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.
GitLab ha lanzado parches de seguridad para un fallo de compilador de Expresiones Regulares con severidad máxima que permite a atacantes remotos ejecutar código...
Leer artículo →LiteLLM informó el miércoles que los actores cibernéticos comprometieron 'múltiples controles de seguridad independientes' para lanzar una versión maliciosa del...
Leer artículo →Un fallo en el agente de codificación AI OpenCode permitió que un servidor MCP malicioso o controlado por fuerzas externas ejecutara código en la máquina de des...
Leer artículo →