hardware · 1 menciones
La industria de la inteligencia artificial se encuentra en un momento de euforia sin precedentes. Los líderes de OpenAI y Anthropic han afirmado repetidamente que la inteligencia artificial de nivel humano (AGI) está al alcance de la mano, y en algunos casos, ya ha sido alcanzada. Estas declaracione
Investigadores de motores de ajedrez están revolucionando la eficiencia de la inteligencia artificial a través de nuevas técnicas de entrenamiento, según un informe reciente. Inicialmente, los motores de ajedrez, como lc0, utilizaban el aprendizaje por refuerzo (RL) para entrenar sus modelos, donde
Investigadores han presentado 'Capybara', un nuevo modelo de inteligencia artificial de código abierto diseñado para la generación y edición visual de alta calidad. Lanzado recientemente (el 17 de febrero de 2026), Capybara combina arquitecturas de difusión avanzadas y transformadores para ofrecer v
El LiDAR (Light Detection and Ranging) se ha convertido en una tecnología esencial para la conducción autónoma, proporcionando escaneos 3D de alta resolución que permiten una comprensión precisa del entorno. Tradicionalmente, los sensores LiDAR miden la intensidad de la luz láser reflejada en funció
OctaPulse, una startup fundada por Rohan y Paul, está revolucionando la acuicultura mediante la aplicación de robótica y visión artificial. La empresa, incubada en Y Combinator (W26), surgió de la preocupación de sus fundadores por la sobreexplotación de los recursos pesqueros, un problema que afect
En un giro inesperado en el mundo de la inteligencia artificial, un investigador conocido como 'dnhkng' ha logrado colocar su modelo, 'RYS-XLarge', en la cima del Hugging Face Open LLM Leaderboard, sin modificar ni un solo peso del modelo original. La hazaña, lograda a mediados de 2024, implica dupl
Un escape de grasa de cocina, equivalente a unos 2.000 galones, ha generado preocupación por la seguridad en Palo Alto, California. El incidente, descubierto recientemente, se originó en una cámara subterránea que alberga un transformador de un megavatio que alimenta un edificio de oficinas en el ce
Cohere ha lanzado Transcribe, un modelo de reconocimiento automático de voz (ASR) de última generación y de código abierto, disponible para descarga desde Hugging Face. El objetivo de Cohere fue crear un modelo preciso y listo para uso práctico, minimizando la tasa de error de palabra (WER). Transcr
Un ingeniero de Aily Labs, empresa especializada en inteligencia artificial, ha decidido tomarse un descanso de la IA para enfocarse en la programación manual, residiendo actualmente en Brooklyn como parte de un “retiro de codificación”. Tras dos años trabajando en Aily Labs, desarrollando agentes d
La capacidad de los modelos de inteligencia artificial para mantener conversaciones coherentes se ve limitada por el "contexto de ventana", la cantidad de información que pueden procesar simultáneamente. Aunque los modelos actuales pueden manejar entre 128.000 y más de un millón de tokens, su rendim
Un desarrollador ha creado un taller práctico para permitir a usuarios entrenar modelos GPT en laptops, incluso sin experiencia previa en aprendizaje automático. Inspirado por el proyecto 'nanoGPT' de Andrej Karpathy, el taller simplifica el proceso, reduciendo el tamaño del modelo a aproximadamente
GenCAD es un modelo de inteligencia artificial diseñado para generar modelos CAD (diseño asistido por computadora) a partir de imágenes. A diferencia de otras aproximaciones que simplemente crean representaciones geométricas como mallas ovoxeles, GenCAD genera la secuencia completa de comandos param
Investigadores han descubierto que LoRA (Low-Rank Adaptation), una técnica popular para ajustar grandes modelos de lenguaje (LLMs), se comporta de manera diferente a lo esperado cuando interactúa con el weight decay (decaimiento de pesos). Mientras que el ajuste fino completo regulariza los pesos ha
CODA es una nueva abstracción de kernel GPU que revoluciona la forma de ejecutar los componentes no attention de los Transformers. El problema que resuelve es fundamental: mientras que las operaciones de multiplicación de matrices (GEMM) están altamente optimizadas y utilizan eficientemente la memor
Los modelos de lenguaje basados en Transformers han revolucionado la inteligencia artificial, pero enfrentan un cuello de botella crítico: su mecanismo de atención no escala eficientemente con el aumento de la longitud del contexto. Este artículo, titulado "Language Models Need Sleep", propone una s
Stanford, una de las universidades más prestigiosas del mundo en ciencias de la computación, ha puesto en marcha el curso CS336, una asignatura singular que propone a los estudiantes construir un modelo de lenguaje de gran tamaño (LLM) desde cero, replicando el espíritu de los legendarios cursos de
En febrero de 2019, OpenAI presentó GPT-2, un modelo de lenguaje basado en el decodificador del transformer que suponía un escalado directo de GPT-1: 1.500 millones de parámetros —diez veces más que su predecesor—, entrenado sobre 40 GB de texto web y entrenado en 48 bloques de decodificador con una
