IA para clima y simuladores científicos
Emuladores aprendidos aceleraron simulaciones climáticas y de materiales, complementando HPC clásico.
Ordenadas por fecha · zona America/Guayaquil
Página 31 / 38 · 447 artículos
Emuladores aprendidos aceleraron simulaciones climáticas y de materiales, complementando HPC clásico.
Productos tipo ingeniero autónomo planifican issues, editan repos y abren pull requests con supervisión humana variable.
Investigación en modelos de mundo buscó predicción de dinámicas para planificación, más allá de generar pixels bonitos.
Nuevas generaciones Llama mejoraron multimodalidad y agentes, manteniendo pesos descargables como estrategia industrial.
Meta, Mistral, DeepSeek y otros acercaron pesos públicos al rendimiento de APIs cerradas, redefiniendo “frontera”.
NVIDIA Blackwell, nuevas TPUs de Google y ASICs de hyperscalers definieron quién entrena e infiere a qué coste.
Labs generaron corpora sintéticos para razonamiento y código, con ganancias y riesgos de colapso por realimentación.
Modelos optimizados para pensar más al inferir marcaron 2025, con saltos en math contests y coding agents.
DeepSeek publicó modelos de razonamiento competitivos con costes de entrenamiento reportados bajos, alterando expectativas de mercado.
Políticas visión-lenguaje-acción y datos teleoperados avanzaron manipulación generalista, aún lejos de robots domésticos perfectos.
Modelos de 1–10B parámetros afinados y cuantizados llevaron asistentes útiles a móviles y PCs sin ronda completa a la nube.
Labs demostraron modelos que hacen clic, escriben y navegan UIs como usuarios humanos, ampliando automatización sin API.