Otras noticias
Otras noticias
Tencent presenta una versión de Hy-Nomas para Diffusers; Nvidia describe cómo preparar y evaluar en simulación el aprendizaje de Microduck. Ai2 describe una herramienta para revisar ideas científicas; ElevenLabs presenta un caso de agentes inmobiliarios, y OpenAI aporta detalles de su almacenamiento.
Recibe el resumen diario de IA
Cada mañana, lo esencial de la inteligencia artificial en tu correo, sin humo. Al día con la IA.
Al suscribirte aceptas recibir el newsletter de AI Informator. Puedes darte de baja cuando quieras.
En resumen
- Según Tencent, Hy-Nomas permite cambiar el contenido y la cámara mientras genera nuevos fragmentos de vídeo.
- Según Ai2, LitPivot relaciona cada parte de una propuesta científica con los estudios que el investigador elige para revisarla.
- Según ElevenLabs, Immobiliare.it ha pasado de un asistente para anuncios a una red de agentes con tareas especializadas.
Hy-Nomas: un paquete para dirigir mundos de vídeo
Tencent, responsable del repositorio de Hy-Nomas-Diffusers, presenta una conversión del modelo para Diffusers. Según Tencent, el sistema genera el mundo por fragmentos de vídeo y permite introducir objetos, cambiar estilos y escenarios, describir acciones o mover la cámara mediante instrucciones sucesivas. El paquete reúne los componentes necesarios para cargar el modelo, y conserva información de los fragmentos anteriores para continuar la escena. La ficha distingue esta conversión del repositorio original, donde se encuentran otras variantes y recursos. El cambio está en el empaquetado: la documentación remite a un modelo base existente.
Microduck: aprender a sortear obstáculos en simulación
Nvidia, que aporta las herramientas de entrenamiento y simulación, presenta un procedimiento para preparar un circuito y entrenar al robot Microduck. Según Nvidia, los agentes ayudan con la planificación y la creación del entorno; después se entrena el comportamiento del robot y se evalúa en simulación. El recorrido exige percibir los obstáculos, mantener el equilibrio y ajustar el movimiento. La guía distingue el aprendizaje de la evaluación, donde se comprueba qué funciona y qué necesita más trabajo. El despliegue físico detallado queda fuera de su alcance: adaptar este ejercicio al robot real requiere ajustes adicionales.
Leer más: Nvidia — Using AI Agents to Teach Robots Like Microduck to Walk in Simulation ↗
LitPivot: revisar una idea con los estudios delante
Ai2, un instituto de investigación en IA sin ánimo de lucro fundado por Paul Allen, presenta el funcionamiento de LitPivot. Según Ai2, la herramienta separa una propuesta en problema, contribución y plan de evaluación, y organiza los estudios en función de la parte que se está editando. El investigador elige qué trabajos utilizar para valorar el borrador y recibe sugerencias acompañadas de fragmentos que las respaldan. Puede aceptarlas, modificarlas o rechazarlas. Cuando cambia la propuesta, el sistema reordena la bibliografía y señala otros pasajes que podrían necesitar revisión, como una evaluación que ya no encaja con la contribución.
Immobiliare.it reparte el trabajo entre agentes
Según ElevenLabs, proveedor de las herramientas utilizadas, Immobiliare.it, una plataforma inmobiliaria italiana, ha ampliado su asistente para anuncios hasta formar una red de agentes conectados. El primero responde preguntas, recoge información de posibles compradores y resume las conversaciones para los profesionales inmobiliarios. La red incorpora atención a vendedores particulares, llamadas para mejorar los anuncios, soporte por voz y chat, y búsqueda conversacional. Según ElevenLabs, las tareas se distribuyen entre subagentes especializados que se coordinan para mantener una conversación continua con el usuario. Es un caso descrito por el proveedor, que también atribuye a esa organización una mayor facilidad para introducir mejoras.
Leer más: ElevenLabs — How Immobiliare.it went from one conversational agent to an agentic network ↗
OpenAI explica cómo comparte el almacenamiento de Habitat
OpenAI presenta nuevos detalles técnicos de Habitat, su plataforma para que los productos accedan a los datos, y de su uso de Azure Cosmos DB. Según OpenAI, el sistema pasó de compartir recursos a separar cargas y después volvió a compartirlas por defecto. Para evitar que una tarea acapare la capacidad disponible, limita primero las solicitudes más intensivas y da menor prioridad a trabajos de fondo, como las inserciones masivas. La empresa describe así cómo protege las peticiones interactivas que atienden a los usuarios. El foco de esta segunda entrega es la infraestructura que permite crecer y mantener el servicio.
Leer más: OpenAI — Rapidly scaling online storage to serve over 1 billion ChatGPT users (Part II) ↗
Conclusión
Según Nvidia, preparar el entorno, entrenar y evaluar son etapas distintas; según Ai2, revisar una propuesta también exige reconsiderar los estudios que la sustentan.
Fuentes primarias
- OpenAI — Rapidly scaling online storage to serve over 1 billion ChatGPT users (Part II) ↗
- Ai2 — About us ↗
- Nvidia — Using AI Agents to Teach Robots Like Microduck to Walk in Simulation ↗
- Ai2 — LitPivot: Developing research ideas through dynamic contextualization within the literature landscape ↗
- ElevenLabs — How Immobiliare.it went from one conversational agent to an agentic network ↗
- Tencent — Hy-Nomas-Diffusers model card ↗
Recibe el resumen diario de IA
Cada mañana, lo esencial de la inteligencia artificial en tu correo, sin humo. Al día con la IA.
Al suscribirte aceptas recibir el newsletter de AI Informator. Puedes darte de baja cuando quieras.
Comentarios