y visión con pocos parámetros.
Leyes de escalamiento y espectros en redes neuronales superficiales
Descubre cómo las leyes de escalamiento en redes superficiales vinculan espectros de pesos y generalización, validando observaciones empíricas.
Leyes de escalado y espectros en redes neuronales superficiales
Descubre cómo las leyes de escalado en redes superficiales explican la generalización mediante el espectro de pesos. Validación teórica.
Escalando Agentes Auto-Evolutivos con Memoria Paramétrica
Marco TMEM: agentes IA auto-evolutivos con memoria paramétrica y LoRA. Aprenden de la experiencia, mejorando su comportamiento sin reinicios.
Seguridad impredecible: brecha de transparencia en LLMs de peso abierto
Estudio revela: cumplimiento varía de 14.7% a 85.7% según dominio. Descubre la brecha de transparencia en LLMs de peso abierto.
Por qué los navegadores modernos comprimen imágenes sin servidor
Aprende cómo los navegadores modernos comprimen imágenes directamente en el cliente, ahorrando ancho de banda y protegiendo la privacidad. ¡Descubre las APIs clave!
Miso Labs lanza MisoTTS: modelo TTS emotivo de 8B pesos abiertos
Descubre MisoTTS, el modelo de voz expresiva de 8B parámetros con pesos abiertos. Genera habla natural a partir de texto y audio contexto. ¡Lee más!
Sí, el Oura Ring 5 es notablemente más pequeño
Descubre cómo el Oura Ring 5 es más pequeño y ligero que sus antecesores. Comparativa visual con Oura Ring 4 y Gen 3. ¿Merece la pena la actualización?
TamperBench: Evaluación de seguridad en LLM bajo ajuste y manipulación
Descubre TamperBench, el primer marco unificado para evaluar la resistencia de LLMs a manipulaciones y ajustes finos. Resultados clave y código abierto.
Transmutar prompts en pesos: edición directa de modelos de IA
Nuevo algoritmo transforma prompts en vectores y matrices de peso para editar modelos de lenguaje. Ahorra tiempo y mejora el control sin reentrenar.