Corea

Kyunghyun Cho Cho Kyunghyun

NYU y Genentech

Por qué lo seguimos: Investigación sobre atención y traducción automática

Fichajes

No hay fichajes publicados.

Artículos

Artículo2026-10-04 · arXiv (Cornell University)

Se propone un nuevo método para entrenar modelos de IA equilibrando múltiples valores

Which Preferences to Train On? End-to-End Multi-Objective Alignment with an Adversarial Preference Distribution

Kyunghyun Cho y 2 más

Qué: Los investigadores propusieron un método de entrenamiento llamado MAESTRO que permite a los modelos de lenguaje de IA ajustar el equilibrio entre múltiples valores, como la utilidad, la inofensividad y el humor, según las solicitudes del usuario.
Resultado clave: Según el resumen, MAESTRO logró las mejores curvas de compromiso (frentes de Pareto) en la mayoría de las tareas en una sola ejecución de entrenamiento en experimentos que manejan hasta tres objetivos, y tuvo el costo de entrenamiento más bajo entre los métodos comparados.
Por qué importa: Si bien esto demuestra el potencial para que las empresas creen servicios de IA adaptados a la configuración de cada usuario de manera más eficiente si un solo modelo puede manejar múltiples combinaciones de valores, el impacto real en el mercado es difícil de juzgar solo a partir del resumen.Resumen IA

Entrenamiento y escalado Seguridad y regulación

Resumen completo Leer artículo ↗ PDF ↗

Artículo2026-05-31 · arXiv.org

La IA física predice con éxito la turbulencia de laboratorio

Emergent Transfer of a Physics Foundation Model from Simulation to Laboratory Turbulence

Kyunghyun Cho y 22 más

Qué: Se aplicó un modelo fundamental de física entrenado en simulaciones a un entorno de laboratorio real para predecir fenómenos complejos de inestabilidad de fluidos.
Resultado clave: Se predijeron con éxito los rangos de crecimiento de laboratorio reales y los nuevos entornos físicos que no estaban presentes en los datos de entrenamiento.
Por qué importa: Demuestra el potencial de los modelos basados en IA para expandirse más allá de las simulaciones hacia datosexperimentales reales.Resumen IA

IA para la ciencia

Resumen completo Leer artículo ↗ PDF ↗

Artículo2026-04-27 · arXiv.org

Desarrollo de un modelo de inteligencia artificial que maneja conjuntamente diversa información biomolecular

MIMIC: A Generative Multimodal Foundation Model for Biomolecules

Kyunghyun Cho y 30 más

Qué: Los investigadores han presentado MIMIC, un modelo de inteligencia artificial generativa capaz de aprender y generar simultáneamente múltiples informaciones biológicas como ácidos nucleicos, proteínas, evolución y estructuras.
Resultado clave: Al utilizar múltiples tipos de datos en conjunto, MIMIC mostró un rendimiento mejorado en comparación con los modelos existentes basados en un solo tipo de datos y realizó diversas tareas biológicas.
Por qué importa: Este estudio demuestra el potencial para el aprendizaje de representación biomolecular, la predicción condicional y el diseño molecular personalizado a través de un único modelo unificado.Resumen IA

IA para la ciencia

Resumen completo Leer artículo ↗ PDF ↗

Esta página recopila artículos publicados, anuncios oficiales e informaciones de prensa solo con fines informativos. Los resúmenes los redacta una IA a partir del resumen del artículo y los revisa el editor; pueden diferir del original, así que consulte el artículo para lo importante. Nada de esto es una recomendación de compra o venta ni asesoramiento de inversión. Los cambios de puesto citan anuncios oficiales o prensa relevante; parte de las trayectorias proviene de Wikidata (CC0). Los resúmenes de esta página se tradujeron con IA a partir de la versión coreana revisada por el editor.