Ir al contenido
IA para hoy

Transformers

Noticias etiquetadas con «Transformers»

17 noticias

Filtrar
Investigación

Transformer ProFormer clasifica proteomas de célula única y plasma directamente desde datos de espectrometría de masas

Investigadores presentan ProFormer, un pipeline basado en transformers que clasifica muestras proteómicas usando directamente perfiles de iones peptídicos de…

Por qué importaAcelera drásticamente el análisis proteómico al eliminar pasos de procesamiento que limitan el rendimiento, abriendo la puerta a clasificación rápida…

Impacto bajo Fiabilidad una fuente fiable Nature · Machine learning
Herramientas y productos

Hugging Face permite ejecutar modelos cuantizados GGUF de llama.cpp directamente en Transformers

Hugging Face anunció que la librería Transformers ahora puede cargar y ejecutar checkpoints en formato GGUF, el formato usado por llama.cpp para inferencia…

Por qué importaFacilita ejecutar modelos locales cuantizados dentro del ecosistema estándar de Transformers sin depender de un runtime separado, ampliando opciones…

Impacto bajo Fiabilidad una fuente fiable Hugging Face
Investigación

Hugging Face publica guía sobre optimización de atención en PyTorch

Hugging Face ha publicado el tercer artículo de su serie "Profiling in PyTorch" dedicado a la perfilación y optimización del mecanismo de atención en redes…

Por qué importaPara ingenieros y equipos de ML que optimizan modelos de transformers en producción, entender cómo perfilar y analizar cuellos de botella en atención…

Impacto medio Fiabilidad fuente primaria Hugging Face
Herramientas y productos

Hugging Face optimiza inferencia de modelos en vLLM sin reescribir código

Hugging Face anunció una mejora en el backend de transformers para vLLM que permite ejecutar modelos de lenguaje con velocidad comparable a implementaciones…

Por qué importaReduce la barrera técnica para desplegar cualquier modelo de Hugging Face a velocidad de producción; permite a autores de modelos y equipos de ML…

Impacto alto Fiabilidad fuente primaria Relevancia 7/10 Hugging Face
Herramientas y productos

LeRobot v0.6.0: nuevos modelos de mundo para robótica abierta y herramientas de evaluación

Hugging Face lanzó LeRobot v0.6.0, una plataforma abierta de robótica que incorpora tres nuevas políticas basadas en world models (VLA-JEPA, FastWAM…

Por qué importaLa versión consolida robotics como un área fundamental de investigación abierta donde el ecosistema competidor (NVIDIA, Meta, Allen AI) converge en…

Impacto alto Fiabilidad fuente primaria Relevancia 8/10 Hugging Face
Investigación

DiScoFormer: un transformador para estimar densidad y score en distribuciones

AI2 ha presentado DiScoFormer, un modelo transformer que estima simultáneamente la densidad y el score (gradiente del logaritmo de la densidad) de una…

Por qué importaLa estimación de densidad y score es una dependencia compartida en modelado generativo, inferencia bayesiana y computación científica. Un estimador…

Impacto medio Fiabilidad fuente primaria Relevancia 7/10 Hugging Face
Herramientas y productos

NVIDIA impulsa modelos foundation para transacciones financieras en bancos e instituciones

NVIDIA promueve los transaction foundation models, sistemas de IA entrenados en miles de millones de eventos financieros que unifican el análisis de…

Por qué importaLos bancos pueden consolidar múltiples modelos especializados en uno solo que interpreta el comportamiento financiero en contexto, reduciendo la…

Impacto alto Fiabilidad fuente primaria Relevancia 7/10 NVIDIA Blog
Herramientas y productos

PaddleOCR 3.5 integra soporte para backend Transformers

PaddleOCR, la librería de reconocimiento óptico de caracteres de Baidu, lanzó la versión 3.5 que añade Transformers como backend compatible junto al motor por…

Por qué importaPara equipos que construyen pipelines de extracción de documentos sobre Transformers-Transformers, reduce fricción de integración y permite usar…

Impacto medio Fiabilidad fuente primaria Hugging Face
Herramientas y productos

Hugging Face crea herramienta de IA para portar modelos a MLX de forma controlada

