Ir al contenido
IA para hoy

modelos multimodales

Noticias etiquetadas con «modelos multimodales»

8 noticias

Filtrar
Herramientas y productos

Liquid AI lanza LFM2.5-VL-3B, modelo multimodal eficiente para inferencia en dispositivos

Liquid AI ha anunciado LFM2.5-VL-3B, un modelo de visión-lenguaje de 3 mil millones de parámetros optimizado para ejecución en dispositivos periféricos. El…

Por qué importaRepresenta un avance en la viabilidad de modelos multimodales avanzados sin depender de infraestructura en la nube, reduciendo latencia, costes…

Impacto alto Fiabilidad fuente primaria Relevancia 7/10 Hugging Face
Investigación

Microsoft y Paige presentan PRISM2, modelo de IA para patología que combina imágenes y lenguaje

Investigadores de Microsoft Research y Paige (ahora parte de Tempus) publicaron en Nature Medicine un estudio sobre PRISM2, un modelo de IA para patología…

Por qué importaLos sistemas de IA patológica actuales suelen diseñarse para una sola tarea y requieren reconstrucción para cada nueva aplicación; PRISM2 demuestra…

Impacto alto Fiabilidad fuente primaria Relevancia 7/10 Microsoft Source · IA
Investigación

Investigadores desarrollan prueba de aprendizaje basada en bebés para mejorar modelos de visión-lenguaje

Investigadores de Meta, Stanford, Universidad de Tokio y École Normale Supérieure desarrollaron EgoBabyVLM, una prueba que evalúa cómo los modelos de…

Por qué importaEste enfoque revela una brecha crítica en la arquitectura actual de los transformadores: no capturan el aprendizaje multimodal, táctil y contextual…

Impacto medio Fiabilidad una fuente fiable Relevancia 7/10 Wired AI
Herramientas y productos

Alibaba lanza Qwen3.5-Omni, modelo multimodal que genera código desde instrucciones de voz y vídeo

Alibaba ha lanzado Qwen3.5-Omni, un modelo de IA omnimmodal que procesa texto, imágenes, audio y vídeo. El modelo supera a Gemini 3.1 Pro en tareas de audio y…

Por qué importaLa capacidad emergente de generación de código multimodal (audio-visual) sin entrenamiento específico sugiere que los modelos omnimmodales pueden…

Impacto alto Fiabilidad declaración interesada Relevancia 8/10 The Decoder
Herramientas y productos

AWS Bedrock lanza tres arquitecturas para análisis de video con modelos multimodales

AWS ha publicado una solución de código abierto que integra tres enfoques arquitectónicos distintos para análisis de video escalable mediante modelos…

Por qué importaLas organizaciones que procesan grandes volúmenes de video (vigilancia, producción, moderación, compliance) pueden automatizar análisis que hoy…

Impacto alto Fiabilidad confirmado por varias fuentes Relevancia 7/10 AWS Machine Learning Blog
Investigación

NXP optimiza modelos de visión y acción en robots embebidos con arquitecturas asincrónicas

NXP ha publicado una guía técnica sobre cómo desplegar modelos Vision-Language-Action (VLA) en plataformas robóticas embebidas, integrando dataset recording…

Por qué importaLos modelos multimodales VLA prometen robotizar tareas complejas, pero su despliegue en sistemas embebidos con restricciones de poder y latencia ha…

Impacto alto Fiabilidad fuente primaria Relevancia 7/10 Hugging Face
Investigación

Google DeepMind presenta 180 papers en NeurIPS 2023 sobre IA multimodal y robusta

Google DeepMind presentará más de 180 papers en la conferencia NeurIPS 2023 (10-16 de diciembre en Nueva Orleans), la mayor conferencia de IA del mundo. Los…

Por qué importaNeurIPS es la conferencia científica de IA más importante globalmente; la magnitud de la contribución de Google DeepMind (180 papers) refleja la…

Impacto medio Fiabilidad una fuente fiable Google DeepMind
Modelos y avances

DeepMind presenta Flamingo: un modelo multimodal que aprende nuevas tareas con pocos ejemplos

Google DeepMind ha publicado un preprint de Flamingo, un modelo de lenguaje visual (VLM) de 80 mil millones de parámetros que alcanza el estado del arte en…

Por qué importaFlamingo reduce drásticamente la necesidad de datos etiquetados y reentrenamiento para nuevas tareas, haciendo los modelos multimodales más…

Impacto alto Fiabilidad fuente primaria Relevancia 8/10 Google DeepMind