fuente: https://ai.epfl.ch/an-ai-capable-of-doubt-can-optimize-scientific-discovery/
Un equipo de la EPFL ha desarrollado un marco que entrena modelos de lenguaje a gran escala para crear sistemas de IA capaces de encontrar la configuración óptima o "receta" para un experimento científico.
Las herramientas computacionales modernas permiten a los científicos explorar un gran número de moléculas, materiales y reacciones químicas posibles. Sin embargo, probar todas las combinaciones en el laboratorio es lento y costoso. Entonces, ¿cómo eligen los investigadores la mejor "receta" para su experimento?
Un método llamado "optimización bayesiana" aprende de resultados previos, predice qué opciones parecen prometedoras y estima el grado de incertidumbre de dichas predicciones. Esto permite a los investigadores centrar sus próximos experimentos en las opciones más útiles para probar y evitar desperdiciar tiempo y dinero en posibilidades menos prometedoras.
La comitiva de seguridad de PHP ha compartido medidas de mitigación para una nueva vulnerabilidad de ejecución remota de código que afecta a sistemas con config...
Leer artículo →Agentes de IA pagando por llamadas API con el x402 SDK podrían firmar una transacción para su saldo completo de un token soportado si una API maliciosa lo pidie...
Leer artículo →Datos de compresión Brotli maliciosos pueden hacer que una aplicación en una compilación oficial de Node.js ejecute código proporcionado por el atacante, según...
Leer artículo →