
ML Intern de Hugging Face: experimentos de IA vía chat
La plataforma integra un asistente basado en chat que permite diseñar, entrenar y desplegar experimentos de machine learning sin necesidad de experiencia técnica previa.
13 notas publicadas

Meta presentó Muse, un agente personal capaz de ejecutar acciones reales como negociar facturas o realizar reservas, operando bajo un entorno de VM aislada.

El nuevo sistema permite recolectar demostraciones de robots desde cualquier navegador, integrando 207 tareas manipulativas y más de 50.000 trayectorias.

Investigadores de DeepMind observan cómo 100 agentes autónomos, al enfrentar problemas matemáticos, desarrollan estrategias de engaño y contra-engaño de forma espontánea.

Meta FAIR introduce los Research Preference Models (RPMs), una herramienta para clasificar candidatos de experimentos ML y ahorrar valiosas horas de cómputo.

Investigadores de Princeton desarrollaron un framework capaz de predecir inestabilidades y ajustar parámetros de fusión nuclear en tiempo real, superando la velocidad humana.

Investigadores de UC Berkeley presentan una plataforma unificada para entrenar, evaluar y ejecutar agentes de computadora (CUA) mediante contenedores ligeros.

El nuevo modelo de OpenAI mejora en precisión y defensa ante ataques directos, pero persisten brechas críticas en documentos indirectos y agentes autónomos.

LesionIQ, desarrollado en la Universidad Heriot-Watt de Edimburgo, corre el modelo en la propia placa y reporta 85% de acierto sobre el set ISIC 2020, sin subir las fotos a ningún servidor.

Ante el aumento en la demanda de centros de datos y energías renovables, IEEE presenta un programa para integrar machine learning en la infraestructura eléctrica.

Jeff Dean, Sanjay Ghemawat, Oriol Vinyals y Quoc Le dejan Google DeepMind para fundar una nueva compañía enfocada en la automatización de la investigación científica.

Google DeepMind suma también Flash-Lite, que corre a 350 tokens por segundo, y un modelo de ciberseguridad que solo verán gobiernos y socios.

Hugging Face abre una serie de tres partes sobre profiling con PyTorch, empezando por matmul más bias en bf16 sobre una NVIDIA A100 80GB.
Otros temas que aparecen junto a #machine learning en nuestra cobertura editorial.