Asistentes de IA que gestionan tareas desde tus mensajes

Dos teléfonos muestran conversaciones con Proxy sobre actividades familiares y servicios de limpieza.

Cada vez más agentes de inteligencia artificial funcionan desde mensajes, recuerdan el contexto y se conectan con servicios cotidianos para completar tareas como organizar calendarios, reservar viajes o enviar correos. La oferta abarca usos personales, familiares y laborales, con diferencias en funciones, disponibilidad, precios y privacidad.

Un dispositivo de memoria del MIT podría reducir el consumo energético de los ordenadores

Componente metálico con finos filamentos sobre una placa electrónica, visto al microscopio.

Investigadores del MIT desarrollaron un dispositivo diminuto con capas superconductoras y magnéticas que funciona como memoria no volátil y permite controlar señales eléctricas. Conserva los bits sin alimentación continua, aunque requiere temperaturas extremadamente bajas. Podría reducir el consumo de futuros ordenadores; falta miniaturizarlo, crear matrices y cuantificar el ahorro energético.

Un método incorpora límites físicos a modelos de IA de sistemas caóticos

Ilustración abstracta de líneas de colores que rodean una forma azul sobre fondo negro

Un equipo del MIT desarrolló un método que incorpora restricciones físicas energéticas a modelos de IA, manteniendo acotadas sus predicciones de sistemas caóticos en horizontes arbitrariamente largos. En pruebas, los resultados se acercaron a los reales, mientras métodos convencionales generaron predicciones imposibles.

DAQIRI permite procesar datos científicos en tiempo real con GPU

Tres personas observan un pequeño dispositivo junto a un equipo de laboratorio.

DAQIRI permite analizar datos en memoria GPU durante la adquisición, sin guardarlos antes en disco. En Berkeley Lab, una cámara de microscopía electrónica procesa más de 500 Gbps. La última versión incorpora reordenamiento por hardware, mayor rendimiento y sondeo directo de baja latencia.

NVIDIA Dynamo busca agilizar el entrenamiento por refuerzo

Diagrama del ciclo de aprendizaje por refuerzo: generación, puntuación y actualización de pesos.

NVIDIA Dynamo coordina la infraestructura de inferencia para entrenamiento por refuerzo, equilibrando la reutilización de caché y la carga de los trabajadores para reducir cómputo redundante y demoras. ModelExpress agiliza la distribución de actualizaciones de pesos, mientras la recuperación redirige solicitudes ante fallos de trabajadores.

Slurm 26.11 permite programar procesadores cuánticos en supercomputadores

Diagrama de Slurm que muestra cómo HRES vincula una QPU lógica con nodos del clúster.

Slurm 26.11 incorpora una interfaz de complementos Lua para programar procesadores cuánticos mediante recursos jerárquicos del clúster, vinculados a los nodos que pueden acceder a ellos. Los trabajos pueden solicitarlos como recursos; QRMI y QDMI ya publicaron complementos de código abierto.

NVIDIA explica cómo optimizar la atención dispersa en contextos largos

Gráfico circular compara la distribución del tiempo entre atención densa y dispersa.

Para procesar contextos de cientos de miles de tokens, la atención dispersa reduce el trabajo de la atención principal, pero traslada costes al indexador y al Top-k. La guía mide rendimiento en GPU NVIDIA y recomienda reducir claves, fusionar operaciones y priorizar bloques grandes.

Ilustración de un hombre mayor con auriculares y chaqueta