Una investigación publicada en PNAS Nexus examina una limitación estructural de los modelos de lenguaje basados en la arquitectura transformer: la ausencia de un mecanismo explícito de control ejecutivo de la atención, la función que en el cerebro humano permite resolver conflictos entre estímulos c
OpenAI ha incorporado a dos figuras de relieve en la antesala de su salida a bolsa: el investigador Noam Shazeer, cofundador de Character AI y exinvestigador de Google DeepMind, y Dean Ball, exresponsable de política de inteligencia artificial de la Casa Blanca durante la administración Trump. Shaze
Un ensayo reflexivo parte de una pregunta aparentemente simple: ¿de dónde vienen las palabras? Para los humanos, la idea precede al lenguaje; las palabras son solo la envoltura de un pensamiento o sentimiento previo. En un modelo de lenguaje grande (LLM) sucede lo contrario: el sistema predice la si
Las leyes de escalado son uno de los hallazgos empíricos más relevantes del aprendizaje profundo: describen cómo la pérdida de entrenamiento disminuye de forma predecible, siguiendo una curva de potencia, al aumentar el tamaño del modelo (N), el volumen de datos (D) y el cómputo (C). Su utilidad prá
Un equipo de investigación ha descrito un fenómeno geométrico, bautizado como "condensación de embeddings", que afecta a los modelos de lenguaje pequeños y que podría explicar parte de la brecha de rendimiento frente a los modelos grandes. Cada capa del Transformer representa los tokens como vectore
El sitio web "30 papers" recopila una lista de lecturas que, según el rumor, el cofundador de OpenAI Ilya Sutskever entregó al ingeniero John Carmack. El sitio reconoce que hasta ahora solo tiene 27 de los 30 trabajos y solicita ayuda para completar la versión canónica. La selección funciona como un
La plataforma de inteligencia artificial de código abierto Hugging Face alberga miles de modelos utilizados para generar desnudos falsos no consentidos, según un informe publicado este martes por la organización europea sin ánimo de lucro AI Forensics. El reporte, titulado "Hugging Face: A Hostile E
La hipótesis de la representación lineal sostiene que muchos conceptos naturales —género, emoción, capitales— corresponden a direcciones en el espacio de embeddings de un modelo de lenguaje. Una versión audaz de esa hipótesis propone que también la verdad tiene una dirección detectable: entrenando c
Un desarrollador ha conseguido ejecutar un modelo de lenguaje autoregresivo en un BBC Micro con procesador MOS 6502, un microprocesador de 8 bits lanzado en 1975 que equipó máquinas como el BBC Micro y el Apple II. La restricción principal es la memoria disponible: apenas 25 KB de espacio de usuario
El Transformer es una arquitectura de red neuronal que ha redefinido el campo de la inteligencia artificial, introducida en 2017 con el artículo 'Attention is All You Need'. Su principal ventaja radica en el mecanismo de atención auto, que permite procesar secuencias completas y capturar dependencia
Etched AI salió del modo stealth el 30 de junio de 2026 con un producto singular: Sohu, un ASIC (circuito integrado de aplicación específica) diseñado exclusivamente para ejecutar la atención de los modelos transformer. Frente a las GPU programables de NVIDIA, Sohu implementa esas operaciones como c
OpenAI ha desarrollado GPT-2, un modelo de lenguaje a gran escala entrenado de forma no supervisada con 40 GB de texto de Internet. El sistema, basado en la arquitectura transformer y compuesto por 1.500 millones de parámetros, es capaz de generar párrafos coherentes y realizar tareas de comprensión
NVIDIA ha lanzado DLSS 4.5 Ray Reconstruction, una nueva versión de su tecnología de reconstrucción neuronal aplicada al trazado de rayos que supone un salto cualitativo en la forma en que los videojuegos gestionan la iluminación generada por rayos. La actualización ya está disponible y representa l
Un ensayo filosófico y científico recupera la figura del ordenador Mike de la novela de Robert A. Heinlein 'La Luna es una señora dura' (1966) para plantear el debate contemporáneo sobre si las máquinas podrían llegar a ser conscientes. Los autores sostienen que buena parte del discurso actual sobre
La investigación en modelos de difusión continua para el procesamiento del lenguaje natural experimenta un notable resurgimiento tras años de estancamiento, desafiando la dominancia histórica de los métodos discretos y autoregresivos. Aunque las técnicas de difusión discreta habían desplazado a las
Investigadores alertan de un riesgo de seguridad grave ante el lanzamiento de Astra, el nuevo modelo de OpenAI OpenAI se encuentra en la recta final del lanzamiento de Astra, su modelo de inteligencia artificial más avanzado hasta la fecha, pero un creciente número de expertos en seguridad advierte
Describir los grandes modelos de lenguaje como simples «predictores del siguiente token» es una aproximación útil como punto de partida, pero incompleta y, según este argumento, equivocada como modelo mental. Los modelos base sí aprenden repitiendo, sobre corpus masivo, los tokens que aparecen despu
Un nuevo estudio demuestra que los Modelos de Lenguaje Grandes (LLM) poseen una propiedad fundamental de linealidad oculta bajo la complejidad no lineal de su arquitectura. A través de la Superposición Lineal, los LLM generan una superposición de distribuciones de tokens futuros cuando se combinan l