Hugging Face ha desarrollado una Skill (receta para agentes de código) que automatiza la portabilidad de modelos de lenguaje desde la librería Transformers a…

Por qué importaAborda un problema emergente crítico: cómo mantener la calidad del código open source cuando los agentes generan órdenes de magnitud más…

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

Microsoft Research y Numenta comparan inteligencia de máquinas con la del cerebro humano

Microsoft Research ha lanzado un podcast titulado "The Shape of Things to Come" en el que Doug Burger, Nicolò Fusi (Microsoft Research) y Subutai Ahmad…

Por qué importaEl análisis de cómo la inteligencia biológica difiere de la digital es relevante para entender si los modelos actuales están en un camino real hacia…

Impacto bajo Fiabilidad una fuente fiable Microsoft Research
Herramientas y productos

Hugging Face integra paralelismo de secuencias Ulysses para entrenar con contextos de millones de tokens

Hugging Face ha integrado Ulysses Sequence Parallelism (SP), una técnica desarrollada por Snowflake AI Research en colaboración con DeepSpeed, en su ecosistema…

Por qué importaElimina el cuello de botella de memoria que limitaba el entrenamiento con contextos largos, reduciendo significativamente la infraestructura…

Impacto alto Fiabilidad fuente primaria Relevancia 8/10 Hugging Face
Herramientas y productos

Hugging Face optimiza la carga de modelos de Mezcla de Expertos en Transformers

Hugging Face ha publicado mejoras significativas en la biblioteca Transformers (versión 5) para optimizar la carga y ejecución de modelos Mixture of Experts…

Por qué importaLos modelos MoE ofrecen mejor eficiencia de escala que los modelos densos (más parámetros de capacidad con menos parámetros activos por token), pero…

Impacto medio Fiabilidad fuente primaria Relevancia 7/10 Hugging Face
Modelos y avances

Microsoft presenta Differential Transformer V2 con mejora de eficiencia en decodificación

Microsoft ha publicado Differential Transformer V2, una evolución de su arquitectura de atención que duplica el número de cabezas de consulta mientras mantiene…

Por qué importaLa mejora de eficiencia en la atención durante decodificación es crítica para el despliegue de LLMs en producción, reduciendo costos de inferencia y…

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

Google DeepMind anuncia AutoRT, SARA-RT y RT-Trajectory para robótica avanzada

Google DeepMind ha presentado tres sistemas para mejorar la robótica: AutoRT, que orquestó hasta 20 robots simultáneamente durante siete meses recopilando…

Por qué importaEstos avances aceleran la viabilidad de robots generalizados en entornos reales al resolver tres problemas críticos: escalabilidad de datos de…

Impacto alto Fiabilidad confirmado por varias fuentes Relevancia 8/10 Google DeepMind
Investigación

Google DeepMind lanza Open X-Embodiment: dataset y modelo para robots generales

Google DeepMind, en colaboración con 33 laboratorios académicos, ha lanzado el dataset Open X-Embodiment (con datos de 22 tipos de robots diferentes, más de…

Por qué importaEste trabajo representa un cambio fundamental en robótica: permite que un único modelo controle múltiples tipos de robots y generalice a nuevas…

Impacto alto Fiabilidad confirmado por varias fuentes Relevancia 9/10 Google DeepMind
Modelos y avances

DeepMind presenta Perceiver AR, arquitectura para generación con contexto de 100.000 tokens

Google DeepMind ha publicado Perceiver AR, una arquitectura autoregresiva y agnóstica de modalidad que utiliza cross-attention para procesar contextos muy…

Por qué importaLas limitaciones actuales en longitud de contexto (típicamente 2.048 tokens en Transformers) afectan la calidad de generación en tareas largas…

Impacto alto Fiabilidad fuente primaria Relevancia 8/10 Google DeepMind
Investigación

DeepMind presenta Perceiver IO, arquitectura universal para procesar cualquier tipo de dato

DeepMind ha publicado un preprint de Perceiver IO, una arquitectura de red neuronal diseñada para procesar múltiples tipos de datos (imágenes, audio, video…

Por qué importaReduce la necesidad de construir arquitecturas especializadas para cada tipo de dato o tarea, simplificando el desarrollo de sistemas multimodales y…

Impacto alto Fiabilidad fuente primaria Relevancia 7/10 Google DeepMind