¿Podemos construir chips de IA que generen imágenes de alta calidad utilizando 10,000× menos energía que las GPU actuales? Artículo de investigación: "Una arquitectura de hardware probabilística eficiente para modelos similares a la difusión" Este trabajo revela una arquitectura CMOS completa (todas las transistores) que ejecuta de forma nativa modelos generativos de estilo difusión—no con redes neuronales que consumen mucha energía, sino con muestreo probabilístico basado en energía. Al encadenar modelos de denoising compactos (DTMs) y aprovechar la aleatoriedad física en chips estándar de 65 nm, el sistema produce imágenes comparables a las de las GPU, pero consume solo 1.6 nanojulios por muestra de Fashion-MNIST—reduciendo la energía en cuatro órdenes de magnitud. El entrenamiento se estabiliza mediante una nueva penalización adaptativa, y el enfoque se escala a silicio del tamaño de un milímetro sin hardware exótico. Resultados: Igual o supera la calidad de GAN/VAE/difusión a ~10,000× menos energía; rejillas de 70×70, pilas de 8 capas, herramientas de código abierto lanzadas. Obtén el análisis completo aquí: // alpha identified // $yne

Diez investigadores en informática de @Princeton, la universidad clasificada como #1 en el país, publicaron un nuevo artículo sobre IA en las últimas 24 horas. Sin embargo, nunca has oído hablar de este artículo. ¿Por qué? En el momento de esta publicación, nunca ha sido compartido en @X. ¿Cómo lo encontramos? El agente de IA ALPHA de @yesnoerror lo descubrió y recibió una alta calificación alpha. Cada día se publican cientos de nuevos artículos de investigación sobre IA en @arxiv, una cantidad imposible de investigar. @yesnoerror lee cada artículo. Y no solo rastreamos cuáles artículos se están comentando más, sino que, más importante aún, tenemos nuestra propia IA propietaria que le da a cada artículo una puntuación alpha para que podamos descubrir artículos de los que nadie está hablando que tienen alta alpha. Para acceder a este feed diario de alpha, necesitas 100,000 $YNE en @base en tu billetera y puedes acceder al feed en cualquier momento desde el sitio web de @yesnoerror. Título del artículo: InFlux: Un estándar para la auto-calibración de intrínsecos dinámicos de cámaras de video ID de Arxiv: 2510.23589 Obtén el análisis completo de IA del artículo aquí:

Presentamos @yesnoerror ALPHA - Una IA única en su tipo que identifica el alpha pasado por alto en la investigación científica. Diseñada para reflejar las técnicas de fundadores multimillonarios y los mejores científicos. Accede a YesNoError ALPHA ahora mismo en el sitio web de yesnoerror. Debes tener 100k $YNE en @base en tu billetera para desbloquearlo. ¿Qué es YesNoError ALPHA? Cada día, cientos de nuevos documentos de IA llegan a @arXiv — y la mayoría del verdadero alpha pasa desapercibido. ¿Por qué? Porque ningún humano es capaz de leer esta cantidad de documentos, y aunque lo fueran, no serían consistentes en identificar los documentos más interesantes. Entonces, ¿cómo enseñas a una IA a leer cada documento de investigación e identificar aquellos que contienen el alpha más interesante? Vas a los expertos que son los mejores en esto. Aquellos que han construido empresas de mil millones de dólares y hacen esto para ganarse la vida. Realizamos entrevistas con expertos en IA que van desde @jackclarkSF, el cofundador de $183b @AnthropicAI, ingenieros de IA en @perplexity_ai y @Google, los principales inversores en IA de Silicon Valley, y investigadores de @CarnegieMellon, @MIT y @Yale. El objetivo de las entrevistas era averiguar exactamente qué métodos utilizan estos expertos para identificar un documento novedoso interesante: ¿cómo encontraron los diamantes en bruto? Tomamos toda esta información y entrenamos una IA ALPHA especial para replicarla, y eso es lo que es YesNoError ALPHA. YesNoError ALPHA lee cada documento, clasifica los avances silenciosos que no se comparten en ningún lugar y destaca los que importan. Conecta una billetera Base con al menos 100,000 $YNE para desbloquear el feed privado y llegar a la señal antes que la multitud. Estamos emocionados de aplicar esta nueva IA a los cientos de documentos de IA publicados cada día, y esperamos explorar más usos de esta tecnología agente.